RevMan如何实现预后生存的meta分析?

下面将以一篇SCI为范文，给大家进行操作介绍和要点说明。

这篇meta分析研究的是MicriRNA-21表达量与口腔癌患者死亡风险的关联，下图就是其中一个森林图结果。以HR (95%CI)为效应量指标，6篇文献报道了结果，通过固定效应模型做合并，合并结果为1.29 (1.16, 1.44)。

根据异质性检验结果（P=0.03，I2=60%），用固定效应模式应该是不合适的，后面的验证操作，我们将先做固定效应模型，然后切换到随机效应模型，看下更真实、客观的合并结果究竟还是否有统计学意义。

具体操作如下

1 新建综述文件

如下图所示，选择“Intervention review”，点击右下角的“Finish”。

2 录入研究

3 创建比较

选择左侧菜单“Data and analyses”，右击后选择“Add comparison”，在录入“comparison”的名称后（不录入也行），点击“Next”，选择“Add an outcome under the new comparison”。

4 添加研究结局

选择数据类型：Generic Inverse Variance

点击“Next”后，在下图所示的页面输入研究结局的名称，如范文的HR for OS (overall survival)。

如下图所示，选择效应量指标、合并模型、统计方法。

随后，不断点击“Next”，直到出现这个界面，选择第4项，然后点击“Continue”。

如下图所示，在之前录入的研究名称中，选择有报道“HR for OS”这个结局的研究，点击“Finish”。

5 录入数据，得到森林图。

此时，软件展示的是两列空白的单元格、空白的森林图坐标轴。根据提示，需要录入logHR和selogHR才能得到结果。

可是，文献报道的是HR (95%CI)，如何得到logHR和selogHR？可以使用RevMan自带的计算器进行换算。

点击选中第一个研究的空白单元格，然后点击计算器图标。

输入HR和P值，得到logHR和selogHR，点击“Update data table”。

原文提供了HR (95%CI)和P值，这篇meta分析的作者使用HR和P值换算logHR和selogHR。其实，也可以使用HR和95%CI计算。相对来说，前者更精确。

6 得到森林图

所有研究都完成logHR和selogHR的换算，并录入到表格后，得到森林图。

上述结果与范文完全相同，切换为随机效应模型后，结果如下，合并结果依然有统计学意义。

RevMan实现预后生存meta分析的森林图操作就介绍到这里，你学会了吗？