《Revman5.3软件操作 最新》.ppt

选择一个格式保存，就可以用于杂志的发表， 一般选择PDF格式，清晰度好 漏斗图 添加一个新的“Outcome” 选择二分类变量，然后Next 为这个研究取一个名字 全部选择默认，然后Next 全部默认，然后Next 选择默认，Next 点Nothing,然后Finish 这个名为“Subgroup”的新的Outcome就建好了 点右键，出现”Add Subgroup”,添加亚组 取一个名字“亚裔” 选择添加一个新的亚组，Continue 起另一个名字，叫“高加索裔”，然后Finish 这个亚组就建好了，点击“Subgroup“ 点击“Asian”,然后点击右上键的 添加研究 将亚裔的研究添加进去 点击“Caucasians”,然后点击右上键的 添加研究 添加“高加索裔”的研究 每个亚组的研究都纳入了，然后将相应的数据拷贝进来 结果自动生成，还有可爱的森林图 森林图导出后是这样的 第五部分 森林图和漏斗图的解读 森林图 先打开森林图 横线代表研究结果的可信区间，即此研究真实存在的范围。 横线越长，样本量越小，结果越欠可靠 横线越短，样本量越大，结果越可靠 这个点代表单项研究的效应量，点的大小代表研究的权重，就是这个研究对Meta分析的贡献度 这个菱形代表合并后的结果 这条直线叫无效线，将图一分为二，用于判定统计结果有无统计学意义。若菱形与该直线相交，则代表两组的差异无统计学意义 如果效应量是OR、RR值，这条直线代表1，即比值相等 如果效应量是MD、SMD、RD值。这条直线代表0，即差值为零 菱形与直线不相交： 如果效应量是OR、RR,，菱形落于直线右侧，即比值大于1，说明实验组发生事件多于对照组，落于左侧则相反 如果效应量是MD、SMD、RD值。菱形落于直线右侧，说明试验组的指标大于对照组，落于左侧则相反 若菱形与直线不相交： 落于右侧：说明试验组事件较多，对于有效、治愈等有利事件，试验组发生较多，效果较好；对于死亡、复发等不利事件，试验组发生较多，效果更差； 落于左侧则相反 森林图与异质性： 森林图显示了各个研究的效应量和可信区间，若各研究间可信区间有较少重叠，则可能存在异质性 点击这个 将图片“另存为” 可以设置的内容就是我们当初新建Outcome时的内容，所以新建Outcome只需随便选择，数据汇总后再根据异质性等进行修改 发现了吗？ 第三部分 连续型变量资料的Meta分析实现  概述 连续型变量：有具体数值的数据，如：身高、体重、肿瘤直径、血糖、血氧等 Meta分析中，连续型变量是身高、体重、血压、淀粉酶等数据，描述这样的数据，需要三个元素：均数、标准差和样本量 在做二分类变量的时候研究已经录入完毕，再次来到数据区：Data and analysis,然后“Add Comparison” 为这个新的“Comparison”取一个名字，如“C VS D”,然后Next 点“Nohing”,然后Finish 新的比较就建好了 接下来，Add Outcome 点“Continuous”，然后 next 为这个结果取一个名字，如：Length of ICU stay 又到了选择统计方法、效应指标、效应模型这一页，其和二分类变量有所区别 效应模型，同二分类变量 FE：固定效应模型，当纳入的各研究间异质性较好，可以用； RE：随机效应模型，通用 所以这里选择IV法，RE模型，MD值，然后Next 亚组选择 研究可信区间的选择 总可信区间的选择 一般全部选择默认，然后next Left/Right Gragh Lable:试验组和对照组的标签，可以自定义一下 Scale：森林图的尺度，默认100 Sort By：研究的排序方法，一般选第一个，选Study ID的首字母进行排序 全部设置完毕点Nothing,然后 finish 这个Outcome就建好了，双击它 和二分类变量一样，现在这个outcom现在还是空的 点击右上角 添加研究， 选择需要纳入的研究 和二分类变量一样，将相应的数据Copy进来，结果自动生成 各组研究的MD值及95%可信区间 各组研究的均数、标准差及样本量 合并总的MD值及95%可信区间 两组研究的样本量 总MD值的统计学检验（Z检验）结果，总MD值的P值 异质性检验：P＜0.0001，I2=99%，说明具有较高的异质性 统计指标:MD值，统计方法：IV法，固定效应模型，95%可信区间 第四部分 亚组分析的实现 亚组分析 亚组分析是处理异质性的常用方法，可以按照研究方案、研究质量，人种等进行分组 First author/year Country Ethnicity