回归系数meta分析，这篇教程把问题都解决了

在文献中，关于回归系数，常以三种形式出现：线性回归、logistics回归、Cox回归。后两者的操作是一样的，因此，我们先看看线性回归系数及95%CI怎么做meta分析。

一 线性回归系数

本例数据来源于文献《Old age mortality and macroeconomic cycles》，探讨宏观经济周期与40-44岁男性的死亡率周期性变化的关联。共有19个国家的数据，通过线性回归分析评估两者的关联，得到回归系数(β)和95%CI。整理后的数据如下图所示。

下面，我们利用Stata11对上述数据进行meta分析，得到森林图。操作方法有两种。
方法一：菜单按照下图所示，在对应的菜单栏选择变量名称，主菜单（Main）和二级菜单（Effect）都设置完毕后，点击“OK”，得到分析结果和森林图。

方法二：命令运行以下命令，得到meta分析结果和森林图metan coe lci uci, label(namevar=country) random
不管是通过哪种方法，最终都能得到如下森林图。合并结果为：β (95%CI) = 0.37 (0.19, 0.56), P < 0.001。纳入研究间存在显著的异质性：I2 = 77.8%，P < 0.001。

与原文的数据对比，发现森林图的外观和数据基本一致，除了在合并结果的点估计上存在小差异。原文的合并结果是β (95%CI) = 0.38 (0.19, 0.56)。

本次操作是直接使用上表的数据做的meta分析，不排除原文在实际操作时使用更精确的数据（如保留三位小数），结果的误差在可接受范围内。


二 、logistics回归、Cox回归系数

其实，这两个回归系数的meta分析，有一种更常见的形式：OR/RR/HR (95%CI)。OR/RR/HR的自然对数就是logistics回归、Cox回归的回归系数。Stata实现合并效应值（OR、RR或HR）的Meta分析，并得到森林图的两种方法，步骤如下：

1、 数据录入

将数据输入Stata的数据编辑窗口，或复制Excel表格的数据粘贴到数据编辑窗口，合并效应值需要用到以下数据：OR、RR、HR及其95%CI。如下图所示，录入相关数据（lci、uci分别为95%CI的下限和上限）。

2 、数据转换

对rr、lci、uci取对数：gen logrr=log(rr)；gen loglci=log(lci)；gen loguci=log(uci)。

3、 得到Meta分析结果和森林图

方法一 菜单

依次点击如下图所示的菜单，得到Meta分析结果和森林图（如需要使用随机效应模型，选择“random”）。

方法二：命令

数据录入且进行了对数转换后，在命令窗口输入：metan logrr loglci loguci, label(namevar=author) fixed effect(RR) eform如果是随机效应模型，则把“fixed”改为“random”。
运行命令得到Meta分析结果和森林图。