RevMan软件也能实现单组率的Meta分析

本文将介绍单组率的Meta分析在RevMan 5.3软件的实现方法及其操作步骤。

基于横断面研究的无对照二分类数据的Meta 分析即单组率的Meta分析，其常用于患病率、检出率、知晓率、病死率及感染率等数据的调查。

这类数据的特点是仅有单组事件发生数和观察总数，而无对照组。

1 无对照二分类数据资料的效应指标及其标准误的计算

方法一：当以患病率、发病率、病死率等以率为结局指标时，其发生率P及其标准误SE(P)可按下列公式计算：

P=X/n

SE(P)= (P(1–P)/n)1/2

X为某事件的发生数，n为样本量。

使用条件：n足够大，发生率P不接近于0与1，且n*P和n*(1–P)均大于5，此时P的抽样分布接近正态分布。

方法二：当不满足n*P和n*(1–P)均大于5的条件或者事件发生数为0，即发生率P不满足正态分布时，采用比值类型资料的计算方法，如下：

P=ln(odds)=ln(X/(n–X))

SE(P)= SE(ln(odds))=(1/X+1/(n–X) )1/2

X为某事件的发生数，n为观察对象总数。当X=0时，将X变成0.5；当X=n时，令X=n-0.5。

此方法是比值类型资料的计算方法，需进行以下转换计算才能得到率及其95%CI。经转换计算后所得的率用Pt表示。

效应指标的转换：

Pt=OR/(1+OR)

95%CI下限转换：

LL=LLOR/(1+LLOR)

95%CI上限转换：

UL=ULOR/(1+ULOR)

以下面的数据为例，对数据进行转换，以两种方法都进行转换(P1、SE1由方法一计算所得，P2、SE2 由方法二计算所得)。

表1干眼病在中国大陆人群中的患病率-原始数据及相应指标计算结果

2 效应指标及其标准误在RevMan软件中的合并计算

通过计算得到效应指标及其标准误，即表1中的P1和SE1以及P2和SE2。在RevMan软件中的Meta分析的具体操作步骤如下：

步骤一：添加纳入研究名称（略）
步骤二：添加研究结果，并选择数据类型：Generic Inverse Variance

步骤三：选择分析方法

在Effect Measure中，一定要注意：如果数据是P1和SE1(也就是方法1计算的)，选择Risk Difference或Mean Difference，如果是P2和SE2(也就是方法2计算的)，选择Odds Ratio，然后点击Next。

步骤四：选择需要进行纳入分析的研究（略）

步骤五：数据输入

进入RevMan软件的数据输入界面，直接从Excel软件中复制过来，就可按右上角森林图的图标查看森林图，得到结果。

步骤六：结果的输出

输出结果，点击右上角的图标，然后点击保存，可以选择PDF格式的。图1显示的是方法一的合并结果，由于异质性很大，采用随机效应模型，合并结果为0.21 (0.15-0.26)。

图2中的数据是通过比值比计算的，因此需要转换，同样的，由于异质性很大，采用随机效应模型。

效应指标的转换：

Pt=OR/(1+OR)=0.20/(1+0.20)= 0.17，

95%CI下限转换：

LL=LLOR/(1+LLOR)=0.11/(1+0.11)=0.10，

95%CI上限转换：

UL=ULOR/(1+ULOR)=0.38/(1+0.38)=0.28,

因此方法2合并结果为：0.17 (0.10-0.28)。

两个方法的结果有所不同，哪个更准确呢？在本例中，方法一更准确。因为数据符合方法一的应用条件。

下面也给大家展示一下Stata的结果