【原创】medcalc软件在meta分析中的应用，初学者适用

目前有很多软件用于meta分析，各个软件都有自己的优势和劣势，总体来说，reveman简单，stata强大，R软件无所不能，但稍微困难。今天给大家介绍的这个medcalc软件，则是我认为是最简单直观的软件，但是功能就显得单薄一些，适合初学者使用。
1.介绍
这款软件的功能主要包括合并连续性变量，相关系数，单个率，RR，OR，RD，以及诊断的ROC的合并。
2.下载软件
这款软件，在园子里随便检索就可以找到，在这里就不赘述了。
3.连续性变量的合并
输入数据

这个数据输入格式和stata相似，A为研究，B为实验组总数，C为实验组均数，D为实验组标准差；E,F,G依次为对照组的总数，均数和标准差。统计分析

这张图是统计分析，也很简单，由上至下依次为研究，实验组总数，均数和标准差，对照组总数，均数和标准差。最后一行为过滤器，一般不用，在亚组分析时，可以利用。右边的Options包括3个，第一个未森林图，第二个为研究的权重，第三个为合并效果使用什么图形表示。
结果1

这张是结果的总结，非常简单，我想不用过多的介绍，主要说一下最后几个格子关于异质性的内容，这里提供了Q检验以及相应的P值以及I2值。结果2

这个就是森林图了，还算美观，而且直接给出了固定和随机两个模型下的结果。下期继续更新OR，RR，RD的合并实现。
使用medcalc软件对二分类变量结局OR的合并演示1.数据的录入

这张图也很简单，从左至右，依次为研究的ID，治疗组总人数，治疗组阳性人数，对照组总人数，对照组阳性人数。一共5项研究。
2.统计

按照该软件的帮助文件说明，点击菜单栏中的statistics，然后meta-analysis，最后选择odds ratio选项，之后出现如下对话框：

这个对话框从上至下依次为，
studies：选择研究的ID，就是使用那一列变量来识别研究。
Intervention group(干预组)
总人数
阳性人数
Control group（对照组）
总人数
阳性人数
注：以上选择均和数据录入时是一一对应的，只要按规则选择正确就好。
Selection（选择分组变量）
Filter：就是分组变量，或者仅对部分研究进行合并，这是用来选择分组依据的变量。
3.结果

结果很简单，同连续性变量，这里不做过多解释，该meta分析结果，合并or值无论是固定效应模型还是随机效应模型，结果均大于1，说明干预措施和对照组相比是会增加结果发生率的，而且I2为0%，提示没有明显的异质性，研究是同质的，结果比较稳定。
4.森林图

上图就是合并的OR，也可以看出，合并结果均大于1，另外各个研究重合的区域也比较大，提示研究间的异质性较小。 3. 使用medcalc软件对单个率进行合并
录入数据

这张图共三列，从左至右依次为研究的ID，阳性个数，以及总人数
设置

这张图从上往下依次为：
Studyies：选择研究的ID
Data
总人数
阳性个数
Filter：亚组分组的变量
注：右侧的options是选择性，供对森林图的设置
结果

结果的解读非常简单，这里就不再赘述了，可参考连续性变量。
森林图

上图就是森林图了，这么样，简单吧！
4.medcalc对相关系数的合并。
菜单，按照如下流程一次打开即可

录入数据

上图的录入数据，我想经过前面的描述已经不用赘述了吧，极其简单，从左至右，依次为研究ID，相关系数，以及样本量
参数设置

参数设置也极其简单，基本同连续性变量和二分类变量
结果展示

以上就是对结果的合并，是不是很简单啊！
森林图的展示：

5.medcalc对受试者工作特征曲线下面积的合并
菜单选择：

数据录入

相信大家都能看得懂吧，AUC就是受试者工作特征曲线下面积，SE就是AUC的标准误
参数设置

真的好简单啊，同上述。
结果展示

我想这个也不用我唠叨了，如果从开头看到这里的同学，应该都懂的。
森林图

至此，medcalc在meta分析中的应用，就介绍完了，希望能够给有需要的同事，一点帮助，但要始终贯彻，meta只是一种方法学，真正的价值是解决临床问题，切莫为了meta而meta。medcalc是一款比较简单的，适合临床工作者的软件，之后我想系统的将该软件的应用的介绍，希望得到大家的支持。