关注今日：10 | 主题：149576
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
【原创】剂量反应关系Meta分析在Stata软件中的实现已在《循证医学》杂志发表，欢迎阅读
页码直达：
丁香园准中级站友
这个帖子发布于2年零243天前，其中的信息可能已发生改变或有所发展。
好消息，我们团队写的《剂量反应关系meta分析在STATA软件中的实现》日前已发表，欢迎阅读，免叮当下载！
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
mike305 edited on
收起全部有料回复
学习了！但是发现一个问题，请赐教。文章中线性剂量反应关系曲线图语句中xblc doses*, c(dose) at(`r(levels)') ref(0) eform 运行后总是出现 [doses1] not found ，不知是何问题？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
水天之间 edited on
丁香园版主
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
支持周权老师
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
马克！等下看
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
9月初已经拜读过周老师团队的佳作，学习的好资源啊！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
丁香园助理版主
期待已久的资料，终于有了，谢谢老师
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
好文啊，就是晚了点！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
不过还是超赞
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
恭喜周老师团队，一篇好文章，理论解释很好，赞有理论解释的文章，一点小建议，link function是不是译为联接函数更好些，我在这吹毛求疵，别介意
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
dongsj edited on
丁香园准中级站友
dongsj 恭喜周老师团队，一篇好文章，理论解释很好，赞有理论解释的文章，一点小建议，link function是不是译为联接函数更好些，我在这吹毛求疵，别介意久仰董老师大名，多谢！嗯，剂反的理论比较难懂，还在研究中
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
mike305 久仰董老师大名，多谢！嗯，剂反的理论比较难懂，还在研究中您太谦虚了，文中的剂反方法涉及到的方法是多项式回归和样条函数（是曲线拟合的方法），可以参考一下这类的统计教材
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
dongsj edited on
学习了！但是发现一个问题，请赐教。文章中线性剂量反应关系曲线图语句中xblc doses*, c(dose) at(`r(levels)') ref(0) eform 运行后总是出现 [doses1] not found ，不知是何问题？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
水天之间 edited on
丁香园准中级站友
glw1019 学习了！但是发现一个问题，请赐教。文章中线性剂量反应关系曲线图语句中xblc doses*, c(dose) at(`r(levels)') ref(0) eform 运行后总是出现 [doses1] not found ，不知是何问题？这里把doses*,改成dose*
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
mike305 这里把doses*,改成dose*周老师不好意思，昨天值班还没来得及探讨该问题，本想今天下夜班好好想想，不料老师先一步了
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
这么多循证培训班都不会讲的核心内容，周师兄公开无私奉献，对其心胸好好赞一个
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
确实是期待已久的神作终于建刊啦，学习中，其实在园之中有很多站友都有咨询怎么学写meta分析，怎么学写系统回顾，周老师的这篇文章大家就可以用来作为写dose response meta的一个重要的参考文献嘛；我一直都觉得无论是systematic review or meta analysis 我们初学者或者说是非统计专业的人士最主要的是学习方法学，而不应该是集中理论方面的学习，当然对于理论的学习可以进一步加深对方法的认识，但是对于非统计专业的人士来说搞懂meta的所有理论是比较困难的；所谓万事开头难，第一篇完成后后续的可能更多的是套路的熟悉了。我的第一篇meta分析就是拿过来一篇文献按照上面的方法，搜索文献、提取数据、软件使用、结果分析，然后和文章进行对比，看是否一制；在这整个过程中，许多人都认为软件使用是最难的，而这一部分不光是整个过程最难的，也是文章的基础，如果无法通过软件操作得到正确的结果，即使你的讨论、你的文章写的多么perfect，终究是一个错误的结果；那对于软件的使用该怎么学习，就可以用到园子里各位大神们写的一些发表的中文文章，这些文章准确的说是一步一步的教读者怎么输入数据、怎么合并、怎么画图、怎么输出结果。很高兴丁香园有这么多的高手，写出这么多的文章，其实在meta的道路上，这些文章才是我们真正的老师，而这些文章的作者才是meta道路上的先行者。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
水天之间 edited on
丁香园准中级站友
qbdchn11 确实是期待已久的神作终于建刊啦，学习中，其实在园之中有很多站友都有咨询怎么学写meta分析，怎么学写系统回顾，周老师的这篇文章大家就可以用来作为写dose response meta的一个重要的参考文献嘛；我一直都觉得无论是systematic review or meta analysis 我们初学者或者说是非统计专业的人士最主要的是学习方法学，而不应该是集中理论方面的学习，当然对于理论的学习可以进一步加深对方法的认识，但是对于非统计专业的人士来说搞懂meta的所有理论是比较困难的；所谓万事开头难，第一篇完成后后续的可能更多的是套路的熟悉了。我的第一篇meta分析就是拿过来一篇文献按照上面的方法，搜索文献、提取数据、软件使用、结果分析，然后和文章进行对比，看是否一制；在这整个过程中，许多人都认为软件使用是最难的，而这一部分不光是整个过程最难的，也是文章的基础，如果无法通过软件操作得到正确的结果，即使你的讨论、你的文章写的多么perfect，终究是一个错误的结果；那对于软件的使用该怎么学习，就可以用到园子里各位大神们写的一些发表的中文文章，这些文章准确的说是一步一步的教读者怎么输入数据、怎么合并、怎么画图、怎么输出结果。很高兴丁香园有这么多的高手，写出这么多的文章，其实在meta的道路上，这些文章才是我们真正的老师，而这些文章的作者才是meta道路上的先行者。感谢qbdchn11 给予我们这么高的评价,这也是我们继续研究的动力,另外几篇文章也在投稿中,到时再与大家分享
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
qbdchn11 确实是期待已久的神作终于建刊啦，学习中，其实在园之中有很多站友都有咨询怎么学写meta分析，怎么学写系统回顾，周老师的这篇文章大家就可以用来作为写dose response meta的一个重要的参考文献嘛；我一直都觉得无论是systematic review or meta analysis 我们初学者或者说是非统计专业的人士最主要的是学习方法学，而不应该是集中理论方面的学习，当然对于理论的学习可以进一步加深对方法的认识，但是对于非统计专业的人士来说搞懂meta的所有理论是比较困难的；所谓万事开头难，第一篇完成后后续的可能更多的是套路的熟悉了。我的第一篇meta分析就是拿过来一篇文献按照上面的方法，搜索文献、提取数据、软件使用、结果分析，然后和文章进行对比，看是否一制；在这整个过程中，许多人都认为软件使用是最难的，而这一部分不光是整个过程最难的，也是文章的基础，如果无法通过软件操作得到正确的结果，即使你的讨论、你的文章写的多么perfect，终究是一个错误的结果；那对于软件的使用该怎么学习，就可以用到园子里各位大神们写的一些发表的中文文章，这些文章准确的说是一步一步的教读者怎么输入数据、怎么合并、怎么画图、怎么输出结果。很高兴丁香园有这么多的高手，写出这么多的文章，其实在meta的道路上，这些文章才是我们真正的老师，而这些文章的作者才是meta道路上的先行者。 基础还是有一些的，否则如何完整正确的解释所得到的结果。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
mike305 这里把doses*,改成dose*修改后还是出现问题。提示 option at() required但是看看程序似乎没有问题，求解答。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
丁香园准中级站友
你下载我的代码,我刚运行了一下,没有问题,没任何提示
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
已下载文章。改日定当好好拜读好文。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
mike305 你下载我的代码,我刚运行了一下,没有问题,没任何提示不知道什么原因，反正好了！多谢！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
周老师，又来打扰您了！关于《剂量反应关系Meta分析在Stata软件中的实现》 一文，有2个问题不懂，恳请周老师解惑：（1）p值只要接近0.05，就一定要做线性剂反关系分析吗？（2）文中说“根据前面p=0.046，因此需要进行固定效应模型的meta分析”。这个固定效应模型还是随机效应模型的选择是根据什么标准呢？另外，如果需要选择随机效应模型，那么应该对命令内容作如何修改呢？谢谢周老师！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
好文，拜读了
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
提示XBLC无法识别？？，12.0，ssc install xblc不成功，啥情况呢
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
jswu167 提示XBLC无法识别？？，12.0，ssc install xblc不成功，啥情况呢findit xblc
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
I/O error either
is not a valid URL, or
could not be contacted, or
is not a Stata download site (has no stata.toc file).r(691);---------------------------------------------------------------------------------------------(click here to return to the previous screen)步履蹒跚呀，学习不容易
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
package installation---------------------------------------------------------------------------------------------package name:
st0215.pkg
checking st0215 consistency and verifying not already installed...installing into c:\ado\plus\...installation complete.---------------------------------------------------------------------------------------------(click here to return to the previous screen)成功了，秘诀是反复试，呵呵
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
glst logrr dose , se(se) cov(peryears cases) pfirst(study type)predictnl lrr_lin =_b[dose]*dose, ci(lo hi)gen rr_lin = exp(lrr_lin)gen lblin=exp(lo)gen ublin=exp(hi)levelsof dose, local(level)xblc dose*, c(dose) at(`r(levels)') ref(0) eformtwoway
(line lblin ublin rr_lin dose, sort lp(shortdash shortdash 1) lc(black black black) ) , scheme(s1mono) ylabel(1 1.2 1.5 1.9, angle(horiz)) xlabel(0(5)60) legend(off)
ytitle(&Relative Risk&, margin(right))
xtitle(&Alcohol intake, grams/day& , margin(top_bottom) ) name(figure1B, replace) yscale(log)
plotregion(style(none))按照您提供代码，有出现问题。. xblc dose*, c(dose) at(`r(levels)') ref(0) eformdose
(95% CI)[doses1] not foundr(111);请高手指点！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
丁香园准中级站友
xuweilove2008 周老师，又来打扰您了！关于《剂量反应关系Meta分析在Stata软件中的实现》 一文，有2个问题不懂，恳请周老师解惑：（1）p值只要接近0.05，就一定要做线性剂反关系分析吗？（2）文中说“根据前面p=0.046，因此需要进行固定效应模型的meta分析”。这个固定效应模型还是随机效应模型的选择是根据什么标准呢？另外，如果需要选择随机效应模型，那么应该对命令内容作如何修改呢？谢谢周老师！①：不一定，但最好都做一下！②固定和随机看拟和优度的Ｐ
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
丁香园准中级站友
jswu167 glst logrr dose , se(se) cov(peryears cases) pfirst(study type)predictnl lrr_lin =_b[dose]*dose, ci(lo hi)gen rr_lin = exp(lrr_lin)gen lblin=exp(lo)gen ublin=exp(hi)levelsof dose, local(level)xblc dose*, c(dose) at(`r(levels)') ref(0) eformtwoway
(line lblin ublin rr_lin dose, sort lp(shortdash shortdash 1) lc(black black black) ) , scheme(s1mono) ylabel(1 1.2 1.5 1.9, angle(horiz)) xlabel(0(5)60) legend(off)
ytitle(&Relative Risk&, margin(right))
xtitle(&Alcohol intake, grams/day& , margin(top_bottom) ) name(figure1B, replace) yscale(log)
plotregion(style(none))按照您提供代码，有出现问题。. xblc dose*, c(dose) at(`r(levels)') ref(0) eformdose
(95% CI)[doses1] not foundr(111);请高手指点！武老师也来了啊，代码我运行过，应该木有问题．
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
超级好的文章。之前在坛子里下载过命令，也能画出图来。但是完全不知道各个命令是什么意思。原来还要区分线性和非线性。。。原来我之前一直在乱用太感谢啦
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
师兄的文章终于发表咯哈！！恭喜啊~~投票支持！！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园应用SAS软件宏命令实现剂量反应关系Meta分析
周权, 罗美玲, 王冕, 梁颖, 薛静, 陈文航. 应用SAS软件宏命令实现剂量反应关系Meta分析.循证医学,): 54-60ZHOU Quan, LUO Mei-ling, WANG Mian, LIANG Ying, XUE Jing, CHEN Wen-hang. Application of SAS Software Macro for Realizing the Dose Response Meta-Analysis. Journal of Evidence-based Medicine, ): 54-60&&
Permissions
应用SAS软件宏命令实现剂量反应关系Meta分析
通讯作者:罗美玲,Tel：3; E-mail：
作者简介:周权（1987-）,男,湖南常德人,医师,医学硕士,从事循证医学方法学研究。
基金项目:常德市科技指导性计划资助项目（2014ZD11）
]SAS被誉为国际上数据处理和统计分析领域的标准软件系统,其程序编写复杂且难度较大,对使用者的要求较高。为了更好地使用SAS软件实现剂量反应的Meta分析,由美国哈佛大学开发的应用于剂量反应Meta分析的SAS宏%metadose可以方便地实现剂量反应的Meta分析,并绘制非线性剂量反应曲线,结合实例进行详细介绍。
剂量反应关系;
中图分类号:R195.1
文献标识码:A
Application of SAS Software Macro for Realizing the Dose Response Meta-Analysis
ZHOU Quan1,
LUO Mei-ling2,
WANG Mian3a,
LIANG Ying3a,
XUE Jing3a,
CHEN Wen-hang3b
SAS system is considered as one of international standard software systems in the field of data processing and statistics. However, it requires the user has higher capability due to its complex and difficult programming. For well applying SAS for conducting a meta-analysis, Ruifeng Li and Donna Spiegelman developed a macro named metadose for realizing the dose response meta-analysis and generating the graph. In this paper, we introduce it with specific data.
Key words:
dose response;
meta-analysis;
system review;
SAS software;
剂量反应关系的Meta分析是一类新型的Meta分析方法, 相比标准的二分类及连续性资料Meta分析, 此类研究可同时处理三个及以上组别的数据, 并直接估计暴露因素与疾病的剂量反应关系[]。但此类研究的统计方法较为复杂, 与标准Meta分析有所不同, 也无法用Meta分析的标准软件Review Manager软件实现。目前国内仅有罗美玲[]、张天嵩[]、曾宪涛[]介绍了剂量反应关系Meta分析在Stata软件中的实现方法, 实际上在2010年由美国哈佛大学的Ruifeng Li和Donna Spiegelman共同开发的基于SAS软件的%metadose宏命令能轻松地完成这一类Meta分析方法。鉴于此, 本文结合实例将应用SAS软件%metadose宏命令实现剂量反应Meta分析的方法引入国内, 以期为此类Meta分析提供方法学指导。1 SAS软件及SAS宏简介SAS（statistical analysis system）软件于1964年由美国北卡罗莱纳州立大学开始研制, 1976年正式推出, 是目前在国际上最具影响力的统计软件之一, 具有完备的数据访问、数据管理、数据分析和数据呈现功能, 目前SAS的最高版本为9.3版本[]。SAS软件的使用主要靠输入代码编程驱动, 故应用SAS软件有一定的难度, 而利用SAS软件的宏可以减少在完成一些共同任务时必须输入的文本量, 也可以使程序模块化, 使程序具有易读、便于修改、移植、方便重复使用的优点。SAS宏是一段编辑好的程序, 用户可以在提交SAS程序或SAS命令行中调用。利用%macro语句开始一个宏, 同时给出这个宏的名字, 如：% 用%mend语句结束一个宏, 其后给出宏的名字, 如%mend abc。放一个百分数符号（%）在宏名字的前面可以调用一个宏, 如%abc。被定义在一个%macro语句的宏名字后括号内的宏变量称宏参数, 可以直接给出宏参数的值, 也可在调用这个宏时给出这些参数的值[]。2 metadose宏的获取metadose宏是由美国哈佛大学Ruifeng Li和Donna Spiegelman教授在2010年共同开发的专门用于剂量反应Meta分析的SAS宏, 被免费公布在网上, 网址为：, 打开SAS软件后, 可以将此宏命令粘贴到编辑器中, 以方便后面调用。3 实例分析数据来源剂量反应的Meta分析只适合于分析三类研究数据：病例对照研究, 以人年为基础的队列研究, 以累计发病数为基础的队列研究。本次研究的具体数据可见曾宪涛《应用STATA做Meta分析》一书[]。该研究共纳入9篇原始文献, 其中6篇为病例对照研究、3篇为队列研究（为人年队列研究）。数据格式是：研究作者（author, 字符型）、研究编号（id, 数值型）、发表年份（year, 数值型）、剂量（dose, 数值型, 一般取原始暴露剂量区间的中位数）、调整混杂后的效应量（adjrr, 数值型）、效应量95%可信区间（confidence interval, CI）下限（lower, 数值型）、效应量95%CI上限（upper, 数值型）、研究类型（type, 数值型, 分别用1、2、3表示人年队列研究、累计发病数队列研究和病例对照研究）、总数（n, 数值型, 人年队列研究则为各暴露剂量区间的随访人年数, 累计发病数队列研究和病例对照研究则为各暴露剂量区间人口数）、病例（cases, 数值型, 各暴露剂量区间的病例数）, 具体数据见。表1表1
表1 剂量反应关系Meta分析实例数据
表1 剂量反应关系Meta分析实例数据4 数据的录入由于SAS中的各个过程只能对SAS数据集中的数据进行处理, 所以如何将数据转换成SAS数据集是SAS进行统计分析的基础。在数据录入过程中, 每项研究的效应量（adjrr）只允许参照组为1, 相应的95%CI上下限用英文状况下的点表示, 如果遇到同一研究组的其它组adjrr也为1的情况, 那么可以相应地多取几位小数点, 如实例数据Cozen 研究中adjrr=1.001的情况。将示例数据录入SAS软件, 建立allstudies数据集：data allstudies; inputauthor id year dose adjrr lower upper type n cases; datalines; Engle 1
. . 3 50 15Engle 1
0.9 0.4 2.2 3 56 21Engle 1
1.3 0.6 2.9 3 54 35Engle 1
0.9 0.4 2 3 52 16Risch 2
. . 3 232 97Risch 2
1.04 0.71 1.53 3 250 107Risch 2
0.86 0.58 1.28 3 243 102Risch 2
1.07 0.72 1.59 3 284 143……; run; 5 用metadose宏进行剂量反应Meta分析5.1 metadose宏参数介绍在SAS软件中, 剂量反应的所有分析过程都被整合在metadose宏中, 使用者只需对作者自己设定的参数进行赋值, 就可以很方便地定制各种所需结果, 这里对metadose宏主要的参数进行介绍。metadose（dat, ratio, UB, LB, Ncase, Ntotal, dose, studyname=citation, studytype, meta=T/N, wt, unit_wt, var_covar, linearCheck=1/0, nk, ci, graphtitle）其中dat可指定之前所定义的数据集名称, ratio指定效应量变量[因为剂量反应Meta分析只适合于病例对照和队列研究, 故只能用于比值比（odds ratio, OR）和相对危险度（relative risk, RR）二类], UB指定效应量的上限, LB指定效应量的下限（每次分析中可只指定UB或LB）, Ncase指定病例数变量, Ntotal指定各区间总数变量, dose指定各组平均暴露剂量变量, studyname指定研究作者变量, studytype指定原始研究类型变量, meta=T/N逻辑选择是否进行多个研究的Meta分析效应量合并, wt指定Meta分析合并效应量所表示的暴露剂量大小, unit_wt表示暴露剂量单位, var_covar指定用于单个研究中协方差矩阵估计的方法, 提供了4种选择G（Greenland method）/H（Hamling method）/GH（both Greenland and Hamling method）/K（用户自定义）, 其中系统默认的是GH; linearCheck=0/1指定是否对剂量反应曲线进行非线性检验, nk表示使用限制性立方样条进行非线性剂量反应分析时指定的样条的数目, ci=0/1/2指定合并剂量反应95%CI上下限曲线的绘制方法（0为不绘制95%CI上下限曲线, 1为阴影形式, 2为点线形式）, graphtitle表示剂量反应曲线的名称。5.2 总体剂量反应Meta分析演示将9篇（6篇为病例对照研究, 3篇为队列研究）关于牛奶制品摄入量与卵巢癌发病风险的研究数据录入SAS软件数据集后, 先将下载好的%metadose宏读入SAS软件, 运行一下, 再根据5.1介绍内容对%metadose宏参数进行如下指定：%metadose（dat = allstudies, ratio = adjrr, UB = upper, Ncase= cases, Ntotal= n, dose = dose, studyname = author, studytype = type, meta = T, wt =1, unit_wt = servings/day, var_covar= GH, linearCheck = 1, ci = 2, graphtitle = milk products and ovarian cancer risk)从SAS软件自动返回的结果（）中可以发现, 9项研究合并的异质性在Greenland和Hamling两种协方差矩阵估计方法下分别是：QG=18.29, P=0.02, QH=19.07, P=0.01, 两个结果相差不大, 表明研究之间还是存在一定的异质性。保守估计的话可以看随机效应模型的结果：ORG及95%CI 1.01（0.94~1.09）, P=0.75; ORH及95%CI 1.01（0.94~1.09）, P=0.78。提示牛奶制品的摄入量与卵巢癌患病风险间的联系无统计学意义。表2表2
表2 9项牛奶制品摄入量与卵巢癌发病风险剂量反应分析结果
表2 9项牛奶制品摄入量与卵巢癌发病风险剂量反应分析结果5.3 亚组剂量反应Meta分析演示本次研究纳入队列研究和病例对照两种类型的研究, 而合并分析的结果显示具有异质性, 因此我们不妨做一个关于研究类型的亚组分析, 对6篇为病例对照研究和3篇为队列研究按照总体剂量反应Meta分析的方法分开来分析一下, 看是否能找到异质性的来源。6项牛奶制品摄入量与卵巢癌发病风险病例对照研究剂量反应分析结果见。Greenland和Hamling两种协方差矩阵估计方法下分别是：QG=7.94, P=0.16, QH=8.95, P=0.11。表明6项病例对照研究结果是同质的。固定效应模型的结果为：ORG及95%CI 0.96（0.91~1.02）, P=0.21; ORH及95%CI 0.96（0.91~1.02）, P=0.23, 提示牛奶制品的摄入量与卵巢癌患病风险间的联系无统计学意义。表3表3
表3 6项牛奶制品摄入量与卵巢癌发病风险病例对照研究剂量反应分析结果
表3 6项牛奶制品摄入量与卵巢癌发病风险病例对照研究剂量反应分析结果另外3项牛奶制品摄入量与卵巢癌发病风险的队列对照研究剂量反应分析结果显示（）, Greenland和Hamling两种协方差矩阵估计方法下分别是：QG=0.09, P=0.96, QH=0.10, P=0.95, 表明3项队列研究结果是同质的。固定效应模型的结果为：ORG及95%CI 1.13（1.04~1.22）, P=0.00; ORH及95%CI 1.13（1.05~1.22）, P=0.00。提示牛奶制品的摄入量与卵巢癌患病风险间的关系有统计学意义, 则可进一步确定剂量反应的曲线图形, 再观察SAS软件返回的非线性检验的结果：对根据Greenland和Hamling两种方法非线性检验, P值均小于0.05, 表明3项队列研究中牛奶制品摄入量与卵巢癌发病存在非线性剂量反应关系。表4表4
表4 3项牛奶制品摄入量与卵巢癌发病风险队列研究剂量反应分析结果
表4 3项牛奶制品摄入量与卵巢癌发病风险队列研究剂量反应分析结果5.4 非线性剂量反应Meta分析非线性剂量反应Meta分析使用限制性三次样条（restricted cubic spline）来作为链接函数：formula=logrr~rcs（dose, knots）。回归样条（regression spline）本质上是一个分段多项式, 但它一般要求在每个分段点上连续并且二阶可导。即：设自变量数据的范围在区间[a, b], 并根据需要分成k个段 a=t0< t1< …< tk-1< tk=b, 在每个区间[tk-1, ti）分别用一个多项Si（x）式表示, 则回归样条f（x）= Si（x）当x∈ [tk-1, ti）, 并且fn（x）在[a, b]存在连续。限制性三次样条是在回归样条的基础上附加要求：样条函数在自变量数据范围两端的两个区间[t0, t1）和（tk-1, tk]内是线性函数, 满足上述性质的样条函数通常用Rcs（x）表示[], 在SAS软件中%metadose宏将自动对每个研究进行默认nk=4的样条回归, 并以图形方式显示非线性剂量反应曲线。本例中3项牛奶制品摄入量与卵巢癌发病风险队列研究剂量反应曲线如。图1
图1 牛奶制品摄入量与卵巢癌发病风险剂量反应曲线4 讨论在流行病学研究中, 如果随着某暴露因素剂量的变化, 研究疾病的频率或联系强度亦相应变化, 则认为这两者存在剂量反应关系。暴露与结局存在剂量反应关系是疾病因果推断的标准之一[]。剂量反应的Meta分析, 是对多个原始剂量反应研究进行综合汇总, 得出一条合并的剂量反应关系曲线的一类Meta分析, 高质量的剂量反应Meta分析对探讨疾病因果具有非常重要的意义。近年来此类Meta分析文章在国外期刊上发表数量越来越多[, , , , , , , , , ], 而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角。究其原因：一方面是因为此类Meta分析的统计方法计算较为繁琐, 可以实现的软件操作都涉及到编程, 详细介绍此类Meta分析方法学的文献极少; 另一方面, 高质量的剂量反应Meta分析研究价值较大, 国内作者完成此类Meta分析后, 多选择在国外期刊上发表。实际上此类Meta分析方法学研究还是比较成熟的, 文章的数据也越来越多。只要把国外的研究方法介绍到国内, 完全可以让国内更多的研究者掌握并熟练使用这一类Meta分析方法, 提供更多的循证医学证据。剂量反应Meta分析的研究思路如下：确定研究的目标后, 一般先收集暴露与疾病的病例对照和队列研究, 在每个病例对照和队列研究中挑选出最高剂量组相对于最低剂量组的RR/OR值的95%CI进行Meta分析合并, 得到一个汇总的RR/OR合并值, 如果这个合并RR/OR值是有统计学意义的, 说明暴露与疾病之类是有关联的, 再进一步进行剂量反应Meta分析探讨这种关联是否存在一种剂量反应关系[], 标准Meta分析在SAS软件中同样也可以通过宏来实现, 相关的操作方法可参考国内鄢金柱、曾宪涛等的文献[]。剂量反应Meta分析收集的数据一般至少要求3个组别以上, 以每个研究最低剂量组为参照组, 该研究其它剂量组均和参照组进行对比。提取各剂量组的平均剂量或中位数剂量做为剂量组的点估计值也就是实例数据中的dose, 如果最低剂量组是开区间则假定最低值为0, 如果最高剂量组是开区间则假定最高剂量组的中点值是最高剂量低值边界的1.5倍[]。剂量反应Meta分析从本质上来说是一种回归分析, 因此也具有回归分析的一些特点：剂量反应Meta分析曲线中剂量的取值范围要求在原始研究剂量的最大值和最小值之间, 不能外推至拟合剂量范围之外。在做剂量反应Meta分析中会涉及到一个线性剂量反应关系和非线性剂量反应关系的问题, 一般的做法是先用限制性三次样条（restricted cubic spline）作为链接函数拟合一个非线性模型, 若设定模型自变量包括四个回归样条, 利用卡方检验对第二个和第三个回归样条回归系数作是否同时为0的假设检验, 如果P> 0.05, 则为线性剂量反应关系, 反之则认为存在非线性剂量反应关系[, ]。目前进行剂量反应Meta分析的软件主要有SAS、STATA和R软件, STATA软件利用GLST程序包实现[, , ], R软件主要通过dosresMeta程序包实现[]。STATA软件 GLST程序包在2005年由瑞典统计学家Nicola Orsin团队开发, 并迅速得到广大Meta分析爱好者的青睐, 2010年美国哈佛大学的Ruifeng Li和Donna Spiegelman共同开发基于SAS软件的metadose宏命令, Orsini等曾专门撰文进行对比, 显示具有一致的分析结果[]。本次研究利用相同的数据与曾宪涛书中用STATA软件分析结果也一致[], R软件dosresMeta程序包则是2013年由Orsini教授的博士研究生Alessio Crippa研发, 目前正在进一步完善中。对比STATA软件和R软件的程序包, SAS软件metadose宏做剂量反仅的优势在于：只需要较少的代码, 就能得到剂反所有的分析结果, 特别是绘图方面, 均由宏程序自己生成。当然这套宏程序也有自身的局限性：灵活性不够, 绘图不够美观。笔者建议剂量反应Meta分析爱好者自学这三种程序后, 配合使用, 用SAS软件metadose宏进行探索性分析, 再由STATA和R软件精细化分析结果和图表。
The authors have declared that no competing interests exist.
Crippa A, Discacciati A, Larsson SC, et al.
Coffee consumption and
mortality from all causes, cardiovascular disease, and
cancer: A dose-response meta-analysis[J].
[本文引用:3]
[JCR: 4.78]
罗美玲, 林希建, 刘如春, 等.
剂量反应关系Meta分析在Stata 软件中的实现[J]. 循证医学, 2014, 14(3): 182-187.
[本文引用:3]
张天嵩, 钟文昭, 李博. 实用循证医学方法学 [M]. 2版. 长沙: 中南大学出版社, 2014: 625-628.
[本文引用:3]
曾宪涛. 应用STATA做Meta分析 [M]. 北京: 军事医学科学出版社, 2014: 92-99.
[本文引用:4]
薛富波. SAS8. 2统计应用教程 [M]. 北京: 北京希望电子出版社, 2004: 437.
[本文引用:1]
鄢金柱, 李胜, 翁鸿, 等.
应用SAS软件宏命令实现二分类数据的Meta分析[J]. 中国循证心血管医学杂志, 2014, 6(2): 121-124.
[本文引用:2]
罗剑锋, 金欢, 李宝月, 等.
限制性立方样条在非线性回归中的应用研究[J]. 中国卫生统计, 2010, 27(3): 229-232.
[本文引用:1]
谭红专. 现代流行病学 [M]. 2版. 北京: 人民卫生出版社, 2008: 81.
[本文引用:2]
Aune D, Norat T, Romundstad P, et al.
Breastfeeding and
the maternal risk of type 2 diabetes: A systematic review and
dose-response meta-analysis of cohort studies[J].
[本文引用:1]
Cho E, Smith-Warner SA, Ritz J, et al.
Alcohol intake and
colorectal cancer: A pooled analysis of 8 cohort studies[J].
[本文引用:2]
Jiang W, Wu Y, Jiang X.
Coffee and
caffeine intake and
breast cancer risk: An updated dose-response meta-analysis of 37 published studies[J].
[本文引用:1]
[JCR: 3.929]
Larsson SC, Orsini N, Wolk A.
Milk, milk products and
lactose intake and
ovarian cancer risk: A meta-analysis of epidemiological studies[J].
[本文引用:1]
Pineles BL, Park E, Samet JM.
Systematic review and
meta-analysis of miscarriage and
maternal exposure to tobacco smoke during pregnancy[J].
[本文引用:1]
[JCR: 4.78]
Rong Y, Chen L, Zhu T, et al.
Egg consumption and
risk of coronary heart disease and
stroke: Dose-response meta-analysis of prospective cohort studies [J]. .
[本文引用:2]
Tse G, Eslick GD.
Egg consumption and
risk of GI neoplasms: Dose-response meta-analysis and
systematic review[J].
[本文引用:1]
[JCR: 3.127]
Zhou Y, Tian C, Jia C.
A dose-response meta-analysis of coffee consumption and
bladder cancer[J].
[本文引用:1]
[JCR: 3.496]
Orsini N, Li R, Wolk A, et al.
Meta-analysis for linear and
nonlinear dose-response relations: Examples, an evaluation of approximations, and
software[J].
[本文引用:1]
[JCR: 4.78]
... 剂量反应关系的Meta分析是一类新型的Meta分析方法,相比标准的二分类及连续性资料Meta分析,此类研究可同时处理三个及以上组别的数据,并直接估计暴露因素与疾病的剂量反应关系[1] ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 目前进行剂量反应Meta分析的软件主要有SAS、STATA和R软件,STATA软件利用GLST程序包实现[2,3,4], R软件主要通过dosresMeta程序包实现[1] ...
... 目前国内仅有罗美玲[2]、张天嵩[3]、曾宪涛[4]介绍了剂量反应关系Meta分析在Stata软件中的实现方法,实际上在2010年由美国哈佛大学的Ruifeng Li和Donna Spiegelman共同开发的基于SAS软件的%metadose宏命令能轻松地完成这一类Meta分析方法 ...
... 05,则为线性剂量反应关系,反之则认为存在非线性剂量反应关系[2,3] ...
... 目前进行剂量反应Meta分析的软件主要有SAS、STATA和R软件,STATA软件利用GLST程序包实现[2,3,4], R软件主要通过dosresMeta程序包实现[1] ...
... 目前国内仅有罗美玲[2]、张天嵩[3]、曾宪涛[4]介绍了剂量反应关系Meta分析在Stata软件中的实现方法,实际上在2010年由美国哈佛大学的Ruifeng Li和Donna Spiegelman共同开发的基于SAS软件的%metadose宏命令能轻松地完成这一类Meta分析方法 ...
... 05,则为线性剂量反应关系,反之则认为存在非线性剂量反应关系[2,3] ...
... 目前进行剂量反应Meta分析的软件主要有SAS、STATA和R软件,STATA软件利用GLST程序包实现[2,3,4], R软件主要通过dosresMeta程序包实现[1] ...
... 目前国内仅有罗美玲[2]、张天嵩[3]、曾宪涛[4]介绍了剂量反应关系Meta分析在Stata软件中的实现方法,实际上在2010年由美国哈佛大学的Ruifeng Li和Donna Spiegelman共同开发的基于SAS软件的%metadose宏命令能轻松地完成这一类Meta分析方法 ...
... 本次研究的具体数据可见曾宪涛《应用STATA做Meta分析》一书[4] ...
... 目前进行剂量反应Meta分析的软件主要有SAS、STATA和R软件,STATA软件利用GLST程序包实现[2,3,4], R软件主要通过dosresMeta程序包实现[1] ...
... 本次研究利用相同的数据与曾宪涛书中用STATA软件分析结果也一致[4], R软件dosresMeta程序包则是2013年由Orsini教授的博士研究生Alessio Crippa研发,目前正在进一步完善中 ...
... 3版本[5] ...
... 被定义在一个%macro语句的宏名字后括号内的宏变量称宏参数,可以直接给出宏参数的值,也可在调用这个宏时给出这些参数的值[6] ...
... 剂量反应Meta分析的研究思路如下：确定研究的目标后,一般先收集暴露与疾病的病例对照和队列研究,在每个病例对照和队列研究中挑选出最高剂量组相对于最低剂量组的RR/OR值的95%CI进行Meta分析合并,得到一个汇总的RR/OR合并值,如果这个合并RR/OR值是有统计学意义的,说明暴露与疾病之类是有关联的,再进一步进行剂量反应Meta分析探讨这种关联是否存在一种剂量反应关系[10],标准Meta分析在SAS软件中同样也可以通过宏来实现,相关的操作方法可参考国内鄢金柱、曾宪涛等的文献[6] ...
... 限制性三次样条是在回归样条的基础上附加要求：样条函数在自变量数据范围两端的两个区间[t0,t1）和（tk-1,tk]内是线性函数,满足上述性质的样条函数通常用Rcs（x）表示[7],在SAS软件中%metadose宏将自动对每个研究进行默认nk=4的样条回归,并以图形方式显示非线性剂量反应曲线 ...
... 暴露与结局存在剂量反应关系是疾病因果推断的标准之一[8] ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 剂量反应Meta分析的研究思路如下：确定研究的目标后,一般先收集暴露与疾病的病例对照和队列研究,在每个病例对照和队列研究中挑选出最高剂量组相对于最低剂量组的RR/OR值的95%CI进行Meta分析合并,得到一个汇总的RR/OR合并值,如果这个合并RR/OR值是有统计学意义的,说明暴露与疾病之类是有关联的,再进一步进行剂量反应Meta分析探讨这种关联是否存在一种剂量反应关系[10],标准Meta分析在SAS软件中同样也可以通过宏来实现,相关的操作方法可参考国内鄢金柱、曾宪涛等的文献[6] ...
Jiang W, Wu Y, Jiang X.
Coffee and
caffeine intake and
breast cancer risk: An updated dose-response meta-analysis of 37 published studies[J].
Objective. We conducted an updated meta-analysis to summarize the evidence from published studies regarding the association of coffee and caffeine intake with breast cancer risk. Methods. Pertinent studies were identified by a search of PubMed and by reviewing the reference lists of retrieved articles. The fixed or random effect model was used based on heterogeneity test. The dose-response relationship was assessed by restricted cubic spline model and multivariate random-effect meta-regression. Results. 37 published articles, involving 59,018 breast cancer cases and 966,263 participants, were included in the meta-analysis. No significant association was found between breast cancer risk and coffee (RR = 0.97, P = 0.09), decaffeinated coffee (RR = 0.98, P = 0.55) and caffeine (RR = 0.99, P = 0.73), respectively. And the association was still not significant when combining coffee and caffeine (coffee/caffeine) (RR = 0.97, P = 0.09). However, an inverse association of coffee/caffeine with breast cancer risk was found for postmenopausal women (RR = 0.94, P = 0.02), and a strong and significant association of coffee with breast cancer risk was found for BRCA1 mutation carriers (RR = 0.69, P Conclusions. Findings from this meta-analysis suggested that coffee/caffeine might be weakly associated with breast cancer risk for postmenopausal women, and the association for BRCA1 mutation carriers deserves further investigation. (c) 2013 Elsevier Inc. All rights reserved.
Jiang, Wenjie 1 ;Wu, Yili 1 ;Jiang, Xiubo 1 ;
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 5倍[14] ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... 近年来此类Meta分析文章在国外期刊上发表数量越来越多[1,8,9,10,11,12,13,14,15,16],而在检索国内万方、CNKI、维普三大数据库后发现：此类Meta分析在国内期刊发表数量凤毛麟角 ...
... STATA软件 GLST程序包在2005年由瑞典统计学家Nicola Orsin团队开发,并迅速得到广大Meta分析爱好者的青睐,2010年美国哈佛大学的Ruifeng Li和Donna Spiegelman共同开发基于SAS软件的metadose宏命令,Orsini等曾专门撰文进行对比,显示具有一致的分析结果[17] ...
应用SAS软件宏命令实现剂量反应关系Meta分析
[周权1, 罗美玲2, 王冕3a, 梁颖3a, 薛静3a, 陈文航3b]