亚组分析模型选择、剪补法、单组率/相关系数Meta分析……这些操作你都弄明白了吗？

粉丝朋友们通过各种途径向我们反馈了大量的meta分析操作问题，本文整理一些经典问题，跟大家分享。

1 亚组分析的模型选择

Q：一般来说，亚组分析的模型选择与原meta分析的模型一致。然而，当原合并结果没有显著的异质性，亚组分析后，一组异质性不显著，另一组显著，用什么模型做亚组分析？
A：这种情况，用随机效应模型比较好。一方面，I2大于50%的数据，适用随机效应模型。另一方面，I2越小，随机效应模型的结果就越接近固定效应模型，因此I2=0时，基本上两种模型的结果是一致的。
此外，随机效应模型的结果更保守一些，结果的接受度也更高。

2 RevMan实现单组率的meta分析

Q：教程中介绍道，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))^0.5数据为0%或100%时，如何处理？
A：上述公式中，X代表某事件的发生数，n为观察对象总数。当X=0时，将X加上0.5；当X=n时，将X减去0.5。

其实，单组率的meta分析，用Stata的metaprop命令来实现，更加方便。

3 相关系数的转换

Q：meta分析以相关系数r作为效应量，知道t值、F值，如何求相关系数r？
A：文献《共情与亲社会行为关系的元分析》在数据处理方法写道，根据文献报道的公式对t值、F值，甚至是卡方值，转换为相关系数r。具体公式见下方截图。

卡方值的转换公式为：r=(x^2/(x^2+N))^0.5

4 剪补法结果解读

Q：Meta分析剪补法的结果在哪里看是否具有统计学意义呢？P值在哪里？
A：最后的表格里就有P值（P_value），剪补后异质性显著（p=0.019），因此看随机效应模型(Random)的P值。P<0.05，说明剪补后的合并结果有统计学意义。
截图上方的p=0.147，代表原来的结果没有显著的异质性。此外，剪补前后的合并结果都是p<0.05，说明结果没有发生显著变化，结果稳定。