Meta分析不同形式的森林图,你知道都有什么作用吗?
森林图是Meta分析的重要组成部分之一,虽然大体上相同,但随着操作的改变,Stata绘制的森林图也拥有不同的风姿。
以Stata自带的数据文件为例,进行四格表资料的meta分析,得到森林图。
运行“help metan”,然后调用网上的数据。
也直接运行以下命令,调用数据
use http://fmwww.bc.edu/repec/bocode/m/metan_example_data

一 、最常见的森林图
metan tdeath tnodeath cdeath cnodeath, label(namevar=id, yearvar=year) randomi rr

二 、亚组分析森林图
metan tdeath tnodeath cdeath cnodeath, label(namevar=id, yearvar=year) by(type_study) randomi rr

三 、显示四格表信息的森林图
metan tdeath tnodeath cdeath cnodeath, lcols( id year tdeath tnodeath cdeath cnodeath) randomi rr by( type_study) texts(120) astext(70)

四 、无总合并结果(Overall)的森林图
metan tdeath tnodeath cdeath cnodeath, lcols( id year tdeath tnodeath cdeath cnodeath) randomi rr by( type_study) texts(120) astext(70) nooverall

五 、亚组分析结果汇总的森林图
1 先运行亚组分析,得到结果,如:
Cohort studies, RR = 0.91 (0.81, 1.01);
Case-control studies, RR = 1.18 (1.07, 1.30);
Sample Size≥200, RR = 0.97 (0.86, 1.10);
Sample Size<200, RR = 1.16 (1.02, 1.31)。
2 整理数据

3 运行代码
1# gen lnRR=ln( rr);
2# gen lnLCI=ln( lci);
3# gen lnUCI=ln( uci)
4# metan lnRR lnLCI lnUCI, lcols(id n) by(group) effect(RR) eform nooverall nosubgroup texts(140) astext(60) xlabel(0.8,1,1.5)

六 、显示两种模型结果的森林图
一个森林图同时显示随机效应模型、固定效应
metan tdeath tnodeath cdeath cnodeath, lcols(id year) randomi second(fixedi) rr by( type_study)

七 、结果保留3位小数的森林图
metan tdeath tnodeath cdeath cnodeath, lcols(id year) randomi dp(3) rr
关键在于dp(x),需要显示小数点后4位,则设置为dp(4)。

八、 累积meta分析森林图
按一定的规则(如发表的时间),逐一纳入每篇研究后进行meta分析合并,可观察合并结果的渐变趋势。
metacum tdeath tnodeath cdeath cnodeath, lcols(id year) randomi rr xlabel(0.6, 1, 1.5)

上述几种形式的森林图,各有特点,外观的不同主要在于目的的差异。有的展示和汇总原始研究的结果,有的展示多个亚组分析的合并结果,有的展示多个分组或结局的独立的结果……
希望大家都能在meta分析文章里选择最合适的森林图。

