【meta分析】Stata软件实现敏感性分析(逐一剔除法)的操作教程，这个细节你注意到了吗
原创不易，请多多关注和转发支持，谢谢！
我们在阅读meta分析文献时，经常看到一种统计方法：敏感性分析。它的作用是评估meta分析结果的稳定性，具体的说，是评估单个研究、某类研究、部分主观判断对meta分析结果的影响。
相对的，敏感性分析的方法也包括以下几个：
其中，在meta分析中最常用的是逐一剔除法。接下来，让我们一起学习如何通过Stata实现敏感性分析中的逐一剔除法。
操作前准备
成功安装Stata软件，并加载meta分析菜单、安装meta分析相关的代码包如果你还没掌握这个基础操作，可参考我们的另一个原创教程：Stata如何加载meta分析菜单和命令
敏感性分析逐一剔除法操作步骤
1 输入数据
我们以Stata自带的示例数据完成操作练习，运行“help metan”调用帮助文件，并找到示例数据的链接，点击蓝色的链接调用数据，如下图所示。
2 打开“逐一剔除法”的菜单操作页面
依次选择 User -- Meta-Analysis -- Influence Analysis, metan-based (metaninf)
3 根据数据类型，设置相关参数
虽然示例数据包括了菜单中的三种数据类型，但二分类变量(Binary Count)和连续型变量(Continuous)的敏感性分析操作与森林图的操作类似。本文以效应值(Effect Size)为例，进行操作练习。
效应值(Effect Size)是什么数据？其实这是一类数据的指代，可以理解为是经过差异比较后得到的效应值，如频数比较、回归分析的OR/RR/HR (95%CI)；均数比较的MD (95%CI)。正如示例数据中的OR、ORlci、ORuci。
4 数据处理（对数转换）
由于OR/RR/HR这类型数据的特殊性，进行meta分析的相关分析（如森林图、发表偏倚检验、敏感性分析）前，必须先进行自然对数转换，因此，运行以下命令：gen lnOR=ln(OR)gen lnORlci=ln(ORlci)gen lnORuci=ln(ORuci)gen selnOR=( lnORuci- lnORlci)/1.96/2
5 选择分析参数
分别设置主菜单“Main”和二级菜单“Effect Opts”，其中模型的选择与该数据做森林图合并的模型一致。
6 得到图表结果
由于我们对数据进行了自然对数转换，而菜单操作的参数设置中，并没有对结果进行反自然对数转换的选项，因此软件输出的结果图形和表格结果(略)中，数据都是以对数形式展示。
7 完善命令，得到结果
通过Stata的命令回顾窗口“Review-Command”，我们可以调用菜单操作对应的命令：metaninf lnOR selnOR, label(namevar=id, yearvar=year) random在此基础上，在命令的最后加上“eform”，即可得到以OR值为横坐标的敏感性分析图形。
运行：metaninf lnOR selnOR, label(namevar=id, yearvar=year) random eform结果如下，该研究结局纳入了20个研究，排除任意一个研究，剩余研究（19个）的合并结果都没有统计学意义（95%CI包括1），与原合并结果一致（OR=1.11, 95%CI=0.92 to 1.34），说明结果稳定。
本次的分享就到这里了，你还遇到哪些无法解决的meta分析软件操作问题？欢迎与我们联系，我们提供一对一咨询，可以在线教学解答你的问题。
如果你想更系统、全面地学习meta分析，请不要错过“尔云间meta分析”打造的兼顾理论学习与操作实践、干货满满的meta分析线上课程（扫码查看）。
