云生信學生物信息學 原創不易，請多多關注和轉發支持，謝謝！
以下文章來源于爾云間meta分析 ，作者爾云間
爾云間meta分析.
分享meta分析學習方法、醫學統計基礎知識、meta分析軟件操作技巧、SCI論文發表經驗等精彩內容。
對于做meta分析的小伙伴，Stata幾乎是一個最優的軟件（功能比RevMan強大，操作比R簡單），然而剛接觸Stata的時候，很多人都會遇到這樣的問題：為什么我的Stata沒有meta分析菜單，哪怕有了菜單，操作時也總提示錯誤？
其實，學習Stata軟件的meta分析操作之前，應該先了解為什么Stata可以實現meta分析的操作。
以菜單操作為例，Stata進行meta分析，需要滿足2個前提條件：菜單、代碼包的成功安裝。
Meta分析學習助手
Stata安裝完畢后，竟然沒有做meta分析的菜單！這是為什么？
因為Stata在一開始研發出來的時候并不是專門為了做meta分析的，這個菜單是后來加上去的。沒有菜單，Stata還能做meta分析了嗎？答案當然是肯定的。如果你對Stata實現meta分析的代碼包都比較熟悉或者懂得學習、改寫代碼，那只需要安裝meta分析的代碼包就行了。
很多教程都會讓我們先安裝菜單，這對于新手來說確實是個很有用的功能。
網上有很多安裝meta分析菜單的方法，最簡單的就是將一個名為“profile.do”的文件復制到Stata的安裝文件夾（與運行文件放到同一個文件夾）。這時候打開Stata軟件，就能看到meta分析的菜單。
然而，進行菜單選擇后，軟件又提示命令無法識別。
出現這種情況，說明相關的代碼包沒有安裝，需要按下圖的方法安裝（ssc install xxx），安裝完畢后再操作。
看到這里，你是不是恍然大悟，知道Stata的正確操作方式了。
可是，你有沒有想到另一個問題：如果換了一個新版的Stata，需要重新安裝菜單和命令嗎？又是一個肯定的答案。這也是我一直不推薦大家追求新版本的原因之一。
根據個人的使用體驗，Stata 11.0-16.0在常規meta分析的功能上沒有太大的差異，哪怕16.0更新了“meta”菜單，實用性也不是很強。但是，如果要做網狀meta分析，可能需要用到14.0或以上的版本，就不得不換了。
那么，我們就必須一步步將meta分析的相關菜單和代碼包重新加載一遍嗎？
“爾云間meta分析”為大家介紹一個最簡單粗暴的方法。
Stata的安裝文件夾有一個名為“ado”的文件夾，里面包括了軟件自帶及用戶自行加載的代碼包，只要將它粘貼到新版Stata的安裝文件夾里，覆蓋原來的“ado”文件夾，那就可以直接實現meta分析。
簡單的說，如果你已經在Stata 11加載了meta分析菜單（“profile.do”文件）和相關代碼包（“ado”文件夾），當你安裝了一個新版本Stata后，將“profile.do”文件和“ado”文件夾復制過去就OK了。
如果你還沒擁有一個具有完整功能實現meta分析操作的Stata，聯系小編一起學習哦！
選用文章：陳浩然，薛昊，劉文靜，et al. 血小板淋巴細胞比值作為非小細胞肺癌預后因素的meta分析[J].中國癌癥雜志，022（005）：289-289.
讀取數據
查看數據
查看數據框結構
可以發現讀取的數據框，字符串變量自動被識別為factor儲存，而其他數字變量均為numeric或integer。
原文對種族、樣本量、治療方式以及cutoff值進行了亞組分析，故應將這四個變量轉化為二分類的因子化變量。
將效應量對數化，并求出其標準誤，添加到原數據框中。
安裝并加載meta包。預后資料的meta分析使用metagen()函數。由于metagen的參數實在太多，只列幾個常用的。森林圖繪制用forset()函數。
TE：logHR值
seTE：SE(logHR)值
studlab ：研究標簽
sm：效應量，字符串
comb.fixed：固定效應模型，默認為TRUE
comb.random：隨機效應模型，默認為TRUE
此處用兩種模型進行了分析，可設置comb.fixed或comb.random的邏輯值選用其中一種。對比原文成功繪制出森林圖。
若提前設置settings.meta('revman5')則可繪制出RevMan 5風格的圖表：
用metareg()函數，但是發現無論如何改變“method.tau=”，即使用何種方法，都與原文有差別。（為什么呢？是否因為分析方法不同）
使用metainf()函數進行敏感性分析，并畫出森林圖。原理為一次刪除一項研究，以分析對總效應量的影響，結果發現P值均<0.0001，合并HR有良好的穩定性，與原文一致。
Begg’s法
Egger’s法：
Egger’s法檢驗：
baujat(pfs)用于探索meta分析的異質性。在x軸上，繪制了每個研究對整體異質性統計量的貢獻）。在y軸上繪制了有無研究的總體效應量的標準差；此數量描述了每個研究對總體效應量的影響。
由此發現，Kim2016的研究對異質性統計量的貢獻最大；Zhang2015的研究對總體效應量的影響最大。
文章來源：零級偽碼農
歡迎微信關注【非編碼RNA研究園地】，我們致力于及時發布醫學科研前沿進展，幫助醫務工作者開拓思路，從專業角度解答課題基金及SCI相關問題，助力學術成果轉化。