描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787567908086
本书为曾宪涛、任学群主编的《应用STATA做
Meta分析（第2版）》。
第一章 Meta分析的基础知识 第一节 Meta分析概述 第二节 Meta分析的常见类型 第三节 Meta分析的制作步骤 第四节 Meta分析的注册平台 第五节 方法学质量评价工具 第六节 效应量、效应模型及图形解读 第七节 Meta分析的报告规范 第二章 Stata软件的简介 第一节 Stata与Meta分析 第二节 Stata操作简介 第三节 Stata行Meta分析的基础 第四节 Stata行Meta分析命令简介 第五节 SSC命令简介 第三章 经典二分类变量的Meta分析 第一节 数据结构 第二节 效应量及效应模型的选择 第三节 数据准备及软件实现 第四节 异质性检验 第五节 发表偏倚检测 第四章 遗传关联性研究的Meta分析 第一节 遗传关联性研究及其Meta分析简介 第二节 基因多态性研究及其Meta分析简介 第三节 Meta分析中的哈迪-温伯格平衡及处理 第四节 数据准备及软件实现 第五章 连续型变量的Meta分析 第一节 数据结构 第二节 效应量及模型的选择 第三节 数据准备及软件实现 第六章 生存资料的Meta分析 第一节 预后相关的术语介绍 第二节 效应量的选择及资料提取 第三节 数据准备及软件实现 第七章 累积Meta分析 第一节 累积Meta分析简介 第二节 Stata实现的命令 第三节 经典二分类变量的累积Meta分析 第四节 连续型变量的累积Meta分析 第八章 序贯Meta分析 第一节 序贯Meta分析简介 第二节 二分类数据的序贯Meta分析 第三节 时间-事件数据的序贯Meta分析 第九章 间接比较及网状Meta分析 第一节 间接比较及网状Meta分析简介 第二节 Stata-mvmeta程序包实现网状Meta分析 第三节 Stata-indirect程序实现间接比较Meta分析 第十章 诊断性资料的Meta分析 第一节 诊断性试验及其Meta分析简介 第二节 Stata-midas命令实现 第三节 Stata-metandi命令实现 第四节 随机对照设计的诊断性试验Meta分析 第十一章 剂量-反应关系研究的Meta分析 第一节 剂量-反应关系Meta分析简介 第二节 单项研究剂量-反应趋势估计 第三节 多项研究剂量-反应Meta分析 第四节 剂量-反应Meta分析图形绘制 第五节 剂量-反应Meta分析注意事项 第十二章 单组变量及有序变量的Meta分析 第一节 单组变量的Meta分析 第二节 有序变量的Meta分析 第十三章 Stata调用WinBUGS实现 第一节 贝叶斯Meta分析与WinBtJGS软件 第二节 WinBUGS与Stata软件 第三节 实现二分类变量的Meta分析 第四节 实现连续型变量的Meta分析 第五节 实现有序变量的Meta分析 第六节 实现网状Meta分析 第七节 实现间接比较的Meta分析 第十四章 Stata相关图形的编辑 第一节 森林图的编辑 第二节 漏斗图的编辑 附录 中英文对照表
应用STATA做Meta分析
再版前言
Meta分析（meta-analysis）是统计合成来自于一系列同类研究的结果，其中用的统计方法可用于任何类型的数据。通过Meta分析，可以更加准确的估计效应的大小及确定影响效应大小的相关因素，还可以产生新的发现。Meta分析可以应用于医学、药学、教育学、心理学、犯罪学、生态学、商业、天文学等诸多领域，当前在医学领域的应用最为活跃。
工欲善其事必先利其器。除必备的专业背景知识外，熟练运用一款软件是制作Meta分析的必备要素。当前能实现Meta分析的软件有多款，其中STATA软件能够实现各种类型的Meta分析，分析功能与绘图功能完善，亦是最为常用的软件。我们团队自2011年以来一直致力于引入传播、研究Meta分析方法学，2014年在军事医学科学出版社的支持下出版了《应用STATA做Meta分析》第一版，该书是其时国内首部介绍STATA软件实现Meta分析的专著，一经出版即获得市场与读者的认可，并很快售罄。
哲学上讲，任何事情都螺旋式上升、曲折式前进的。Meta分析的方法学发展也是一样，尽管至今仅有两年多时间，但Meta分析涌现了新的理论、方法学及类型，STATA软件也配合发展了自身；再者第一版时因各种原因致使未能尽善尽美，出版后收到了众多读者的真诚反馈及宝贵意见与建议，这均是促使再版的重要原因。本书的再版仍旧遵循了第一版的思路与理念，以易读、易懂、易学为宗旨，结合读者的反馈意见、当前的最新进展等进行了相关知识的增删。因此，本书仍具备如下特点：
第一，以Meta分析的类型为纲。本书按照STATA软件能够实现的Meta分析类型分章节进行介绍，调理清晰易懂易读，但省略了几无可能用到的个体患者数据（individual patient data，IPD）的Meta分析。第二，轻理论重实践。本书对每一种类型的Meta分析进行了简要介绍，浓墨重彩于如何使用STATA软件操作上，将编程实现和通过模块实现的方法均进行了介绍，使读者可以通过照葫芦画瓢的方式完成分析。第三，编写人员多元化。编者来源更加注重从科研教学临床人员中邀请，由从事于方法学研究的、临床的、药学的、循证医学教学的、期刊编辑的一线中青年学者构成，使得本书更加贴近读者。第四，采用网络配合纸版的方式。我们将建立专门的网站提供下载本书所涉及到的相关实例数据，便于读者使用。
本书顺利付梓首先要感谢中国协和医科大学出版社王波副社长团队及编写团队，两大团队付出的辛勤劳动让本书能够在保证质量的同时快速的与读者见面。其次，要感谢军事医学科学出版社及第一版的全体编者。因客观条件本书不能继续在军事医学科学出版社再版，但在中国协和医学大学出版社得到了该社的大力支持；因某些客观原因本书第一版部分编者未能继续参与第二版，但本版编写参照了第一版的内容并得到了他们的支持。第三，本书的出版继续得到了王行环教授、罗杰教授、郭毅教授、冷卫东教授等一批专家的悉心指导，中国中医科学院硕士研究生张蕾女士和武汉大学中南医院循证与转化医学中心桂裕亮先生、尹晓红女士在本书书稿校对中付出了辛勤的劳动，本书的出版还得到了国家重点研发计划“数字诊疗装备研发”课题“循证评价研究”（编号：2016YFC0106300）基金的支持，更参阅了大量的中英文著作及文献。在此，谨向他们表达最诚挚的感谢！
本书的内容将会随着新知识、新方法的出现而发生内容滞后的现象；再者，尽管每位编者都尽了自己最大的努力，但囿于编者的水平及凡事不可能尽善尽美，总会有不足之处存在。因此，本书将会择期进行再版或修订。我们在一如既往的希望读者能够体谅的同时，真诚期待读者能够继续给出宝贵的意见与建议，便于我们再版时修订完善。您的意见可通过本书的专用网页http://www.zengxiantao.com/stata/进行留言反馈给我们。期望本书能对您有所帮助！
曾宪涛 任学群
2016年11月
于汴京汴西湖湖畔
分类变量的Meta分析
在统计学中，通常有3种不同类型的数据资料，分别为计数资料、计量资料以及等级资料。其中，计数资料包括二分类变量和多分类变量，所谓二分类变量是指同一研究中两种对立属性事件的数据资料，比如某研究中“存活”和“死亡”事件各自发生的例数。本章采用实例介绍经典的2×2表格资料的Meta分析的实现过程。
第一节 数据结构
对于一项纳入了k个研究的Meta分析，当这些研究的结局指标是二分类变量时，我们即可用一个2×2的表格来反映它，因此在第i个研究中，可用表3-1所示的数据结构表示。其中ai表示第i项研究中试验组的发生例数，bi表示第i项研究中试验组的未发生例数，ai
bi则表示整个试验组的总样本量，余以此类推。
表3-1
二分类数据结构
注：i表示k个研究中的第i项研究
第二节 效应量及效应模型的选择
一、效应量的选择
用于二分类数据资料的治疗效应检测指标有OR/or、RR/rr和RD/rd。
OR的定义是试验组和对照组中某事件发生的比值之比。所谓比值，即某事件发生的可能性，也表示某事件发生的概率（p）与未发生概率（1-p）之比，公式为：比值=某事件发生例数/某事件未发生例数=
，例如，当比值为2时，写作2∶1，即3个人中，2人会发生该事件，1人不会发生。以表3-1的数据为例，试验组的比值=
=
/
=
，对照组的比值=
=
/
=
，因此OR=
/
=
/
=
。
RR又称相对危险度（relative
risk），表示试验组和对照组中某事件发生的风险之比。所谓风险，即将会发生的干预结果的可能性，公式表示为：风险=某事件发生例数/某组总人数=
，比如说当风险为0.2时，10个人中就会有2人发生该事件。以表3-1的数据，试验组事件发生的风险=
=
，对照组的风险=
=
，因此，RR=
/
=
=
/
。
RD是试验组和对照组所观察到的风险差值，即RD=
–
。它描述了治疗组和对照组事件发生风险的绝对差异，它表示发生该事件可能性的差异估计值。
需要说明的是，比值和风险不同。如当比值为2时，即3人中，2人会发生该事件，1人不会发生，此时事件发生的风险则为2/3，即0.66。因此RR和OR也有所不同，一般而言，对于增加事件发生可能性的治疗，OR大于RR；对于减少事件发生机会的治疗，OR小于RR，但在所观察事件发生率较低时，可以用OR估计RR。因此，在结果解释时，不要混淆它们之间的差别，以免得出错误的结论。
二、效应模型的选择
需要说明的是，一般应该是先判定异质性的大小，再根据异质性来选择效应模型。但在软件计算中，都是先选择一种模型计算，再看计算出的异质性来决定是否更换模型。因此，在实际中，操作是先选择固定效应模型，异质性在不可接受的范围时更换为随机效应模型。但我们必须知道先判定异质性，再选择效应模型这一顺序，而且在写作时要按照这个顺序来写。
（一）固定效应模型
固定效应模型是假设所纳入的研究结果方向与效应量大小基本相同，即各独立研究的结果趋于一致，一致性检验差异无显著性，忽略了研究间异质性，适用于研究间异质性较小的研究，在Stata中，命令用“fixed或fixedi”来定义，菜单中是“Fixed”表示。
对于固定效应模型，Stata中提供了三种可选择的方法（图3-3），分别为倒方差法（Inverse
variance method，也称Woolf’ method，I-V法）和Mantel-Haenszl法（简称M-H法）以及Peto法。
倒方差法通过取样本方差的倒数将每个研究的效应量（or、rr、rd）值进行加权并计算其平均效应，因此在精确度越高即方差越小的样本中，其权重越高。
M-H法采用不同的权重配置方案，M-H法一般优于方差倒数法法，因为在数据稀少时其结果更稳定，是Stata中默认的方法。
Peto法是利用方差倒数法近似估计OR值，只适用于效应指标为OR运算，当处理效应较小（OR接近1）、事件不常见以及实验组与对照组样本含量接近时，计算OR对数值近似值的方法效果较好，而其他情况下用此法易引起偏倚。
此外，需要说明的是，如果研究中2×2的表格包含一个或多个零单元，即a、b、c、d中有值为0的变量时，倒方差法和M-H法会自动为每个单元加0.5。
（二）随机效应模型
随机效应模型是假设各个独立研究分别来自不同总体，其研究结果的差异可由研究内变异（随机抽样）与研究间差异（不同总体）造成，即考虑研究间的异质性，通常，随机效应模型下计算的可信区间较固定效应模型更宽，因此所得出的效应量及可信区间更为保守。
Stata提供了两种随机效应模型的计算方法，分别为M-H
heterogeneity法和I-V heterogeneity（图3-3）。实质上，这两种方法都是D-L法，前者是以M-H模型来估计研究的异质性，后者是以固定效应模型下倒方差法来估计异质性。D-L法是在倒方差法的基础上，根据处理效应间变异范围以及异质性对权数加以调整，当研究间无异质性时，D-L法和倒方差法结果会一致，且在许多情况下与M-H法结果一致；当存在异质性时，采用D-L法平均处理效应的可信区间较采用固定效应法宽，统计学显著性较为保守。
第三节 数据准备及软件实现
一、数据资料及输入格式
引用文献：Colditz GA, Brewer TF,
Berkey CS, et al. Efficacy of BCG vaccine in the prevention of tuberculosis.
Meta-analysis of the published literature. JAMA, 1994, 271(9): 698-702.
以Colditz等发表的一篇探讨BCG预防结核病的疗效文献数据为例进行演示。该文献共纳入13篇临床研究（表3-2），BCG组为干预组。
表3-2 BCG预防结核病的疗效的文献数据
注：a、b分别为接种BCG死亡的人数、非死亡人数；c、d为对照组死亡人数及非死亡人数；latitude是临床试验地区的纬度；allocation为病人的分配方法；后两项变量用于分析异质性。
为了简洁明了，这里直接将其以Stata中数据输入状态演示，关于Stata中数据输入方法请参见第二章。数据输入后的界面如图3-1所示，图中对应的解释同表3-2的注脚。
图3-1
实例数据提取情况以及在Stata中的输入格式
需要注意的是，在Stata中输入数据前，如果已进行过其他研究数据的计算，可以先在命令窗口输入“clear”，以清除之前的数据；当然也可以重新打开一个Stata窗口。
二、软件操作
Stata行Meta分析有两种方法：菜单操作或命令操作实现。
（一）菜单操作
菜单操作为依次点击User→Meta-analysis→of
Binary and Continuous(metan)，弹出用于Meta分析的对话框（图3-2）并勾选相应选项，并在图3-3中选择固定效应模型（Fixed）或者随机效应模型（Random）和计算合并RR效应量，然后点击“OK”即可。
一般情况下，建议先选择固定效应模型计算；如果异质性较大，则改用较为保守的随机效应模型。
图3-2
按a、b、c、d的顺序依次勾选变量
图3-3选择M-H法固定效应模型和合并RR效应量
评论
还没有评论。