随机对照研究(有序变量)stata(按连续型数据处理)

关键词：stata; Meta分析; 随机对照试验;有序数据; admetan命令

一、案例介绍

以模拟数据为例，研究孕妇吸烟对新生儿健康的影响。现收集了8篇文献，均以新生儿阿普加评分作为主要结局指标，比较是否吸烟孕妇的新生儿阿普加评分差异。数据见表1。其中case1表示未吸烟孕妇，case2表示吸烟孕妇；case10表示未吸烟孕妇中得分为0，case210表示吸烟孕妇中得分为10。如研究1中，张教授case110下的数字为7，代表未吸烟孕妇评分为10分的有7例。案例数据可从“附件下载”处下载。

二、问题分析

(一) 有序数据分析策略

对于有序数据的Meta分析，可以根据不同情况视为二分类数据、连续型数据来处理，也可以直接使用原始有序数据分析。详见随机对照研究(有序变量)的Meta分析——stata软件实现(按原始数据处理一步法拟合随机效应模型)。

有序分类变量的水平较多时，如本案例有10个水平，不太容易以比例优势比模型处理，而且也无必要。此时，可视为连续型数据进行Meta分析，可采用均数差和标准差等效应指标。本文主要介绍将有序变量按连续型数据处理策略，在stata软件中使用admetan命令的相关操作。

三、软件操作及结果解读

(一) 数据整理及读取

先根据表1中数据计算各个研究的样本量、均数、标准差，结果见表2。在软件中分析需要使用表2数据。

数据读取，可参考stata数据的读取及结果保存。数据整理格式详见图1。在数据栏目中可以查看全部数据情况，数据集中共有8个变量，分别代表文献作者(Author)、发表年份(Year)、未吸烟组孕妇例数(n1)、均数(m1)、标准差(s1)，吸烟组孕妇例数(n2)、均数(m2)、标准差(s2)。

(二) 异质性检验

1. 软件操作

 选择SMD为效应量，任意选用固定或随机效应模型进行异质性检验，可以直接得到Q统计量和I²统计量，再根据异质性检验的结果选择相应的效应模型。

代码如下：

metan n1 m1 s1 n2 m2 s2, label (namevar=Author, yearvar=Year) fixed smd nograph

2. 结果解读

从图2可知，异质性检验Q统计量=7.49，P =0.379，I² = 6.6%，均提示研究间异质性较小，可选用固定效应模型。

(三) 合并效应量，绘制森林图

1. 软件操作

根据具体要求，合并数据，使用admetan命令进行Meta分析，选择固定效应模型，采用倒方差法拟合固定效应模型，以cohen法估算研究间一致性方差。结果见图3-图5。

代码如下：

admetan n1 m1 s1 n2 m2 s2, smd study (Author) model (fixed) cohen forestplot (lcols (Year) xlabel (-1 0 1.5) counts textsize (120))

命令参数介绍见随机对照研究(连续型变量)的Meta分析——stata软件实现(admetan命令) 。

Stata允许用户对森林图进行修改和美化，在所得的森林图上点击右键，选择“Start Graph Editor”，点击后可以进行修改模式，如对字体大小、位置按照需要进行修。修改完成后，点击右键，选择“Stop Graph Editor”，点击后退出修改，保存或复制到文字处理软件中即可。

2. 结果解读

无论是数字化结果，还是森林图，均给出了每一研究效应量的点估计及95%置信区间，合并效应量的点估计及95%CI为0.64 (95%CI: 0.47~0.81)，相应z = 7.346，P＜0.001。表明未吸烟组孕妇新生儿阿普加评分高于吸烟组孕妇，即吸烟对新生儿健康有影响。