如果你是新手，我绝不建议你使用Stata16/17做meta分析

Stata已经更新到17了，但我并不会盲目追求安装最新的版本。实际上，对于meta分析，Stata14已经完全足够了，甚至更多时候只需要用到Stata11。可是，Stata在16版本中，对meta分析模块作了一个大更新：新增“meta菜单”，并增加了多个统计模型。

于是，我还是忍不住捣鼓了一下，说实话，目前来看对于常规meta分析来说，新功能的用途不是太大（例如：增加了随机效应模型的算法，可以用I square校正合并结果，将效应值合并、meta回归、拉贝图、发表偏倚检验都整合到一个菜单）。不是说功能不实用，相反“I square校正合并结果”可以使结果更加客观，但目前该方法的应用很少，我们可以借鉴的案例太少。

但是，这不妨碍我们的学习，下面一起来看看Stata16的“meta”菜单的新面貌以及操作注意事项。

多功能整合

新版的meta菜单，将数据整理、森林图、异质性检验（拉贝图）、meta回归和发表偏倚检验等功能整合到一个操作页面。

下面以Stata自带的数据进行操作演示（二分类数据的meta分析），分析两组间死亡率的差异（纳入观察性研究，本例以OR值作为效应量进行meta分析合并）。

1 选择分析数据和设置合并指标

如下图所示，在treatment/control group中分别选择死亡、非死亡人数，设置效应值为log odd-ratio。

2 模型选择

新的菜单，模型选择有三个：Random-effects, Common-effect和Fixed-effects，其实Common-effect也是随机效应模型，跟Fixed-effects一样，可选择M-H法或I-V法。本例以Random-effects为例，从下图可以发现，Random-effects可以选择多种算法，此处用常用的D-L法进行合并。

3 设置图形参数

Options菜单主要设置“Study label”和“Effect-size label”，如下图所示，前者是指研究的名称变量（在数据中选择），后者则需要自行设置。此时，前期准备完成，点击菜单右下角的“Submit”。

4 数据准备完毕

点击“Submit”后，stata的结果窗口就会显示对应的信息，我们可以核对信息是否有误。

5 输出总体结果

在“Summary”菜单的“Main”菜单再次设置分析模型和选择算法，然后在“Options”菜单选择合并结果的报告形式（这点很容易被忽略），此处选“Report exponentiated effect sizes”，很多人没有设置这个参数，导致出来的结果是对数形式。

此时，异质性检验结果为I square = 41.88%, P =0.0261，提示有显著异质性，使用随机效应模型进行合并是合理的。合并结果为 OR (95%CI) = 1.112 (0.919, 1.345), P = 0.2741，差异不显著。
但我们发现，这里显示的指标是exp(OR)，似乎不太对，那是因为在“3 设置图形参数”的操作中，设置了效应值为“OR”，如此看来，设置为“logOR”才合适。

6 输出森林图

森林图的参数设置与“summary”基本一致，此处不再截图展示。

7 异质性检验（拉贝图）

如下图所示，进行参数设置，得到拉贝图。其实拉贝图的应用比较少。虽然它可以分析哪些研究给总体带来异质性，但判断标准（与斜线的距离越远，越可能带来异质性）不是太明确，本文就不多介绍拉贝图了，只展示操作和图形结果。

8 发表偏倚检验

由于缺乏适合做meta回归的数据，本文跳过这部分的介绍，直接看最后的部分：发表偏倚检验。此菜单整合了三个分析：漏斗图（常规/增强），小样本偏倚检验（定量检验），剪补法。
以定量发表偏倚检验为例，软件默认使用egger检验（也可以选择Begg, Peter或Harbord检验，但要注意几种方法的适用条件）。检验结果为P=0.0423<0.05，提示存在显著的小样本效应（发表偏倚）。

时间有限，Stata16的“meta”新菜单就介绍到这里了。最后说一下，为什么不推荐新手使用Stata16呢？一是meta菜单与之前的版本相差很大，在缺乏相关的教程的情况下，新手不好掌握；二是，新版本的森林图和结果都有不少变化，需要重新设置一些参数才能得到较为熟悉的森林图，而这些设置对新手来说也是比较困难的。