表1中，是否是前瞻性研究（predesign）、金标准是否是同一个（samemth）、是否详细描述待评价试验（index）、是否详细描述金标准（reftest）和是否详细描述待评价人群（subject）是本研究中研究者认为可能的影响因素。

Stata分析与结果解读

1. 安装分析包

一般认为，诊断试验准确性的数据异质性比较明显，因此推荐使用随机效应模型进行分析。Stata中有专门针对诊断试验准确性Meta分析的分析包midas和metandi，均是采用两水平的随机效应模型进行分析。由于后者不支持meta回归功能，因此本文仅介绍midas包的使用。

在command窗口，依次输入以下命令，安装必需的分析包：

ssc install midas

ssc install mylabels

2. 数据录入

在Stata窗口点击数据编辑按钮，弹出数据编辑窗口。

在变量名位置双击，弹出新建变量窗口。

如果变量是字符型，则变量类型（Variable type）选择str，是数值型则选择double（小数）或int（整数）。设定好变量名后，从excel中将数据复制到新建变量窗口中即可，部分数据如下图。

3. 合并点值

点值：点值指的是灵敏度、特异度、阳性似然比、阴性似然比和诊断比值比。一般诊断试验判断阳性、阴性的标准变化时，其准确性也会发生变化，因此点值的合并适用于各原始数据都来自于同一阈值的情况。

在command窗口中输入以下命令：

midas tp fp fn tn, res(sum)

回车后，结果界面会输出上述五个指标的合并值及置信区间。

4. 绘制森林图

森林图可以直观地展示纳入的各研究的结果差异情况。

command窗口中输入以下命令：

midas tp fp fn tn, id(author year) ms(0.75) ford fors bfor(dss)

回车后，Stata输出图形如下：

命令中的0.75是设定森林图中黑点大小的，读者可以自己换做其他数值。

从森林图中可以看出，灵敏度的Q检验P