今天將以一篇關(guān)于孕前、孕期體力活動與妊娠糖尿病風(fēng)險關(guān)聯(lián)的meta分析，跟大家分享RevMan實現(xiàn)基于效應(yīng)值的影響（危險、保護）因素meta分析的操作。

一般來說，原始數(shù)據(jù)類型有兩大類：定性資料和定量資料，也稱為分類變量和連續(xù)變量。基于這兩種數(shù)據(jù)類型做差異比較或描述性分析，都可以得到對應(yīng)的統(tǒng)計結(jié)果，如OR (95%CI)、MD (95%CI)。所謂的效應(yīng)值，就是這一類經(jīng)原始數(shù)據(jù)計算得到的統(tǒng)計值。
我們以文獻的Figure 2B為例，學(xué)習(xí)RevMan完成效應(yīng)值meta分析的操作步驟。

步驟1：錄入研究

根據(jù)森林圖的信息，該研究結(jié)果有5篇納入文獻，信息錄入結(jié)果如下圖所示。

步驟2：添加比較和結(jié)局的數(shù)據(jù)類型

數(shù)據(jù)類型的選擇如下圖所示

步驟3：設(shè)置參數(shù)

選擇合并模型、算法和效應(yīng)量指標(biāo)，如隨機效應(yīng)模型、IV法、OR值。

步驟4：添加數(shù)據(jù)

在研究結(jié)局中添加研究后，RevMan會出現(xiàn)如下圖所示的對話框，需要使用logOR和selogOR做meta分析。

文獻通常報道的是OR (95%CI)，將OR (95%CI)進行對數(shù)轉(zhuǎn)換有兩種方法，要么自己計算，要么借助RevMan自帶的計算器。如下圖所示，選中第一個研究的空白單元格，然后點擊右上角的計算器圖標(biāo)，通過OR (95%CI)換算logOR和selogOR，然后點擊右下角的“Update data table”。

然而，當(dāng)我們將第一個研究的OR (95%CI)輸入計算器后，得到的結(jié)果卻跟原文的森林圖不一致。輸入OR、LCI，計算器自動計算UCI以及l(fā)ogOR、selogOR，但計算器得到的UCI是3.2000，而原文森林圖的數(shù)值則是2.30，這是為什么呢？

納入研究，統(tǒng)計分析的精度（體現(xiàn)在數(shù)據(jù)的小數(shù)點位數(shù)）影響了對數(shù)轉(zhuǎn)換的準(zhǔn)確性。第一個研究，原始文獻的結(jié)果是：OR (95%CI) = 0.8 (0.2, 2.3)，只保留了1位小數(shù)。Meta分析的作者，則將其記錄為0.80 (0.20, 2.30)。
這樣的數(shù)據(jù)可以在Stata中進行meta分析，在RevMan卻不能。因為RevMan的計算器設(shè)定了程序：OR/LCI = UCI/OR。這時，我們需要增加數(shù)據(jù)的小數(shù)點位數(shù)，經(jīng)多次“調(diào)試”，得到更為準(zhǔn)確的結(jié)果。如下圖所示的OR (95%CI) = 0.7500 (0.2445, 2.3007)，保留一位小數(shù)后，OR (95%CI) = 0.8 (0.2, 2.3)。

步驟5：得到森林圖
所有研究都輸入logOR和selogOR后，軟件自動計算合并結(jié)果，生成森林圖。

可以發(fā)現(xiàn)，RevMan得到的森林圖跟原文的森林圖（統(tǒng)計軟件為Stata）不一致。結(jié)果的差異也正是OR (95%CI)的精度誤差導(dǎo)致的。

小結(jié)一下

RevMan雖然也能做OR、RR、HR (95%CI)這幾個效應(yīng)值的meta分析森林圖，但如果納入文獻的統(tǒng)計精度較差，森林圖的結(jié)果與原文有所差異。用Stata或R來處理這種類型的數(shù)據(jù)，可能更好。