本文介紹無對照二分類數據資料的2種效應指標及其標準誤的計算方法，然后通過1個實例分別用上述2種方法計算效應指標及其標準誤，將計算所得的效應指標及其標準誤在RevMan軟件中進行Meta分析，最后將計算結果與用實例的原始數據在Stata軟件中的Meta分析結果進行比較。結果顯示RevMan和Stata軟件進行無對照二分類數據資料Meta分析的結果一致。
引用本文： 陳月紅, 杜亮, 耿興遠, 劉關鍵. 無對照二分類數據的Meta分析在RevMan軟件中的實現. 中國循證醫學雜志, 2014, 14(7): 889-896. doi: 10.7507/1672-2531.20140147 復制
Meta分析是對同一研究目的多項研究結果一致性的綜合評價方法，在病因、診斷、治療、危險度評價、預防預后、流行病學及決策等方面起著獨特作用，具有定量、客觀、增大統計學功效及解決獨立研究不能解決的問題等優點[1]，在醫學科研中有提高統計分析效能、引出新見解、節省研究費用等作用[2]。Meta分析是生物醫藥學領域系統評價的重要方法，其基本思想和方法產生于20世紀30年代，開始應用于教育學和心理學等社會科學領域，1976年由Glass首次命名為Meta分析[3]。
Meta分析有多種類型，其中基于橫斷面研究的無對照二分類數據的Meta分析即單個率的Meta分析，其常用于患病率、檢出率、知曉率、病死率及感染率等的調查[4]。這類數據的特點是僅有單組事件發生數和觀察總數，而無對照組。目前，關于該類數據的Meta分析，國內已有相關文獻介紹在Stata軟件[5]和R等軟件[6]中完成單個率的Meta分析的報道，但尚無在RevMan軟件中完成單個率Meta分析的相關文章報道。
RevMan（Review Manager）軟件是由國際Cochrane協作網為系統評價所提供的一體化、標準化專用軟件，也是目前Meta分析專用軟件中較成熟的軟件之一。其功能完善、操作簡單、結果直觀，提供了計數資料，如有效率的優勢比、相對危險度和差率的合并方法和計量資料，如呈正態分布的資料（身高、體重等）的合并方法，以及這些指標的固定效應和隨機效應兩種模型。該軟件在系統評價中已廣泛使用。本文主要介紹無對照二分類資料在RevMan 5.2軟件中的實現方法及其操作步驟。
1 無對照二分類數據資料的效應指標及其標準誤的計算
方法一：當以患病率、發病率、病死率等以率為結局指標時，其發生率P及其標準誤SE（P）可按下列公式計算[7]：
| ${\rm{P = X/n }}$ |
| ${\rm{SE}}\left( {\rm{P}} \right) = \sqrt {{\rm{P}}\left( {1 - {\rm{P}}} \right)/n} $ |
式中，X為某事件的發生數，n為觀察對象總數。
使用條件：n足夠大，發生率P不接近于0與1，且n*P和n*（1-P）均>5，此時P的抽樣分布接近正態分布。
方法二：當不滿足n*P和n*（1-P）均大于5的條件或者事件發生數為0，即發生率P不滿足正態分布時，采用比值類型資料的計算方法[5]，如下：
| ${\rm{P = ln(odds) = ln(X/(}}n - {\rm{X))}}$ |
| ${\rm{SE(P) = SE(ln(odds))}} = \sqrt {1/{\rm{X + 1/}}\left( {n - {\rm{X}}} \right)} $ |
式中，X為某事件的發生數，n為觀察對象總數。
注意：該方法是比值類型資料的計算方法，RevMan軟件及Stata軟件計算所得的結果（RevMan軟件計算所得的OR值及Stata軟件中含有eform命令計算所得的值），需進行以下轉換計算才能得到率及其95%CI：
效應指標的轉換：
| ${\rm{Pf = OR/(1 + OR) }}$ |
95%CI下限轉換：
| ${\rm{LL = L}}{{\rm{L}}_{{\rm{OR}}}}{\rm{/(1 + L}}{{\rm{L}}_{{\rm{OR}}}}{\rm{) }}$ |
95%CI上限轉換：
| ${\rm{UL = U}}{{\rm{L}}_{{\rm{OR}}}}{\rm{/(1 + U}}{{\rm{L}}_{{\rm{OR}}}}{\rm{) }}$ |
注意：為了區分前述事件發生率與經過轉換計算所得率，將經轉換計算后所得的率用Pf表示。
現將以上2種計算方法以實例來說明：
例，系統性硬化病使用糖皮質激素的情況以及相關因素研究一文中有登記使用糖皮質激素的數據[8]見表 1。
表1
糖皮質激素在所有登記患者中的使用情況-原始數據及相應指標計算結果
該研究共有5個有登記的數據。
以第1個研究[9]數據為例，用方法一的式1計算該研究的發生率P1，按式2計算其標準誤SE1：
| ${{\rm{P}}_{\rm{1}}}{\rm{ = X/}}n{\rm{ = Events/Total = 0}}{\rm{.413}}$ |
| ${\rm{S}}{{\rm{E}}_{\rm{1}}}{\rm{ = SE(P) = }}\sqrt {{\rm{P}}\left( {1 - {\rm{P}}} \right)/n} = \sqrt {{{\rm{P}}_1}\left( {1 - {{\rm{P}}_1}} \right)/Total} = 0.013$ |
其余4個數據結果的P1及SE1的計算以此類推，其計算結果見表 1。
同樣，如以第1個研究[9]數據為例，用方法二的式3計算該研究的發生率P2，按式4計算其標準誤SE2：
| $\begin{array}{l} {{\rm{P}}_2} = \ln \left( {{\rm{X/}}\left( {{\rm{n - X}}} \right)} \right) = \ln \left( {{\rm{Events/}}\left( {{\rm{Total - Events}}} \right)} \right) = - 0.352\\ {\rm{S}}{{\rm{E}}_{\rm{2}}} = {\rm{SE}}\left( {\ln \left( {{\rm{odds}}} \right)} \right) = \sqrt {1/{\rm{X}} + 1/\left( {n - {\rm{X}}} \right)} \\ \;\;\;\;\;\;\; = \sqrt {1/{\rm{Events}} + 1/\left( {{\rm{Total - Events}}} \right)} {\rm{ = }}0.054 \end{array}$ |
其余研究的計算結果見表 1。
上述計算過程可在Excel中完成，也可在Stata軟件中完成（計算過程的命令語句請見單個率的Meta分析在Stata軟件中的計算部分）。
2 效應指標及其標準誤在RevMan軟件中的合并計算
2.1 RevMan軟件中單個率的Meta分析方法一
以前述方法一計算得到的效應指標及其標準誤，即表 1的P1和SE1數據，在RevMan軟件中的Meta分析的具體操作過程簡單介紹如下，詳細過程可參照劉鳴教授所編的系統評價、Meta分析[14]及其他相關資料[15, 16]：
步驟一：添加納入研究名稱
打開RevMan軟件后，在主頁面左側的大綱欄找到Studies and references，打開References to studies，找到并選中Included studies，然后單擊鼠標右鍵選擇Add Study，出現添加研究名的界面，在Study ID里面填入作者姓或者姓名+文章發表年份（該軟件支持復制功能，可直接從Excel或者Word里面進行復制），如“Hunzelmann 2009 [9]”填好后，點擊Finish，第1個研究添加完成，其余研究按同樣的方法進行添加。
步驟二：選擇數據類型
研究添加完成后，在主頁面左側的大綱欄找到Data and analyses選項，選中后，單擊鼠標右鍵，然后選擇Add Comparison，出現New Comparison Wizard界面，添加名稱（如“單個率的Meta分析”），然后點擊Finish。再回到Data and analyses選項，展開該選項找到剛才命名的選項“單個率的Meta分析”，選中選項后，單擊鼠標右鍵，選擇Add Outcome，出現結果類型界面如圖 1。選擇Generic Inverse Variance選項，然后點擊Next，出現結果命名界面，在Name項填上命名（如“P1、SE1”），然后點擊Next。
圖1
結果類型的選擇界面
步驟三：選擇分析方法
填好結果名稱后，點擊Next，出現分析方法選擇界面，在圖 2的界面中，按圖中顯示的內容選擇各項條目，然后點擊Next，出現關于分析細節的選擇條目，Totals下面選擇Totals and Subtotals，Study Confidence Interval下面選擇95%，Total Confidence Interval下面選95%，這些選擇可根據自己的需要進行改選。選好后，點擊Next進入圖形顯示選擇相關條目的界面，根據自己的需要給圖的左右圖標命名。Sort By選項是納入研究的顯示順序，我們選擇Study ID，然后點擊Next繼續。
圖2
分析方法的選擇界面
步驟四：選擇需要進行納入分析的研究
接上述步驟，點擊Next后，出現“New Outcome Wizard”界面，選擇Add study data for the new outcome，然后單擊Continue，出現添加研究的界面如圖 3。進行研究選擇時，可按住“Control”鍵不放可同時選擇多個研究，選好研究后，點擊Finish。
圖3
選擇納入分析研究的界面
步驟五：數據輸入或復制
接上述步驟，進入RevMan軟件的數據輸入界面，直接錄入數據或從Excel軟件中復制過來，以例中P1及SE1的數據為例，將Excel中計算的P1數據復制到RevMan軟件的數據輸入界面的“Risk Difference”欄，再將SE1的數據復制到“SE”欄，注意在復制過程中各研究的排列順序，結果如圖 4所示。
圖4
RevMan軟件的數據輸入界面
數據輸入或復制完成后，就可按右上角森林圖的圖標查看森林圖如圖 5。得到結果后，點擊左上工具欄的保存按鈕，進行保存，保存后，下次就可直接打開。
圖5
P1、SE1數據采用RevMan軟件所繪森林圖
例中P1及SE1數據用RevMan軟件計算所得結果如圖 5所示，從圖中可知該研究結果間存在異質性（I2=99%，P < 0.000 01），采用隨機效應模型，率的合并結果及95%CI為0.37（0.23，0.52）。
2.2 RevMan軟件中單個率的Meta分析方法二
如以前述方法二所計算得到的效應指標及其標準誤，即表 1的P2和SE2數據，RevMan軟件計算時，其效應尺度（Effect Measure）應選擇：“Odds Ratio”，即前述的步驟三（圖 2）應改為按圖 6所示進行選擇。
圖6
單個率的Meta分析方法二（P2和SE2數據）的選擇界面
前述的步驟五（圖 4）的數據輸入或復制的界面應為圖 7所示。
圖7
P2、SE2的數據輸入界面
單個率的Meta分析方法二（P2和SE2數據）的森林圖如圖 8所示。
圖8
P2、SE2數據采用RevMan軟件所繪森林圖
單個率的Meta分析方法二（P2和SE2數據）在RevMan軟件中計算所得的Meta分析結果為0.56（0.33，0.94），從圖中可知各研究結果間存在異質性（I2=99%，P < 0.000 01），故選用隨機效應模型。由于該結果是通過比值類計算方法計算效應指標（即上述方法二）后進行合并計算所得，所以需經過式5、式6及式7的轉換計算，P2及SE2最終計算結果為0.36（0.25，0.48），具體如下：
效應指標的轉換：
Pf=OR/(1+OR)=0.56/(1+0.56)=0.36
95%可信區間下限轉換：
LL=LLOR/(1+LLOR)=0.33/(1+0.33)=0.25
95%可信區間上限轉換：
UL=ULOR/(1+ULOR)=0.94/(1+0.94)=0.48
2.3 單個率的Meta分析在Stata軟件中的實現
以例中原始數據即表 1中的Events及Total這兩列數據為例，介紹其在Stata軟件中的操作過程。
步驟一：輸入原始數據
將表 1中的事件發生數（Events）及總數（Total）的數據輸入Stata軟件，然后用如下命令語句計算P1和SE1：
gen P1=events/total
gen SE1=sqrt(P1*(1-P1)/total)
P1和SE1的計算也可以在Excel軟件中完成，完成計算后將Excel中的P1和SE1數據復制到Stata軟件中。復制方法為：打開Stata軟件，在工具欄里找到Data Editor工具，然后鼠標點擊該工具圖標，進入數據輸入窗口，然后將數據從Excel中復制到該數據編輯窗口中。如果在復制數據時出現選擇窗口時，應選擇“The first row as variable names”。
步驟二：繪制森林圖
metan P1 SE1，random lcols（author events total）texts（250）
森林圖如圖 9所示。語句“texts”用于調整圖的字體大小，括號中的數字可更改。
圖9
P1、SE1數據采用Stata軟件所繪森林圖
例中的P1及SE1數據用Stata軟件計算所得的結果見圖 9。異質性檢驗結果為χ2=531.04，P=0.000，提示納入研究結果間存在異質性，因此采用隨機效應模型，其結果為0.37（0.23，0.52），與RevMan軟件計算結果一致。
Stata軟件中計算P2與SE2的原始數據與操作步驟與計算P1與SE1相同，由于P2與SE2是通過比值類資料的計算方法所得，如果以計算P1及SE1的命令語句計算P2與SE2，則所得結果是對數的形式。為了得到真數形式的結果，需在命令語句中加入“eform”，因此在繪制森林圖時命令框里的輸入語句是：
gen t=total-events
gen P2=ln(events/t)
gen SE2=sqrt(1/events+1/t)
metan P2 SE2，random eform lcols（author events total）texts（250）
P2和SE2的計算也可以在Excel軟件中完成，完成計算后將Excel中的P2和SE2數據復制到Stata軟件中，復制方法同前述。
本例的森林圖見圖 10。其異質性檢驗結果為χ2=289.39，P=0.000，提示納入研究結果間存在異質性，因此采用隨機效應模型，其結果為0.56（0.33，0.94），經公式5、式6及式7轉換計算后結果為0.36（0.25，0.48），與RevMan計算結果一致。
圖10
P2、SE2數據采用Stata所繪森林圖
4 討論
無對照二分類資料的Meta分析，又稱單個率的Meta分析。在文獻報道中多見采用Stata、R等軟件完成分析，國內未見用RevMan軟件做此類分析的文獻報道。本文引用同一實例，在RevMan軟件和Stata軟件分別進行單個率的Meta分析，兩個軟件分析結果一致。
當分析數據滿足計算效應指標的方法一時，由于RevMan軟件中無單個率的Meta分析的直接選項，可用式1、2計算相應的率及標準誤，選擇率差（Risk Difference，RD）為效應指標，再選擇反方差法（Generic Inverse Variance）計算其合并效應量。因為，此時的率差（RD）及其標準誤與單個率的效應量及其標準誤等價。
當數據滿足計算效應指標的方法二時，該數據是通過比值比數據的計算方法，計算其效應量，在選擇合并效應指標時，應選擇OR或RR，計算所得結果需經過式5、式6及式7的轉換計算才能得到其合并率及其95%CI。
此外應注意的是，無論是何種數據，在RevMan中進行Meta分析時，“Data Type”都應選擇“Generic Inverse Variance”。
關于單個率的Meta分析，異質性是一個值得思考和今后需要解決的問題。無論是本文中所舉實例還是文獻中關于Stata及R等軟件所報道的例子，即使所納入的研究是嚴格按納入與排除標準進行，但進行異質性檢驗時，其異質性往往都很大，值得進一步探討。
綜上所述，在RevMan軟件中可用反方差法進行無對照二分類資料的Meta分析，其計算結果與Stata軟件計算結果一致，在進行分析時，要根據數據選擇正確的效應量計算方法，并在軟件操作過程中選擇正確的合并指標。
Meta分析是對同一研究目的多項研究結果一致性的綜合評價方法，在病因、診斷、治療、危險度評價、預防預后、流行病學及決策等方面起著獨特作用，具有定量、客觀、增大統計學功效及解決獨立研究不能解決的問題等優點[1]，在醫學科研中有提高統計分析效能、引出新見解、節省研究費用等作用[2]。Meta分析是生物醫藥學領域系統評價的重要方法，其基本思想和方法產生于20世紀30年代，開始應用于教育學和心理學等社會科學領域，1976年由Glass首次命名為Meta分析[3]。
Meta分析有多種類型，其中基于橫斷面研究的無對照二分類數據的Meta分析即單個率的Meta分析，其常用于患病率、檢出率、知曉率、病死率及感染率等的調查[4]。這類數據的特點是僅有單組事件發生數和觀察總數，而無對照組。目前，關于該類數據的Meta分析，國內已有相關文獻介紹在Stata軟件[5]和R等軟件[6]中完成單個率的Meta分析的報道，但尚無在RevMan軟件中完成單個率Meta分析的相關文章報道。
RevMan（Review Manager）軟件是由國際Cochrane協作網為系統評價所提供的一體化、標準化專用軟件，也是目前Meta分析專用軟件中較成熟的軟件之一。其功能完善、操作簡單、結果直觀，提供了計數資料，如有效率的優勢比、相對危險度和差率的合并方法和計量資料，如呈正態分布的資料（身高、體重等）的合并方法，以及這些指標的固定效應和隨機效應兩種模型。該軟件在系統評價中已廣泛使用。本文主要介紹無對照二分類資料在RevMan 5.2軟件中的實現方法及其操作步驟。
1 無對照二分類數據資料的效應指標及其標準誤的計算
方法一：當以患病率、發病率、病死率等以率為結局指標時，其發生率P及其標準誤SE（P）可按下列公式計算[7]：
| ${\rm{P = X/n }}$ |
| ${\rm{SE}}\left( {\rm{P}} \right) = \sqrt {{\rm{P}}\left( {1 - {\rm{P}}} \right)/n} $ |
式中，X為某事件的發生數，n為觀察對象總數。
使用條件：n足夠大，發生率P不接近于0與1，且n*P和n*（1-P）均>5，此時P的抽樣分布接近正態分布。
方法二：當不滿足n*P和n*（1-P）均大于5的條件或者事件發生數為0，即發生率P不滿足正態分布時，采用比值類型資料的計算方法[5]，如下：
| ${\rm{P = ln(odds) = ln(X/(}}n - {\rm{X))}}$ |
| ${\rm{SE(P) = SE(ln(odds))}} = \sqrt {1/{\rm{X + 1/}}\left( {n - {\rm{X}}} \right)} $ |
式中，X為某事件的發生數，n為觀察對象總數。
注意：該方法是比值類型資料的計算方法，RevMan軟件及Stata軟件計算所得的結果（RevMan軟件計算所得的OR值及Stata軟件中含有eform命令計算所得的值），需進行以下轉換計算才能得到率及其95%CI：
效應指標的轉換：
| ${\rm{Pf = OR/(1 + OR) }}$ |
95%CI下限轉換：
| ${\rm{LL = L}}{{\rm{L}}_{{\rm{OR}}}}{\rm{/(1 + L}}{{\rm{L}}_{{\rm{OR}}}}{\rm{) }}$ |
95%CI上限轉換：
| ${\rm{UL = U}}{{\rm{L}}_{{\rm{OR}}}}{\rm{/(1 + U}}{{\rm{L}}_{{\rm{OR}}}}{\rm{) }}$ |
注意：為了區分前述事件發生率與經過轉換計算所得率，將經轉換計算后所得的率用Pf表示。
現將以上2種計算方法以實例來說明：
例，系統性硬化病使用糖皮質激素的情況以及相關因素研究一文中有登記使用糖皮質激素的數據[8]見表 1。
表1
糖皮質激素在所有登記患者中的使用情況-原始數據及相應指標計算結果
該研究共有5個有登記的數據。
以第1個研究[9]數據為例，用方法一的式1計算該研究的發生率P1，按式2計算其標準誤SE1：
| ${{\rm{P}}_{\rm{1}}}{\rm{ = X/}}n{\rm{ = Events/Total = 0}}{\rm{.413}}$ |
| ${\rm{S}}{{\rm{E}}_{\rm{1}}}{\rm{ = SE(P) = }}\sqrt {{\rm{P}}\left( {1 - {\rm{P}}} \right)/n} = \sqrt {{{\rm{P}}_1}\left( {1 - {{\rm{P}}_1}} \right)/Total} = 0.013$ |
其余4個數據結果的P1及SE1的計算以此類推，其計算結果見表 1。
同樣，如以第1個研究[9]數據為例，用方法二的式3計算該研究的發生率P2，按式4計算其標準誤SE2：
| $\begin{array}{l} {{\rm{P}}_2} = \ln \left( {{\rm{X/}}\left( {{\rm{n - X}}} \right)} \right) = \ln \left( {{\rm{Events/}}\left( {{\rm{Total - Events}}} \right)} \right) = - 0.352\\ {\rm{S}}{{\rm{E}}_{\rm{2}}} = {\rm{SE}}\left( {\ln \left( {{\rm{odds}}} \right)} \right) = \sqrt {1/{\rm{X}} + 1/\left( {n - {\rm{X}}} \right)} \\ \;\;\;\;\;\;\; = \sqrt {1/{\rm{Events}} + 1/\left( {{\rm{Total - Events}}} \right)} {\rm{ = }}0.054 \end{array}$ |
其余研究的計算結果見表 1。
上述計算過程可在Excel中完成，也可在Stata軟件中完成（計算過程的命令語句請見單個率的Meta分析在Stata軟件中的計算部分）。
2 效應指標及其標準誤在RevMan軟件中的合并計算
2.1 RevMan軟件中單個率的Meta分析方法一
以前述方法一計算得到的效應指標及其標準誤，即表 1的P1和SE1數據，在RevMan軟件中的Meta分析的具體操作過程簡單介紹如下，詳細過程可參照劉鳴教授所編的系統評價、Meta分析[14]及其他相關資料[15, 16]：
步驟一：添加納入研究名稱
打開RevMan軟件后，在主頁面左側的大綱欄找到Studies and references，打開References to studies，找到并選中Included studies，然后單擊鼠標右鍵選擇Add Study，出現添加研究名的界面，在Study ID里面填入作者姓或者姓名+文章發表年份（該軟件支持復制功能，可直接從Excel或者Word里面進行復制），如“Hunzelmann 2009 [9]”填好后，點擊Finish，第1個研究添加完成，其余研究按同樣的方法進行添加。
步驟二：選擇數據類型
研究添加完成后，在主頁面左側的大綱欄找到Data and analyses選項，選中后，單擊鼠標右鍵，然后選擇Add Comparison，出現New Comparison Wizard界面，添加名稱（如“單個率的Meta分析”），然后點擊Finish。再回到Data and analyses選項，展開該選項找到剛才命名的選項“單個率的Meta分析”，選中選項后，單擊鼠標右鍵，選擇Add Outcome，出現結果類型界面如圖 1。選擇Generic Inverse Variance選項，然后點擊Next，出現結果命名界面，在Name項填上命名（如“P1、SE1”），然后點擊Next。
圖1
結果類型的選擇界面
步驟三：選擇分析方法
填好結果名稱后，點擊Next，出現分析方法選擇界面，在圖 2的界面中，按圖中顯示的內容選擇各項條目，然后點擊Next，出現關于分析細節的選擇條目，Totals下面選擇Totals and Subtotals，Study Confidence Interval下面選擇95%，Total Confidence Interval下面選95%，這些選擇可根據自己的需要進行改選。選好后，點擊Next進入圖形顯示選擇相關條目的界面，根據自己的需要給圖的左右圖標命名。Sort By選項是納入研究的顯示順序，我們選擇Study ID，然后點擊Next繼續。
圖2
分析方法的選擇界面
步驟四：選擇需要進行納入分析的研究
接上述步驟，點擊Next后，出現“New Outcome Wizard”界面，選擇Add study data for the new outcome，然后單擊Continue，出現添加研究的界面如圖 3。進行研究選擇時，可按住“Control”鍵不放可同時選擇多個研究，選好研究后，點擊Finish。
圖3
選擇納入分析研究的界面
步驟五：數據輸入或復制
接上述步驟，進入RevMan軟件的數據輸入界面，直接錄入數據或從Excel軟件中復制過來，以例中P1及SE1的數據為例，將Excel中計算的P1數據復制到RevMan軟件的數據輸入界面的“Risk Difference”欄，再將SE1的數據復制到“SE”欄，注意在復制過程中各研究的排列順序，結果如圖 4所示。
圖4
RevMan軟件的數據輸入界面
數據輸入或復制完成后，就可按右上角森林圖的圖標查看森林圖如圖 5。得到結果后，點擊左上工具欄的保存按鈕，進行保存，保存后，下次就可直接打開。
圖5
P1、SE1數據采用RevMan軟件所繪森林圖
例中P1及SE1數據用RevMan軟件計算所得結果如圖 5所示，從圖中可知該研究結果間存在異質性（I2=99%，P < 0.000 01），采用隨機效應模型，率的合并結果及95%CI為0.37（0.23，0.52）。
2.2 RevMan軟件中單個率的Meta分析方法二
如以前述方法二所計算得到的效應指標及其標準誤，即表 1的P2和SE2數據，RevMan軟件計算時，其效應尺度（Effect Measure）應選擇：“Odds Ratio”，即前述的步驟三（圖 2）應改為按圖 6所示進行選擇。
圖6
單個率的Meta分析方法二（P2和SE2數據）的選擇界面
前述的步驟五（圖 4）的數據輸入或復制的界面應為圖 7所示。
圖7
P2、SE2的數據輸入界面
單個率的Meta分析方法二（P2和SE2數據）的森林圖如圖 8所示。
圖8
P2、SE2數據采用RevMan軟件所繪森林圖
單個率的Meta分析方法二（P2和SE2數據）在RevMan軟件中計算所得的Meta分析結果為0.56（0.33，0.94），從圖中可知各研究結果間存在異質性（I2=99%，P < 0.000 01），故選用隨機效應模型。由于該結果是通過比值類計算方法計算效應指標（即上述方法二）后進行合并計算所得，所以需經過式5、式6及式7的轉換計算，P2及SE2最終計算結果為0.36（0.25，0.48），具體如下：
效應指標的轉換：
Pf=OR/(1+OR)=0.56/(1+0.56)=0.36
95%可信區間下限轉換：
LL=LLOR/(1+LLOR)=0.33/(1+0.33)=0.25
95%可信區間上限轉換：
UL=ULOR/(1+ULOR)=0.94/(1+0.94)=0.48
2.3 單個率的Meta分析在Stata軟件中的實現
以例中原始數據即表 1中的Events及Total這兩列數據為例，介紹其在Stata軟件中的操作過程。
步驟一：輸入原始數據
將表 1中的事件發生數（Events）及總數（Total）的數據輸入Stata軟件，然后用如下命令語句計算P1和SE1：
gen P1=events/total
gen SE1=sqrt(P1*(1-P1)/total)
P1和SE1的計算也可以在Excel軟件中完成，完成計算后將Excel中的P1和SE1數據復制到Stata軟件中。復制方法為：打開Stata軟件，在工具欄里找到Data Editor工具，然后鼠標點擊該工具圖標，進入數據輸入窗口，然后將數據從Excel中復制到該數據編輯窗口中。如果在復制數據時出現選擇窗口時，應選擇“The first row as variable names”。
步驟二：繪制森林圖
metan P1 SE1，random lcols（author events total）texts（250）
森林圖如圖 9所示。語句“texts”用于調整圖的字體大小，括號中的數字可更改。
圖9
P1、SE1數據采用Stata軟件所繪森林圖
例中的P1及SE1數據用Stata軟件計算所得的結果見圖 9。異質性檢驗結果為χ2=531.04，P=0.000，提示納入研究結果間存在異質性，因此采用隨機效應模型，其結果為0.37（0.23，0.52），與RevMan軟件計算結果一致。
Stata軟件中計算P2與SE2的原始數據與操作步驟與計算P1與SE1相同，由于P2與SE2是通過比值類資料的計算方法所得，如果以計算P1及SE1的命令語句計算P2與SE2，則所得結果是對數的形式。為了得到真數形式的結果，需在命令語句中加入“eform”，因此在繪制森林圖時命令框里的輸入語句是：
gen t=total-events
gen P2=ln(events/t)
gen SE2=sqrt(1/events+1/t)
metan P2 SE2，random eform lcols（author events total）texts（250）
P2和SE2的計算也可以在Excel軟件中完成，完成計算后將Excel中的P2和SE2數據復制到Stata軟件中，復制方法同前述。
本例的森林圖見圖 10。其異質性檢驗結果為χ2=289.39，P=0.000，提示納入研究結果間存在異質性，因此采用隨機效應模型，其結果為0.56（0.33，0.94），經公式5、式6及式7轉換計算后結果為0.36（0.25，0.48），與RevMan計算結果一致。
圖10
P2、SE2數據采用Stata所繪森林圖
4 討論
無對照二分類資料的Meta分析，又稱單個率的Meta分析。在文獻報道中多見采用Stata、R等軟件完成分析，國內未見用RevMan軟件做此類分析的文獻報道。本文引用同一實例，在RevMan軟件和Stata軟件分別進行單個率的Meta分析，兩個軟件分析結果一致。
當分析數據滿足計算效應指標的方法一時，由于RevMan軟件中無單個率的Meta分析的直接選項，可用式1、2計算相應的率及標準誤，選擇率差（Risk Difference，RD）為效應指標，再選擇反方差法（Generic Inverse Variance）計算其合并效應量。因為，此時的率差（RD）及其標準誤與單個率的效應量及其標準誤等價。
當數據滿足計算效應指標的方法二時，該數據是通過比值比數據的計算方法，計算其效應量，在選擇合并效應指標時，應選擇OR或RR，計算所得結果需經過式5、式6及式7的轉換計算才能得到其合并率及其95%CI。
此外應注意的是，無論是何種數據，在RevMan中進行Meta分析時，“Data Type”都應選擇“Generic Inverse Variance”。
關于單個率的Meta分析，異質性是一個值得思考和今后需要解決的問題。無論是本文中所舉實例還是文獻中關于Stata及R等軟件所報道的例子，即使所納入的研究是嚴格按納入與排除標準進行，但進行異質性檢驗時，其異質性往往都很大，值得進一步探討。
綜上所述，在RevMan軟件中可用反方差法進行無對照二分類資料的Meta分析，其計算結果與Stata軟件計算結果一致，在進行分析時，要根據數據選擇正確的效應量計算方法，并在軟件操作過程中選擇正確的合并指標。
