Stata在探索异质性来源——Meta回归分析中的应用

Meta回归分析是探索研究间异质性来源的重要方法。以网络数据为例详细介绍了应用Stata软件进行Meta回归分析的具体操作方法。     

HSROC模型在诊断试验Meta分析中的应用及Stata实现

目的介绍HSROC模型在诊断试验Meta分析中的应用。方法通过对实例中的数据采用Stata中“metandi”命令来拟合HSROC模型,进行Meta分析。结果通过拟合模型,可以获得双变量模型、HSROC模型、经典统计指标等多个汇总合并结果。结论HSROC模型用于诊断试验评价是恰当的、灵活的,可作为经典SROC法的改进和补充。     

无对照二分类资料的Meta分析方法及Stata实现

目的介绍无对照二分类资料Meta分析方法及在Stata软件中的操作步骤。方法首先介绍3种数据类型无对照二分类资料Meta分析的原理及方法,再用Stata软件对3个实例数据进行Meta分析。结果无对照二分类资料Meta分析的关键是选择服从正态分布或可转化为正态分布的指标。3个实例数据经正态转换后进行Meta分析,结果与原文一致。结论Stata软件可实现无对照二分类资料（含患病率、发病密度和比值）的Meta分析,操作简单,实用性强。     

Stata在Meta分析时异质性评价中的应用

研究间异质性评价是Meta分析的重要组成部分。本文以文献为例，详细介绍了Stata评价异质性的各种方法，表明Stata是Meta分析时评价研究间异质性的有力工具。     

回归分析中应正确使用r、R、R~2三种符号

回归方程中r是相关系数,R是复相关系数,R2是复确定系数。在统计学的回归分析中虽然常用它们来描述因变量与自变量的相关性和回归关系,但它们各自表达的统计学意义却不相同,因此三者不能混用。三者的关系是在一个因变量与一个自变量的线性相关和回归中,相关性符号用r,回归关系符号用R2;而在一个因变量的非线性回归或一个因变量与多个自变量的线性相关和回归中,相关符号须用R,这时回归关系符号应该用R2。     

回归分析中应正确使用r、R、R^2三种符号

回归方程中r是相关系数,R是复相关系数,R^2是复确定系数。在统计学的回归分析中虽然常用它们来描述因变量与自变量的相关性和回归关系,但它们各自表达的统计学意义却不相同,因此三者不能混用。三者的关系是在一个因变量与一个自变量的线性相关和回归中,相关性符号用r,回归关系符号用R^2;而在一个因变量的非线性回归或一个因变量与多个自变量的线性相关和回归中,相关符号须用R,这时回归关系符号应该用R^2。r、R、R^2使用错误,不但改变了使用符号的含意,同时也会使整个回归分析出现错误,因此,希作者在回归分析中务必正确使用。     

回归分析中应正确使用r、R、R~2三种符号

回归方程中r是相关系数,R是复相关系数,R2是复确定系数。在统计学的回归分析中虽然常用它们来描述因变量与自变量的相关性和回归关系,但它们各自表达的统计学意义却不相同,因此三者不能混用。三者的关系是在一个因变量与一个自变量的线性相关和回归中,相关性符号用r,回归关系符号用R2;而在一个因变量的非线性回归或一个因变量与多个自变量的线性相关和回归中,相关符号须用R,这时回归关系符号应该用R2。r、R、R2使用错误,不但改变了使用符号的含意,同时也会使整个回归分析出现错误,因此,希作者在回归分析中务必正确使用。     

回归分析中应正确使用r、R、R~2三种符号

回归方程中r是相关系数,R是复相关系数,R2是复确定系数。在统计学的回归分析中虽然常用它们来描述因变量与自变量的相关性和回归关系,但它们各自表达的统计学意义却不相同,因此三者不能混用。三者的关系是在一个因变量与一个自变量的线性相关和回归中,相关性符号用r,回归关系符号用R2;而在一个因变量的非线性回归或一个因变量与多个自变量的线性相关和回归中,相关符号须用R,这时回归关系符号应该用R2。r、R、R2使用错误,不但改变了使用符号的含意,同时也会使整个回归分析出现错误,因此,希作者在回归分析中务必正确使用。     

单核苷酸多态性数据的卡方及Logistic回归分析在SPSS统计软件中的实现

目的用SPSS11·0(statistical package fou social sciences)分析软件对贲门癌抑癌基因Ras相关区域家族1A多态性资料进行卡方分析,并用logistic回归分析计算不同基因型的优势比(odds ratio),以期为采用二分类因变量实验设计模型的临床与基础科研工作者提供可借鉴的统计学分析方法。方法应用SPSS11·0中二分类Logistic回归分析方法对病例-对照研究资料进行二值多元(非条件)Logistic回归分析。用单因素分析对自变量进行筛选,再对有显著性意义的自变量做多因素Logistic回归分析。结果可以得到影响患病与否的自变量,并可得到相应修正后的危险度。结论遗传学研究中的基因单核苷酸多态性(SNP)数据,属于因变量为分类变量的多变量资料,可归结于统计中的病例-对照研究资料,可以用Logistic回归分析探究其多态性意义,同时还可进行不同基因型危险度分析。应用SPSS统计软件易于实现该类数据的统计分析。     

回归分析中应正确使用r、R、R2三种符号

回归方程中r是相关系数,R是复相关系数,R2是复确定系数。在统计学的回归分析中虽然常用它们来描述因变量与自变量的相关性和回归关系,但它们各自表达的统计学意义却不相同,因此三者不能混用。三者的关系是在一个因变量与一个自变量的线性相关和回归中,相关性符号用r,回归关系符号用R2;     

Basic statistics for clinicians: 4. Correlation and regression.

Correlation and regression help us to understand the relation between variables and to predict patients' status in regard to a particular variable of interest. Correlation examines the strength of the relation between two variables, neither of which is considered the variable one is trying to predict (the target variable). Regression analysis examines the ability of one or more factors, called independent variables, to predict a patient's status in regard to the target or dependent variable. Independent and dependent variables may be continuous (taking a wide range of values) or binary (dichotomous, yielding yes-or-no results). Regression models can be used to construct clinical prediction rules that help to guide clinical decisions. In considering regression and correlation, clinicians should pay more attention to the magnitude of the correlation or the predictive power of the regression than to whether the relation is statistically significant.     

肺癌患者吸烟与p53基因突变关联性的Meta分析

目的：采用Meta分析的方法综合评价肺癌患者吸烟与p53基因突变的关联性。 方法：全面检索PubMed、Web of Science、ProQuest和Medline数据库,收集有关肺癌患者吸烟与p53基因突变关系研究的文献。在全面文献回顾的基础上对文献进行筛选、评价和数据提取。采用Stata 12.0软件对纳入文献进行Meta分析,包括异质性检验、评估文献发表偏倚、敏感性分析、合并效应量及累积Meta分析。 结果：本研究共纳入15篇文献,包含1 770
名肺癌患者,其中69.6%为吸烟者,30.4%为非吸烟者。异质性检验未发现各研究间存在明显异质性。肺癌患者吸烟与p53基因突变关系的合并OR=2.70,95%CI=2.04~3.59。 结论：肺癌患者吸烟与p53基因突变有关联性;与非吸烟者比较,吸烟者的p53基因突变风险高。
     

线性回归中不规则数据的处理方法及其应用

目的：考察不规则数据对经典最小二乘回归的影响，提出处理变量中存在不规则数据的稳健统计分析方法．方法：采用实证方式比较稳健估计与一般最小二乘估计的优劣．结果：实例分析表明，稳健回归估计是处理不规则数据的有效方法。结论：不规则数据对最小二乘回归的影响已引起广泛的注意，提出了一些处理应变量中不规则数据的方法，而对自变量中及自变量与应变量中同时存在的不规则数据无有效的处理方法．本应用稳健统计的思想解决了这一问题，该方法也可直接应用于多元线性回归分析中。     

基于关键变量的OPLS预测方法

产品的最终质量主要是由生产过程中的关键变量决定的,因此,回归模型的质量预测能力与过程变量的选择密切相关。本文提出了一种新的基于关键变量（CV）的OPLS预测方法（CV-OPLS）,用于输出变量较多过程的质量预测。首先,根据关键变量选取准则,为每个质量变量选取建模所需的关键过程变量。为了减少最后需要建立的模型个数,将由质量变量及其相应的关键过程变量组成的数据阵进行重组,并用OSC算法去除重组后的数据阵中与质量变量无关的干扰信息。然后,对校正后的数据阵建立PLS模型,求取相应的模型回归系数,得到最终的质量预测结果。与传统的PLS及OPLS方法相比,该方法能够在保证模型较好预测精度的前提下,有效地简化模型结构。最后,通过Tennessee Eastman（TE）过程的实验仿真验证了CV-OPLS方法的有效性。     

可溶性ST2作为慢性心力衰竭预后评估标志物的Meta分析

目的 评估可溶性ST2在慢性心力衰竭预后中的预测价值。方法 对PubMed、EMBASE、SODS、中国知网、中国生物医学文献、万方等数据库及Cochrane图书馆进行检索,筛选出与可溶性ST2评估慢性心力衰竭预后相关的中英文文献,提取基本资料、风险比(HR)及95%置信正间(95% CI),采用Stata 11.0进行Meta分析。结果 共纳入7篇符合文献,异质性检验结提示研究间存在异质性。采取随机效应模型合并效应量,单因素分析合并效应HR=1.62,95% CI:1.48~1.77;多因素分析合并效应HR=1.14,95% CI:1.08~1.21。敏感性分析结果提示本次Meta分析结果稳定性较好。结论 可溶性ST2是慢性心力衰竭不良预后的独立预测因子。     

星点设计-效应面法优化水飞蓟素滴丸的制备工艺

目的采用固体分散技术将水飞蓟素制成滴丸,以增加其溶出速度,提高生物利用度。以星点设计-效应面优化法对制备工艺进行优化,筛选最佳处方。方法以Po loxam er 188的用量及药物的质量分数为考察因素,崩散时间以及一定时间的溶出度为指标,采用多元线性回归及二次和三次多项式拟合建立指标与考察因素之间的数学关系,根据最佳数学模型描绘效应面,再根据效应面优选最佳条件。结果三次多项式是描述指标与因素之间的最佳模型,r=0.998。最佳处方滴丸的崩散时间及溶出度的理论预测值与实测值偏差较小,模型具有良好的预测性。60 m in溶出度为普通片剂的19倍。结论水飞蓟素制成滴丸后溶出速度显著提高,星点设计-效应面优化法可以很好地应用于处方筛选。     

星点设计-效应面法优化细辛脑的溶解度

目的 星点设计-效应面优化法优化细辛脑的溶解度.方法 以pH值、烟酰胺和卵磷脂的用量为考察因素,细辛脑的溶解度为考察指标,用线性方程和二次多项式描述细辛脑溶解度和3个考察因素之间的数学关系,根据最佳效应面,选择最佳组成,并进行预测分析.结果 细辛脑的溶解度与3个考察因素之间用线性方程拟合效果不好,其相关系数为0.724...     

替莫唑胺对高级别脑胶质瘤疗效的Meta分析

目的比较不同治疗药物在高级别脑胶质瘤手术治疗后的效果,分析评价替莫唑胺的疗效。方法利用文献检索方法收集国内使用替莫唑胺治疗高级别脑胶质瘤的文献,对符合入选条件的文献,应用Stata软件中的Me-ta程序分析替莫唑胺对高级别脑胶质瘤的疗效。结果入选文献7篇,共纳入病例438例,其中治疗组227例,对照组211例。Meta分析结果显示,合并OR值为3.70,95%可信区间为2.37～5.79,Mantel-Haenszel的固定效应模型检验结果 Z=5.75,P<0.01,表明替莫唑胺的总体疗效显著高于其他同类药物。结论替莫唑胺可作为当前阶段治疗高级别脑胶质瘤首选药物。     

TNF-α基因启动子区多态性与中国人群冠心病易感性关系的Meta分析

目的采用Meta分析的方法探讨肿瘤坏死因子-α（TNF-α）基因启动子区-238G/A、-308G/A和-863C/A多态性与中国人群冠心病易感性的关系。方法利用PubMed、万方和重庆维普中文科技期刊数据库检索所有相关文献,检索日期截至2012年10月。由两名研究者分别独立检索文献、评价文献质量、提取资料并交叉核对。利用Stata 10.1统计学软件采用固定或随机效应模型计算优势比（odds ratio,OR）和95%置信区间（95%confidence interval,95%CI）对TNF-α-238G/A、-308G/A和-863C/A多态性与冠心病易感性的关系进行总体评估。结果共有8篇文献（包含14项独立研究）纳入当前的Meta分析,所有文献研究对象均源自汉族人群。Meta分析结果显示,TNF-α-238G/A和TNF-α-308G/A多态性与中国人群冠心病的发生无显著相关性（P〉0.05）,然而携带TNF-α-863A等位基因（基因型CA或AA）的个体发生冠心病的概率降低了32%（OR=0.68,95%CI=0.51-0.90,P=0.007）。结论中国汉族人群中TNF-α-863C/A多态与冠心病易感性显著相关,但仍需在大样本量的病例对照研究中进一步验证。     

星点设计法及正交试验设计优化淫羊藿提取工艺的比较研究

目的：采用正交设计与星点设计-效应面法两种试验设计方法优选淫羊藿提取工艺,并对设计方法进行比较.方法：以淫羊藿苷提取量为因变量,乙醇浓度、回流时间和溶剂（倍）量为自变量,优选提取工艺.结果：正交试验设计确定最佳工艺是12倍量60%乙醇回流提取2次,每次3 h.星点设计效应面优化法确定最佳工艺是12倍量50%乙醇回流提取2次,每次160 min.结论：星点设计-效应面法在本提取工艺研究中优于正交试验设计法,为其应用于中药提取工艺优化的可行性提供了依据.