【科研加油站】Meta分析之应用Stata以诊断试验准确性为例 |
您所在的位置:网站首页 › stata meta分析命令 › 【科研加油站】Meta分析之应用Stata以诊断试验准确性为例 |
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 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |