今天的主题是：数据分析和处理，一二三四这个系列主要目的是为了完整叙述整篇meta的架构和流程，具体问题，后续再有文章进行一步步的解释。当然解释不到位的，可以私信。
#软件
三国鼎立各有千秋
我们先基于REVMAN软件进行操作，这是在考克兰网站的下载地址
RevMan 5 downloadtraining.cochrane.org
#设计图表
一篇meta里，最重要的就是绘制森林图、漏斗图、敏感性分析和亚组分析（后两者主要是当异质性检验过大时采用的方法）
文字什么的，找几篇文字，依葫芦画瓢，基本上都能画出来，这里先讲下数据设计，之前在拟定IDEA的时候，一般我们都会有几个指标，假设ABC，一种方法是——那么最好画一个森林图，其他两个用柱状图或者excel表格表示即可。
延伸，个人觉得B指标更适合当主要指标
比如下图，比较了正常和肺癌人群的SAA水平，这种方法就比较适合纳入的文献数据类型比较单一的
另外一种方法就比较高大上了，但也未必发的文章分数就比第一种高（大雾），这个表格里分为EGFR（-）和EGFR（+）两组，然后对年龄、P16、表现评分等几个维度又进行了分组。瞅了一眼纳入的文章数量为5（长吁一口气），所以当我们文献纳入数量并不多的时候，可以考虑这种方法。
漏斗图
考克兰手册是建议10篇文献以上才做漏斗图，文献数量太少做了好像也没人认
#绘制图表之森林图
在Revman里面，画出来森林图之后（怎么画，第三篇里详细说），这篇主要讲怎么设计和怎么看，我们需要关注什么指标呢？主要是四个
异质性检验
P值（有效性）
效应尺度
效应模型
异质性一般指meta分析中，纳入文献之间的存在的异质性。狭义定义为：专指统计学异质性，用来描述一系列研究中效应量的变异程度，也表明除可预见的偶然机会外研究间存在的差异性。应用Q及I²统计量，既可检测是否存在异质性，也可检测异质性的程度；适当应用图示法，找到引起异质性的异常点（某个或某几个研究）
如果异质性较小，选择固定效应模型更可靠；如果异质性较大，则建议选择随机效应模型。但仍然需要通过敏感性分析，寻找到异质性根据，以消除其影响。（考点，记住）
文章一般都要在表格或者表格下方对异质性进行说明
p值就是那个全部文献都又爱又恨的P值，也是森林图里那个菱形
效应尺度的话，你看this
#绘制图表之漏斗图
#敏感性分析和亚组分析
我自己是这么理解的
敏感性分析是从文献的质量上来归类，比如排除非intention to treat(ITT)的文献，比如排除没阐述分配隐藏的文献，而亚组分析主要从文献里分组病例特性来排除，比如排除平均年龄大于80的文献,排除营养不良率大于60%的文献，等等
可是我发现很多meta分析里面敏感性分析和亚组分析经常混为一谈了。
比如我们要做敏感性分析，主要有三种方法
而亚组分析呢
有部分研究拿亚组分析来比较不同特别对结果的影响，如上面这篇发在JAMA上的metn,它根据年龄，性别，NIHSS评分，ASPECTS评分等进行业组分析，然后根据其OR的值进行比较，得出那个因素对结果影响较大，这样做的合照性与否？——该问题引用自“郎中1987”的课
从目的上来，这是不对的；从统计的角度，也不一定错
总之，画完这几个图，基本上文章的图都有了，文字部分就是另外的问题啦。
