SAS被譽為國際上數據處理和統計分析領域的標準軟件，也是實現Meta分析的優秀軟件之一，但其程序編寫復雜且難度較大，要求使用者具備較強的編程功底。評價顯著性檢驗的統計效能是Meta分析的重要步驟，為更好地使用SAS軟件，美國南佛羅里達大學的Guy Cafri等共同研發了一款專用于實現Meta分析統計效能計算的SAS宏命令（%metapower）。該宏命令可實現Meta分析整體結果、異質性和亞組分析統計效能的計算，簡潔易操作，本文結合實例對該宏命令進行介紹。
Meta分析包括已發表文獻的Meta分析（meta-analysis of the published literature，MPL）和單個病例資料的Meta分析（meta-analysis of individual patient data，MIPD）。遞歸累積Meta分析是一種可對已有資料重新整理并及時更新，還能對現有試驗的延續隨訪進行分析的Meta分析方法，遞歸累積Meta分析在每納入一項新研究或納入更新的研究時，可以檢測每一合并步驟中效應量的波動，從而判斷納入研究間是否存在偏倚或異質性，并判斷合并結果的穩定性。本文主要介紹了遞歸累積Meta分析的概念并結合具體實例來講解如何實現。
目的 系統評價術前康復訓練對全膝關節置換患者術后的效果。 方法 計算機檢索 The Cochrane Library、EMbase、PubMed、CBM、CNKI 和 WanFang Data 數據庫，搜集有關全膝關節置換術前康復訓練效果的隨機對照試驗（RCT），檢索時限均從建庫至 2017 年 1 月。由 2 名研究者獨立篩選文獻，提取相關數據并評價納入研究的偏倚風險后，采用 RevMan 5.3 軟件進行 Meta 分析。 結果 最終共納入 13 個 RCT，共 745 例患者。Meta 分析結果顯示，術前康復訓練組在術后計時“起立-行走”（TUG）測試評分[6 周：MD=–1.31，95%CI（–2.29，–0.32），P=0.009；3 個月：MD=–1.59，95%CI（–2.03，–1.15），P<0.000 01]和術后 3 個月膝屈曲活動范圍（ROM）評分[MD=4.75，95%CI（0.63，8.86），P=0.02]方面明顯高于常規活動組，術后疼痛（VAS）評分明顯低于常規活動組[MD=–0.95，95%CI（–1.70，–0.20），P=0.01]。但兩組患者在術后西安大略和麥馬斯特大學骨性關節炎指數可視化量表（WOMAC）評分[MD=–5.61，95%CI（–12.84，1.62），P=0.13]、SF-36 量表評分[MD=13.15，95%CI（–10.51，36.81），P=0.28]、伸展 ROM 評分[6 周：MD=0.60，95%CI（–1.02，2.21），P=0.47；3 個月：MD=–2.76，95%CI（–8.45，2.92），P=0.34]、膝關節功能（HSS）評分[MD=0.54，95%CI（–0.46，1.54），P=0.29]及 6 分鐘測試評分[MD=–8.75，95%CI（–51.53，34.03），P=0.69]方面差異均無統計學意義。 結論 現有證據表明，術前康復訓練在一定程度上能改善術后膝關節功能，緩解患者疼痛程度。受納入研究的數量和質量所限，上述結論尚需開展更多高質量研究予以驗證。