单组率的meta分析——R与Stata

单组率的meta分析——R与Stata

一、Stata

进行单组率的meta分析，需要的数据为：每个原始研究的率及其标准误。因此，首先需要根据现有数据计算出每个原始研究的率及其标准误，然后再进行meta分析。

一个例子：（资料来自于医咖会）

1、计算活产率

#导入数据很简单，粘贴一下就可以了
gen rate=groupaevent/groupatotal

2、计算每个原始研究活产儿率的标准误(ser)

gen ser=sqrt(rate*(1-rate)/groupatotal)

3、使用随机效应模型进行单组率的meta分析

metan rate ser, random

我是觉得左边太空，如果哪位大佬知道怎么把名字和年份加上去，麻烦告诉我下~谢谢

4、Stata16/17

这两个版本自带meta分析功能，数据计算后鼠标操作即可

**用的数据如下：**Study代表研究，total代表样本量，event代表事件数

（资料来自与“逍遥君”公众号）

首先我们要计算率和率的标准误：

率§的计算公式是：事件数/样本量

在stata里输入以下命令：

gen rate=event/total

注：gen代表生成一个变量，这里代表生成一个叫“rate”的变量。

率§标准误的计算公式是（这里n代表的是样本量）：

在stata里输入以下命令：

gen serate=sqrt(rate\*(1-rate)/total)

注意：serate代表rate的标准误

然后我们点击统计→Meta分析，打开Meta分析菜单，然后进行Meta分析基本设置，按照以下进行勾选，效应量选择rata,标准误差选择serate

模型选择随机效应模型D-L法

选项中指定研究标签、样本量和效应量标签（自定义）

然后点击提交。

在森林图选项里，选择随机效应模型，森林图设置里面可以把绘图选项设置下绘制参考线，其他都用默认。

点击提交后就会出现汇总的结果和森林图

二、R

install.package('meta')
library('meta')
data<-read.csv('D:/R learning/totalrate.csv',sep=",",header=TRUE)
View(data)

单个率资料的Meta分析要求率的分布应该尽量服从正态分布，如原始率不服从正态分布，如原始率不服从正态分布，可经过转换使其服从或接近正态分布，从而提高合并结果的可靠性。

命令metaprop()进提供了5种样本率的估计方法，根据样本率的分布决定使用哪种合并方法，五种估计方法如下：“PRAW”(没有转换的原始率), “PLN”(对数转换), “PLOGIT”(logit转换), “PAS”(反正弦转换),“PFT”(Freeman-Tukey双重反正弦转换), 在进行Meta分析之前，对原始率及按四种估计方法进行转换后的率进行正态性检验，根据检验结果选择最接近正态分布的方法。

1、检验正态性

rate<-transform(data,p=Events/Total)
#在数据集data，产生率（没有经过转化）
shapiro.test(rate$p)

2、数据转换

对其余四种方法也方法进行转换，选择最接近正态分布的方法：

rate<-transform(data,log=log(Events/Total))
shapiro.test(rate$log)

rate<-transform(data,logit=log((Events/Total)/(1-Events/Total)))
shapiro.test(rate$logit)

rate<-transform(data,arcsin.size=asin(sqrt(Events/(Total+1))))
shapiro.test(rate$arcsin)

rate<-transform(data,darcsin=0.5*(asin(sqrt(Events/(Total+1)))+asin((sqrt(Events+1)/(Total+1)))))
shapiro.test(rate$darcsin)

结果显示，对数转换, logit转换, 反正弦转换, Freeman-Tukey双重反正弦转换的正态性的结果分别是W = 0.85063, P =0.01392; W = 0.816, P = 0.004478; W =0.7677, P = 0.001046; W = 0.7787, P = 0.001439, 综上，我们选择反对数转换(PLN)，读者可以试着选择其他的转换类型, 然后通过比较异质性的大小，选择一个合适的类型。

3、合并效应量

meta1<-metaprop(Events,Total,data=data,studlab=paste(study),sm="PLN")
meta1

结果现实，异质性检验I^2 = 75.0%，认为有统计学意义上的异质性，选用随机效应模型

4、绘制森林图

forest(meta1)

可以看到类似如下的图：