再谈连续变量meta分析SD的换算，R如何取值？
当meta分析的结局指标是连续变量时，如果两组的基线数据存在显著差异，就需要用到变化值来做森林图。变化值的换算需要用到一个参数：相关系数（R）。
另一种情况：文献给出了基线、基线与终点的差值，需要换算出终点的数值（mean±sd），也需要借助R。
我们举具体的例子。
假设运动组（100人）在干预前（基线）的BMI均值为32.1±2.6，对照组（100人）基线BMI均值为28.1±2.6，两组BMI的差异显著。运动组干预后（终点）的BMI均值为28.3±1.6，对照组的终点BMI均值为28.3±2.9。现需要评估运动与无干预对照对BMI的影响是否有显著差异。
由于两组的基线数据存在显著差异，直接比较终点数据显然是不合适的，需要计算终点-基线的均数差值（MD±sd），然后再进行差异比较。
此时将数据代入换算模板（R取0.5），可得到运动组的干预前后变化值（对照组的操作一样，此处不重复介绍）。
可是，当用基线、差值换算终点时，有时候会出现报错，如下图所示。
这是因为基线SD＞差值SD，当差值达到某个临界点，就无法正常得到结果。此时，增大R的取值，可得到结果。
上述两个计算，都涉及R的取值，那么，怎么才能得到一个相对准确的，或更为客观的R值呢？
Cochrane用户指南给了我们答案
看不清楚？我们把关键数据放大展示。
E、C代表试验组和对照组，试验组的基线SD、终点SD和变化值SD依次为：6.4，7.1和4.5；对照组的基线SD、终点SD和变化值SD依次为：7.0，6.9和4.2。代入公式，得到试验组的R（CorrE）为0.78，对照组的R（CorrC）为0.82。两者取平均值，即为0.8。
回到第一个问题，当我们只知道基线、终点的mean和sd，需要求变化值的mean和sd时，需要用R。而R的计算必须先知道变化值的sd，这不是循环无解吗？
Cochrane用户手册也给了答案，可以借用其他研究的R，例如下方数据就借用了刚才计算的“0.8”。
如果依然使用R=0.5，结果为SD=4.21。
