以我们的研究课题数据为例, 观察中西医结合治疗咳嗽变异性哮喘的疗效, 治疗组干预措施为宣肺止咳中药加用西药, 对照组为单纯西药, 共收集到11个符合标准的研究, 按表1格式整理, 具体数据如表2。

表2

表2

表2 中西医结合治疗咳嗽变异性哮喘随机对照试验干预结果

表2 中西医结合治疗咳嗽变异性哮喘随机对照试验干预结果

我们以SAS的GENMOD过程来计算每个研究的效应量, 如对于第一个研究, SAS程序如下：

data study1;

input treatment effect cases;

datalines;

1 1 17

1 2 8

1 3 3

1 4 2

0 1 8

0 2 9

0 3 5

0 4 8

proc print;

run;

proc GENMOD data = study1;

weight cases;

model effect = treatment/dist = multinomial link = cumlogit; /∗拟合有序多分类

logistic回归模型（累积logistic）模型∗/

run;

可以得到第一个研究的效应量（logor）及其标准误（selogor）为1.334 8和0.499 2, OR=e^{1.334 8}=3.799, 其含义为, 与对照组相比, 治疗组疗效提高一个及一个以上的等级（如由“ 有效” 提高到“ 临床控制” ）的可能性增加了279.9%。同样可以得到其他研究的效应量及其标准误, 如表3。

表3

表3

表3 各研究的效应量及其标准误

表3 各研究的效应量及其标准误

方法与经典的Meta分析相同, 可以合并11个研究的效应量, 众多软件可以完成。我们以SAS的MIXED过程来实现^[16], 其结果见表4。

表4

表4

表4 合并效应量结果

表4 合并效应量结果

固定效应模型SAS程序如下：

data mstudy;

input study logor selogor;

datalines;

1 1.3348 0.4992

2 0.8394 0.4692

3 0.7952 0.5430

4 0.5436 0.3472

5 1.7285 0.4713

6 0.8253 0.5401

7 1.7051 0.4058

8 1.1181 0.4882

9 1.1043 0.6500

10 0.7187 0.3657

11 1.1567 0.4186

run;

data newmstudy;

set mstudy;

est = selogor∗∗2; /∗计算每个研究的方差∗/

keep study logor est;

run;

proc mixed method = ml data = newmstudy;

class study;

model logor = / s cl; /∗截距模型; 要求打印

固定效应估计值, 并显示95%CI∗/

repeated /group = study;

parms / parmsdata = newmstudy

eqcons = 1 to 11;

run;

随机效应模型SAS程序如下：

data covvars;

set newmstudy;

keep est;

run;

data start;

input est;

cards;

0.0

run;

data start;

set start covvars;

run;

proc mixed method = ml cl data = newmstudy;

class study;

model logor = / s cl;

random int / subject = study; /∗指定研究为

随机效应∗/ repeated / group = study;

parms / parmsdata = start

eqcons = 2 to 12;

run;