原創 爾雲間 爾雲間meta分析

原創不易，請多多關注和轉發支持，謝謝！

我們在閱讀meta分析文獻時，經常看到一種統計方法：敏感性分析。它的作用是評估meta分析結果的穩定性，具體的說，是評估單個研究、某類研究、部分主觀判斷對meta分析結果的影響。

相對的，敏感性分析的方法也包括以下幾個：

其中，在meta分析中最常用的是逐一剔除法。接下來，讓我們一起學習如何通過Stata實現敏感性分析中的逐一剔除法。

操作前準備

成功安裝Stata軟件，并加載meta分析菜單、安裝meta分析相關的代碼包

如果你還沒掌握這個基礎操作，可參考我們的另一個原創教程：

Stata如何加載meta分析菜單和命令

敏感性分析逐一剔除法操作步驟

1 輸入數據

我們以Stata自帶的示例數據完成操作練習，運行“help metan”調用幫助文件，并找到示例數據的鍊接，點擊藍色的鍊接調用數據，如下圖所示。

2 打開“逐一剔除法”的菜單操作頁面

依次選擇 User -- Meta-Analysis -- Influence Analysis, metan-based (metaninf)

3 根據數據類型，設置相關參數

雖然示例數據包括了菜單中的三種數據類型，但二分類變量(Binary Count)和連續型變量(Continuous)的敏感性分析操作與森林圖的操作類似。

本文以效應值(Effect Size)為例，進行操作練習。

效應值(Effect Size)是什麼數據？其實這是一類數據的指代，可以理解為是經過差異比較後得到的效應值，如頻數比較、回歸分析的OR/RR/HR (95%CI)；均數比較的MD (95%CI)。正如示例數據中的OR、ORlci、ORuci。

4 數據處理（對數轉換）

由于OR/RR/HR這類型數據的特殊性，進行meta分析的相關分析（如森林圖、發表偏倚檢驗、敏感性分析）前，必須先進行自然對數轉換，因此，運行以下命令：

gen lnOR=ln(OR)

gen lnORlci=ln(ORlci)

gen lnORuci=ln(ORuci)

gen selnOR=( lnORuci- lnORlci)/1.96/2

5 選擇分析參數

分别設置主菜單“Main”和二級菜單“Effect Opts”，其中模型的選擇與該數據做森林圖合并的模型一緻。

6 得到圖表結果

由于我們對數據進行了自然對數轉換，而菜單操作的參數設置中，并沒有對結果進行反自然對數轉換的選項，因此軟件輸出的結果圖形和表格結果(略)中，數據都是以對數形式展示。

7 完善命令，得到結果

通過Stata的命令回顧窗口“Review-Command”，我們可以調用菜單操作對應的命令：metaninf lnOR selnOR, label(namevar=id, yearvar=year) random

在此基礎上，在命令的最後加上“eform”，即可得到以OR值為橫坐标的敏感性分析圖形。

運行：metaninf lnOR selnOR, label(namevar=id, yearvar=year) random eform

結果如下，該研究結局納入了20個研究，排除任意一個研究，剩餘研究（19個）的合并結果都沒有統計學意義（95%CI包括1），與原合并結果一緻（OR=1.11, 95%CI=0.92 to 1.34），說明結果穩定。

本次的分享就到這裡了，你還遇到哪些無法解決的meta分析軟件操作問題？歡迎聯系系小編哦

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!