stata如何設(shè)置時間變量(stata中時間變量定義命令)
爾云間 一個專做科研的團隊
云生信學生物信息學
以下文章來源于爾云間meta分析 ,作者爾云間
爾云間meta分析.
分享meta分析學習方法、醫(yī)學統(tǒng)計基礎(chǔ)知識、meta分析軟件操作技巧、SCI論文發(fā)表經(jīng)驗等精彩內(nèi)容。

在前面的推文,“爾云間meta分析”給大家介紹了單組率meta分析的詳細操作:單組率的meta分析:metan還是metaprop
然而,無對照的單個組meta分析(或叫單臂meta分析),有時候也會出現(xiàn)結(jié)局指標為連續(xù)變量的情況,該如何合并得到森林圖呢?
其實,單個組meta分析,連續(xù)變量的合并,可以分成2種情況:自身前后對照(通過比較前后測量值的差異是否顯著,評估干預效果)、干預后測量值的合并。前者的操作跟我們平常所說的連續(xù)變量meta分析相似,后者則跟效應(yīng)值(ES (95%CI))的meta分析相似。
不太懂?沒關(guān)系,我們用兩篇文獻給你講解講解,先易后難,重點在第二篇文獻,一定不能錯過!
案例一:自身前后對照
這是一篇關(guān)于冠脈內(nèi)碎石(Intravascular Lithotripsy, IVL)治療鈣化冠狀動脈(Calcified Coronary Arteries,CCA)的安全性和有效性的meta分析,主要研究結(jié)局為CCA患者經(jīng)IVL后,冠狀動脈直徑是否有顯著變化(Post vs. Pre-treatment)。

盡管這篇meta分析也納入了隨機對照試驗(IVL vs. contorl),然而只需要提取IVL組的數(shù)據(jù)。這種類型的單組試驗/單臂meta分析,其實是將干預前作為“對照組”,因此這是干預前后的差異比較meta分析。

這類型的森林圖,操作很簡單,將干預后設(shè)置為“試驗組”、干預前為“對照組”,然后整理相應(yīng)的數(shù)據(jù)即可。具體的操作,可參考往期推文:
Stata的連續(xù)變量森林圖操作
RevMan meta分析教程(04):連續(xù)變量meta分析
案例二:合并干預后測量值
以下這篇文獻是關(guān)于:阿帕替尼(apatinib)治療中國骨肉瘤患者的療效和安全性的單臂meta分析。

該文獻納入了除病例報告外的所有研究類型,包括前瞻性、回顧性的橫斷面、隊列研究、病例對照研究(原文的英文表述有誤,不存在cross-sectional cohort studies,應(yīng)該是cross-sectional studies or cohort studies)。

納入文獻的研究類型是不少人疑惑的難點之一,單個組的meta分析究竟能不能納入兩組或多組比較的研究/文獻?答案當然是可以的,只提取符合需求的那一個組的數(shù)據(jù)就行。
同理,兩組比較(A vs. B)的meta分析,也可以納入三組或以上的研究(A、B、C……),數(shù)據(jù)提取時只提取A、B兩組的相關(guān)信息。
這篇文獻也做了單組率的meta分析,但本文的重點是連續(xù)變量的合并,因此我們將目光聚焦在以下兩個森林圖。
這是無進展生存期(PFS)和總生存期(OS)的meta分析森林圖,從結(jié)局指標的特點可以得知,僅納入一個干預組(如Apatinib)進行meta分析,不可能實現(xiàn)“對比”,因此只能對納入研究報道的中位生存時間(median, 95%CI)做森林圖。

那么,究竟如何才能實現(xiàn)這個森林圖?最精彩的操作教程來了!
1 提取正確形式的數(shù)據(jù)
值得注意的是,單組連續(xù)變量的合并,需要用到的數(shù)據(jù)為ES(Effect size), ESLci, ESUci,也就是效應(yīng)值和95%CI。這篇meta分析文獻,PFS、OS的合并,ES是中位生存期(median),而不是mean。效應(yīng)值的選擇可根據(jù)研究方向、數(shù)據(jù)的特點,自由設(shè)置。
以Tian 2020這篇納入文獻為例,文獻的表3顯示,Apatinib治療后mPFS(中位無進展生存時間)為4.67±3.01月。在做森林圖合并之前,要將SD轉(zhuǎn)換為95%CI。

之前的推文,“爾云間meta分析”詳細介紹了標準差(SD)的轉(zhuǎn)換方法,其中就有95%CI轉(zhuǎn)換為SD。
Cochrane官方推薦:數(shù)據(jù)轉(zhuǎn)換工具
如今要逆推,過程如下:
SE = SD/(√n) = 3.01/(√19) = 3.01/4.359 = 0.6905
Lci= median – 1.96*SE = 4.67 – 1.96*0.6905 = 4.67 – 1.35 = 3.32
Uci= Median + 1.96*SE = 4.67 + 1.96*0.6905 = 4.67 + 1.35 = 6.02
2 整理數(shù)據(jù)
所有納入文獻的median (95%CI)都整理完畢后,將數(shù)據(jù)輸入到Stata。

3 繪制森林圖
按照以下截圖完成metan菜單的參數(shù)設(shè)置,運行后得到最基礎(chǔ)的森林圖。



4 完善參數(shù)設(shè)置
文獻的森林圖,展示了兩種模型的合并結(jié)果,我們可以通過修改metan命令的執(zhí)行代碼來實現(xiàn)這個效果,如運行:
metan median lci uci, label(namevar=study) random second(fixed)
得到與文獻形式一樣的森林圖。

哪怕數(shù)據(jù)保留了3位或以上的小數(shù),但Stata的森林圖默認只顯示2位小數(shù)。因此,我們的合并結(jié)果與原文存在的細微差異,可能是數(shù)據(jù)保留的小數(shù)點位數(shù)不同導致的。
單組研究的連續(xù)變量的森林圖合并,操作的介紹就先告一段落了,希望能幫到你解開又一個難題。如果你想更系統(tǒng)的學習meta分析,歡迎聯(lián)系小編一起學習哦。

如若轉(zhuǎn)載,請注明出處:http://www.qjsdgw.cn/39917.html