試驗序貫分析（TSA）不僅可以應用TSA軟件進行操作，也可以在Stata軟件中實現。Stata軟件實現TSA的過程中，需要Stata軟件的“metacumbounds”命令結合R軟件的“foreign”和“ldbounds”程序包。本文簡要介紹了如何使用Stata軟件進行TSA操作。
引用本文： 翁鴻, 李勝, 何發智, 楊林, 劉同族, 曾憲濤. 試驗序貫分析在Stata軟件中的實現. 中國循證醫學雜志, 2016, 16(12): 1472-1476. doi: 10.7507/1672-2531.20160220 復制
試驗序貫分析（trial sequential analysis，TSA）是近二十年發展起來的一種統計方法，最初起源于Pogue等 [1]將Lan-DeMets界值引入累積Meta分析，后由丹麥哥本哈根臨床試驗中心的科研團隊提出完整的TSA方法 [2-6]，并開發了相關的TSA軟件 [7]。當前實現TSA操作的軟件主要是哥本哈根臨床試驗中心為首的科研團隊開發的TSA軟件，本團隊已對其操作進行了講解 [8]。除了TSA軟件可實現TSA外，Stata軟件也可實現。美國南佛羅里達大學循證醫學與健康實效研究中心的Miladinovic教授等 [9]開發了Stata的“metacumbounds”命令，用于實現TSA。本文主要介紹如何使用Stata軟件來實現TSA。
1 命令安裝及準備工作
本文使用Stata 12.0軟件，“metacumbounds”命令需要讀者自行安裝，在Stata命令窗口鍵入“findit metacumbounds”，在新彈出的界面中點擊“st0284 from http://www.stata-journal.com/software/sj13-1”，然后在描述“st0284”軟件包的界面中點擊“click here to install”，然后就會安裝“metacumbounds”的三個文件：ado、sthlp、和dlg。其中“st0284/metacumbounds.dlg”文件是對話框文件，即菜單操作文件，將其放置在Stata激活目錄下即可；此外，還可在Stata命令窗口鍵入以下命令來將其添加到菜單欄：
window menu append item "Meta-Analysis" "Cumulative MA with bounds (metacumbounds)" "db metacumbounds"
window menu refresh
然后點擊“User→Meta-Analysis”，在最后一行我們發現“Cumulative MA with bounds (metacumbounds)”已添加到Meta分析菜單，如圖 1所示。
圖1
添加metacumbounds命令到Meta分析菜單欄
此外，“metacumbounds”命令需要Stata軟件的“metan”命令來計算Meta分析的統計量（Z值）；此外，還需要結合R軟件的“foreign”和“ldbounds”程序包，其中“foreign”包用來讀寫Stata數據文件，“ldbounds”包用來計算TSA界值，計算方法有O’Brien-Fleming和Pocock損耗函數。在R軟件中安裝程序包的方法詳見《R與Meta分析》 [10]。采用Stata實現TSA時，雖然需要R軟件來輔助計算TSA界值，但不需要讀者打開R軟件，Stata軟件運用“rsource”命令在Stata內部來調用運行R軟件，通過Rterm.exe程序實現。因此，需要在Stata中安裝“rsource”命令，通過鍵入“ssc install rsource”命令實現。
2 “metacumbounds”菜單及命令格式
“metacumbounds”命令格式為：
metacumbounds varlist [if] [in],data(count|loghr) effect(f|r) spending(string) rdir(string) is(ais|apis|lbis|lbhis) [id(strvar) surv(#) loss(#) lbid(varname) stat(rr|or|rd) wkdir(string) kprsrce(string) alpha(#) beta(#) graph rrr(#) listRout listRin keepR graph_options]
其中varlist包括計數數據或logHR，及其標準誤和試驗樣本量；data(count|loghr)定義分析的數據類型是二分類數據（count）還是時間-事件數據（logHR），二分類數據選項下的效應量有RR、OR、RD，該選項是必須項；effect(f|r)定義估算模型：固定效應模型（f）和隨機效應模型（r），當異質性I2＞30%時采用固定效應模型，合并方法采用的是“metan命令的倒方差法”（fixedi和randomi），該選項是必須項；spending(string)定義R軟件“ldbounds”程序包計算TSA界值所采用的損耗函數方法，有O’Brien-Fleming函數（spending(1) ）、Pocock函數（spending(2) ）、αt函數（spending(3) ）、αt1.5函數（spending(4) ）、αt2函數（spending(5) ），該項是必選項；rdir(string)列出R軟件的路徑，該項是必須項；is(ais|apis|lbis|lbhis)定義信息量的計算，有累積信息量（ais）、先驗信息量（apis）、低偏倚信息量及低偏倚校正信息量，該項是必須項；id(strvar)是用來標簽納入研究的字符型變量；surv(#)定義時間-事件數據的總體平均生存率，范圍為[0，1）；loss(#)定義時間-事件數據的失訪比例，范圍為[0，1）；lbid(varname)定義低偏倚風險研究，在is(lbis)或is(lbhis)選項下使用；stat(rr|or|rd)定義二分類變量數據的合并效應量（RR、OR、RD）；wkdir(string)定義文件的保存目錄；kprsrce(string)程序完成后保存R源文件；alpha(#)定義Ⅰ型錯誤；beta(#)定義Ⅱ型錯誤；graph為繪圖參數；rrr(#)定義計算先驗信息量（apis）的先驗干預效應（RRR）；listRout將R軟件輸出的結果展示在Stata軟件；listRin將R軟件源文件展示在Stata軟件；keepR保留R源文件；graph_options是總體繪圖選項，其中shRRR和pos( )定義RRR、α、β在圖形中的位置，xtitle(string)和ytitle(string)分別添加x軸和y軸的標簽；titile(string)和subtitle(string)添加圖形的標題和亞標題。
當然，我們也可以采用菜單操作來，點擊“Cumulative MA with bounds (metacumbounds)”，如圖 2所示。除需要定義圖 2所示的“Main”欄外，還需要定義“Directories and graphing option”欄（圖 3）。
圖2
“metacumbounds”菜單“Main”欄
圖3
“metacumbounds”菜單“Directories and graphing option”欄
3 實例分析
本文采用“metacumbounds”命令附帶的樣本數據進行分析 [9]（表 1），在Stata命令窗口鍵入“use example1”命令即可獲得該數據。該數據為二分類數據，其中，study表示納入研究名稱，a、b分別表示試驗組事件發生數、未發生數，c、d分別表示對照組事件發生數、未發生數，lbid表示納入研究的風險偏倚情況（0為高風險、1為低風險）。
表1
數據格式
然后在Stata命令窗口鍵入以下命令：
metacumbounds a b c d,data(count) effect(f) id(study) alpha(0.05) beta(0.20) is(AIS) stat(rr) graph spending(1) rrr(.15) listRin keepR kprsrce(StataR_source.R) rdir(C:\Program Files\R\R-2.12.2\bin\i386\) listRout shwRRR pos(12) xtitle(Information size)
采用的效應模型為固定效應模型，α和β分別定義的為0.05和0.2，信息量采用的是累積信息量（AIS），合并效應量采用的是相對危險度（RR），損耗函數為O’Brien-Fleming函數，RRR定義為15%。以上命令運行后，繪制出的TSA界值圖如圖 4所示，Stata輸出結果見表 2。
圖4
基于AIS的TSA界值圖
表2
Stata輸出結果
圖 4為基于累積信息量（AIS）的TSA界值圖，圖中顯示AIS=1 569，統計效能為56%，累積Z曲線已越過傳統Z=1.96界值線以及TSA界值線，表明試驗組干預措施優于對照組干預措施。此外，我們還繪制出基于APIS、LBIS的TSA界值圖進行比較。
APIS界值圖的繪制只需將AIS界值圖繪制的命令中is(AIS)參數改為is(APIS)即可，基于RRR=15%，α=0.05，β=0.2下，APIS=2 743。從圖 5中我們看到，累積Z曲線未達到APIS，但已穿過傳統界值線（Z=1.96）和TSA界值線。
圖5
基于APIS的TSA界值圖
LBIS界值圖的繪制除將AIS界值圖繪制命令中is(AIS)參數改為is(LBIS)外，還需定義低偏倚風險研究，添加lbid(lbid)參數，命令格式如下：
metacumbounds a b c d,data(count) effect(f) id(study) alpha(0.05) beta(0.20) is(LBIS) lbid(lbid) stat(rr) graph spending(1) rrr(.15) listRin keepR kprsrce(StataR_source.R) rdir(C:\Program Files\R\R-2.12.2\bin\i386\) listRout shwRRR pos(2) xtitle(Information size)
LBIS界值圖如圖 6所示，基于低偏倚風險研究的結果顯示，RRR=40%，LBIS=470，累積Z曲線穿過了LBIS線，穿過了傳統界值線（Z=19.6）和TSA界值線。由于本例的LBHIS界值圖與LBIS界值圖的結果相同，因此未展示LBHIS界值圖。從上述三種界值圖可發現，其結論均相同，即試驗組干預措施優于對照組干預措施。
圖6
基于LBIS的TSA界值圖
4 小結
如果研究做Meta分析時沒有采用RevMan軟件（RevMan數據可直接導入TSA軟件），那么使用TSA軟件做TSA時，就會面臨更新輸入數據的問題。與Stata軟件的“metacumbounds”命令比較，TSA軟件需要定義的選項也較為繁瑣，Stata軟件顯得更為清晰、明了，輸入數據也方便快捷。TSA軟件中計算TSA界值的方法僅有O’Brien-Fleming損耗函數，而Stata軟件“metacumbounds”命令中提供了五種損耗函數方法。
但TSA軟件除了提供有效界值外，還提供了無效界值（futility boundary），而這一點是Stata軟件“metacumbounds”命令所不能實現的。此外，TSA軟件還提供了校正可信區間，這一點Stata軟件的“metacumbounds”命令也不能提供。但我們相信，隨著方法學的發展，無效界值也能被整合到Stata軟件的命令中，豐富Stata軟件的操作，使其更為完善和便捷。
試驗序貫分析（trial sequential analysis，TSA）是近二十年發展起來的一種統計方法，最初起源于Pogue等 [1]將Lan-DeMets界值引入累積Meta分析，后由丹麥哥本哈根臨床試驗中心的科研團隊提出完整的TSA方法 [2-6]，并開發了相關的TSA軟件 [7]。當前實現TSA操作的軟件主要是哥本哈根臨床試驗中心為首的科研團隊開發的TSA軟件，本團隊已對其操作進行了講解 [8]。除了TSA軟件可實現TSA外，Stata軟件也可實現。美國南佛羅里達大學循證醫學與健康實效研究中心的Miladinovic教授等 [9]開發了Stata的“metacumbounds”命令，用于實現TSA。本文主要介紹如何使用Stata軟件來實現TSA。
1 命令安裝及準備工作
本文使用Stata 12.0軟件，“metacumbounds”命令需要讀者自行安裝，在Stata命令窗口鍵入“findit metacumbounds”，在新彈出的界面中點擊“st0284 from http://www.stata-journal.com/software/sj13-1”，然后在描述“st0284”軟件包的界面中點擊“click here to install”，然后就會安裝“metacumbounds”的三個文件：ado、sthlp、和dlg。其中“st0284/metacumbounds.dlg”文件是對話框文件，即菜單操作文件，將其放置在Stata激活目錄下即可；此外，還可在Stata命令窗口鍵入以下命令來將其添加到菜單欄：
window menu append item "Meta-Analysis" "Cumulative MA with bounds (metacumbounds)" "db metacumbounds"
window menu refresh
然后點擊“User→Meta-Analysis”，在最后一行我們發現“Cumulative MA with bounds (metacumbounds)”已添加到Meta分析菜單，如圖 1所示。
圖1
添加metacumbounds命令到Meta分析菜單欄
此外，“metacumbounds”命令需要Stata軟件的“metan”命令來計算Meta分析的統計量（Z值）；此外，還需要結合R軟件的“foreign”和“ldbounds”程序包，其中“foreign”包用來讀寫Stata數據文件，“ldbounds”包用來計算TSA界值，計算方法有O’Brien-Fleming和Pocock損耗函數。在R軟件中安裝程序包的方法詳見《R與Meta分析》 [10]。采用Stata實現TSA時，雖然需要R軟件來輔助計算TSA界值，但不需要讀者打開R軟件，Stata軟件運用“rsource”命令在Stata內部來調用運行R軟件，通過Rterm.exe程序實現。因此，需要在Stata中安裝“rsource”命令，通過鍵入“ssc install rsource”命令實現。
2 “metacumbounds”菜單及命令格式
“metacumbounds”命令格式為：
metacumbounds varlist [if] [in],data(count|loghr) effect(f|r) spending(string) rdir(string) is(ais|apis|lbis|lbhis) [id(strvar) surv(#) loss(#) lbid(varname) stat(rr|or|rd) wkdir(string) kprsrce(string) alpha(#) beta(#) graph rrr(#) listRout listRin keepR graph_options]
其中varlist包括計數數據或logHR，及其標準誤和試驗樣本量；data(count|loghr)定義分析的數據類型是二分類數據（count）還是時間-事件數據（logHR），二分類數據選項下的效應量有RR、OR、RD，該選項是必須項；effect(f|r)定義估算模型：固定效應模型（f）和隨機效應模型（r），當異質性I2＞30%時采用固定效應模型，合并方法采用的是“metan命令的倒方差法”（fixedi和randomi），該選項是必須項；spending(string)定義R軟件“ldbounds”程序包計算TSA界值所采用的損耗函數方法，有O’Brien-Fleming函數（spending(1) ）、Pocock函數（spending(2) ）、αt函數（spending(3) ）、αt1.5函數（spending(4) ）、αt2函數（spending(5) ），該項是必選項；rdir(string)列出R軟件的路徑，該項是必須項；is(ais|apis|lbis|lbhis)定義信息量的計算，有累積信息量（ais）、先驗信息量（apis）、低偏倚信息量及低偏倚校正信息量，該項是必須項；id(strvar)是用來標簽納入研究的字符型變量；surv(#)定義時間-事件數據的總體平均生存率，范圍為[0，1）；loss(#)定義時間-事件數據的失訪比例，范圍為[0，1）；lbid(varname)定義低偏倚風險研究，在is(lbis)或is(lbhis)選項下使用；stat(rr|or|rd)定義二分類變量數據的合并效應量（RR、OR、RD）；wkdir(string)定義文件的保存目錄；kprsrce(string)程序完成后保存R源文件；alpha(#)定義Ⅰ型錯誤；beta(#)定義Ⅱ型錯誤；graph為繪圖參數；rrr(#)定義計算先驗信息量（apis）的先驗干預效應（RRR）；listRout將R軟件輸出的結果展示在Stata軟件；listRin將R軟件源文件展示在Stata軟件；keepR保留R源文件；graph_options是總體繪圖選項，其中shRRR和pos( )定義RRR、α、β在圖形中的位置，xtitle(string)和ytitle(string)分別添加x軸和y軸的標簽；titile(string)和subtitle(string)添加圖形的標題和亞標題。
當然，我們也可以采用菜單操作來，點擊“Cumulative MA with bounds (metacumbounds)”，如圖 2所示。除需要定義圖 2所示的“Main”欄外，還需要定義“Directories and graphing option”欄（圖 3）。
圖2
“metacumbounds”菜單“Main”欄
圖3
“metacumbounds”菜單“Directories and graphing option”欄
3 實例分析
本文采用“metacumbounds”命令附帶的樣本數據進行分析 [9]（表 1），在Stata命令窗口鍵入“use example1”命令即可獲得該數據。該數據為二分類數據，其中，study表示納入研究名稱，a、b分別表示試驗組事件發生數、未發生數，c、d分別表示對照組事件發生數、未發生數，lbid表示納入研究的風險偏倚情況（0為高風險、1為低風險）。
表1
數據格式
然后在Stata命令窗口鍵入以下命令：
metacumbounds a b c d,data(count) effect(f) id(study) alpha(0.05) beta(0.20) is(AIS) stat(rr) graph spending(1) rrr(.15) listRin keepR kprsrce(StataR_source.R) rdir(C:\Program Files\R\R-2.12.2\bin\i386\) listRout shwRRR pos(12) xtitle(Information size)
采用的效應模型為固定效應模型，α和β分別定義的為0.05和0.2，信息量采用的是累積信息量（AIS），合并效應量采用的是相對危險度（RR），損耗函數為O’Brien-Fleming函數，RRR定義為15%。以上命令運行后，繪制出的TSA界值圖如圖 4所示，Stata輸出結果見表 2。
圖4
基于AIS的TSA界值圖
表2
Stata輸出結果
圖 4為基于累積信息量（AIS）的TSA界值圖，圖中顯示AIS=1 569，統計效能為56%，累積Z曲線已越過傳統Z=1.96界值線以及TSA界值線，表明試驗組干預措施優于對照組干預措施。此外，我們還繪制出基于APIS、LBIS的TSA界值圖進行比較。
APIS界值圖的繪制只需將AIS界值圖繪制的命令中is(AIS)參數改為is(APIS)即可，基于RRR=15%，α=0.05，β=0.2下，APIS=2 743。從圖 5中我們看到，累積Z曲線未達到APIS，但已穿過傳統界值線（Z=1.96）和TSA界值線。
圖5
基于APIS的TSA界值圖
LBIS界值圖的繪制除將AIS界值圖繪制命令中is(AIS)參數改為is(LBIS)外，還需定義低偏倚風險研究，添加lbid(lbid)參數，命令格式如下：
metacumbounds a b c d,data(count) effect(f) id(study) alpha(0.05) beta(0.20) is(LBIS) lbid(lbid) stat(rr) graph spending(1) rrr(.15) listRin keepR kprsrce(StataR_source.R) rdir(C:\Program Files\R\R-2.12.2\bin\i386\) listRout shwRRR pos(2) xtitle(Information size)
LBIS界值圖如圖 6所示，基于低偏倚風險研究的結果顯示，RRR=40%，LBIS=470，累積Z曲線穿過了LBIS線，穿過了傳統界值線（Z=19.6）和TSA界值線。由于本例的LBHIS界值圖與LBIS界值圖的結果相同，因此未展示LBHIS界值圖。從上述三種界值圖可發現，其結論均相同，即試驗組干預措施優于對照組干預措施。
圖6
基于LBIS的TSA界值圖
4 小結
如果研究做Meta分析時沒有采用RevMan軟件（RevMan數據可直接導入TSA軟件），那么使用TSA軟件做TSA時，就會面臨更新輸入數據的問題。與Stata軟件的“metacumbounds”命令比較，TSA軟件需要定義的選項也較為繁瑣，Stata軟件顯得更為清晰、明了，輸入數據也方便快捷。TSA軟件中計算TSA界值的方法僅有O’Brien-Fleming損耗函數，而Stata軟件“metacumbounds”命令中提供了五種損耗函數方法。
但TSA軟件除了提供有效界值外，還提供了無效界值（futility boundary），而這一點是Stata軟件“metacumbounds”命令所不能實現的。此外，TSA軟件還提供了校正可信區間，這一點Stata軟件的“metacumbounds”命令也不能提供。但我們相信，隨著方法學的發展，無效界值也能被整合到Stata軟件的命令中，豐富Stata軟件的操作，使其更為完善和便捷。
