RevMan实现基于效应值的影响因素meta分析，你知道有什么局限性吗？

2023-08-09 09:34 作者:尔云间meta分析 0人读过 | 我要投稿

今天将以一篇关于孕前、孕期体力活动与妊娠糖尿病风险关联的meta分析，跟大家分享RevMan实现基于效应值的影响（危险、保护）因素meta分析的操作。

一般来说，原始数据类型有两大类：定性资料和定量资料，也称为分类变量和连续变量。基于这两种数据类型做差异比较或描述性分析，都可以得到对应的统计结果，如OR (95%CI)、MD (95%CI)。所谓的效应值，就是这一类经原始数据计算得到的统计值。
我们以文献的Figure 2B为例，学习RevMan完成效应值meta分析的操作步骤。

步骤1：录入研究

根据森林图的信息，该研究结果有5篇纳入文献，信息录入结果如下图所示。

步骤2：添加比较和结局的数据类型

数据类型的选择如下图所示

步骤3：设置参数

选择合并模型、算法和效应量指标，如随机效应模型、IV法、OR值。

步骤4：添加数据

在研究结局中添加研究后，RevMan会出现如下图所示的对话框，需要使用logOR和selogOR做meta分析。

文献通常报道的是OR (95%CI)，将OR (95%CI)进行对数转换有两种方法，要么自己计算，要么借助RevMan自带的计算器。如下图所示，选中第一个研究的空白单元格，然后点击右上角的计算器图标，通过OR (95%CI)换算logOR和selogOR，然后点击右下角的“Update data table”。

然而，当我们将第一个研究的OR (95%CI)输入计算器后，得到的结果却跟原文的森林图不一致。输入OR、LCI，计算器自动计算UCI以及logOR、selogOR，但计算器得到的UCI是3.2000，而原文森林图的数值则是2.30，这是为什么呢？

纳入研究，统计分析的精度（体现在数据的小数点位数）影响了对数转换的准确性。第一个研究，原始文献的结果是：OR (95%CI) = 0.8 (0.2, 2.3)，只保留了1位小数。Meta分析的作者，则将其记录为0.80 (0.20, 2.30)。
这样的数据可以在Stata中进行meta分析，在RevMan却不能。因为RevMan的计算器设定了程序：OR/LCI = UCI/OR。这时，我们需要增加数据的小数点位数，经多次“调试”，得到更为准确的结果。如下图所示的OR (95%CI) = 0.7500 (0.2445, 2.3007)，保留一位小数后，OR (95%CI) = 0.8 (0.2, 2.3)。