RevMan：meta分析森林图亚组分析的两种做法，你掌握了吗？

Meta分析森林图的亚组分析是指以年龄、性别、疾病分组、研究类型等协变量为分组因素，将纳入研究进行适当的分层分析，通过对每个亚组进行Meta分析来探讨异质性的来源。

通过RevMan添加亚组分析主要有两种方法：

1）在添加完结局指标后直接选择“Add a subgroup for the new outcome”，

2）选择已完成meta分析结局指标，右击，选择“Introduce Subgroup”

接下来， 我们分享第一种方法的详细操作。

添加结局指标后直接进行亚组分析

1) 右击“Data and analyses”，选择“Add comparison”;

2) 对comparison命名后（也可不命名），点击“Next”，在下图选择添加结局，点击右下角“Continue”；

3) 根据结局指标的特点，选择数据类型，如本例分析骨密度的差异，属于连续型变量；

4) 填写结局指标，不断点击“Next”，直到出现步骤5的页面；

5) 添加亚组，并命名第一个亚组，如“A”，点击“Next”；

6) 选择再添加一个亚组，点击“continue”，继续命令第二个亚组，点“Finish”。

7) 分别给亚组添加研究数据

此时左侧菜单有一个2.1 LS BMD的研究结局，它有两个亚组“A”、“B”（如果之前没创建过比较，那编号为1.1, 1.1.1, 1.1.2）。

选择其中一个亚组，然后右击，选择“Add Study Data”

8) 根据实际情况，分别选择A、B两组各自的研究

选择完毕，软件出现森林图的雏形。

9) 填入数据，完成亚组分析

10) 点击森林图图标，保存森林图，亚组分析完成。

这里，我们还有一个问题：如果用RevMan进行亚组分析时，每个亚组所选的效应模型存在矛盾时，我们该怎么选择呢？

亚组分析只能选择一种合并的效应模型，当每个亚组效应模型选择相互矛盾时，通常选择随机效应模型进行合并。因为随机效应模型不仅考虑了组内的异质性，也考虑了组间的异质性，得到的结果更可靠。

当我们进行分析时，若异质性检验无显著性，此时随机效应模型和固定效应模型合并的结果相差不大，可以忽略。因此，综合考虑当存在矛盾时，选择随机效应模型对所有亚组进行合并得到的结果更可靠。

这里，我们还有一个问题：如果用RevMan进行亚组分析时，每个亚组所选的效应模型存在矛盾时，我们该怎么选择呢？

亚组分析只能选择一种合并的效应模型，当每个亚组效应模型选择相互矛盾时，通常选择随机效应模型进行合并。因为随机效应模型不仅考虑了组内的异质性，也考虑了组间的异质性，得到的结果更可靠。

当我们进行分析时，若异质性检验无显著性，此时随机效应模型和固定效应模型合并的结果相差不大，可以忽略。因此，综合考虑当存在矛盾时，选择随机效应模型对所有亚组进行合并得到的结果更可靠。