在glst程序包中,“glst”是进行剂量反应关系Meta分析的主要函数,其命令格式如下：

glst logrr dose, se（se） cov（peryears cases） pfirst（study type） eform

其中logrr为RR的自然对数值;dose为剂量;se为效应的标准误;cov表示covariance,用于协方差矩阵估计的方法,即“gl”（Greenland and Longnecker）;pfirst表示pool-first法;eform可以将计算出来的结果还原为rr值;系统默认的合并剂量反应关系的方法为“fixed”（固定效应模型）,如果要用随机效应模型可直接加上“random”。

如果原始文献里面没有提供logrr和se,可以通过以下命令进行计算,lb和ub分别为调整效应量rr 95%可信区间（confidence interval,CI）的上下限：

gen double logrr=log（adjrr）

gen double loglb=log（lb）

gen double se=（（logub-loglb）/（2∗invnorm（.975）））

剂量反应Meta分析的本质就是回归分析,其中有一个重要的假设就是通过选择合适的链接函数,来定量评价效应量与暴露剂量的关系。如果非线性回归能满足要求,就可以进行非线性剂量反应的Meta分析,否则就为线性剂量反应的Meta分析。本文首先进行非线性剂量反应关系Meta分析,然后根据计算出来的关键变量对其线性情况进行统计学检验,根据检验结果判断效应量与暴露剂量符合线性或非线性关系（操作见下文实例演示）,确定进行线性或非线性剂量反应关系Meta分析。

3.2.1 非线性剂量反应Meta分析

非线性剂量反应Meta分析使用限制性立方样条（restricted cubic spline）来作为链接函数。回归样条（regression spline）本质上是一个分段多项式,但它一般要求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<…<t_k-1<t_k=b,在每个区间[t_k-1,t_i）分别用一个多项S_i（x）式表示,则回归样条f（x）= S_i（x）,当x∈[t_k-1,t_i）,并且fⁿ（x）在[a,b]存在连续。限制性立方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（t_k-1,t_k]内是线性函数,满足上述性质的样条函数通常用Rcs（x）表示^{[ 9]},在Stata软件中需要使用到mkspline函数进行限制性立方样条拟合,区间的分段使用的是百分位数法,_pctile函数用来产生剂量的四个百分数,即产生四个回归样条。各命令如下：

capture drop doses^∗

_pctile dose, percentile（5 35 65 95）

ret list

mkspline doses = dose , knots（‘=r（r1）' ‘=r（r2）' ‘=r（r3）' ‘=r（r4）'） cubic displayknots

glst logrr doses^∗, se（se） cov（peryears cases） pfirst（study type） eform

运行结果见 图1。

图1

	Figure Option ViewDownloadNew Window
	图1 固定效应非线性模型运行结果

研究结果中8个研究无明显异质性（ Q=42.05, P=0.26）。用固定效应模型进行合并是合理的,模型显著性卡方值 􀱽²=28.83, P<0.001,建立的固定效应非线性回归模型是有意义的。但剂量反应关系Meta分析中要真正确定合并的剂量反应关系是否为非线性,还要看统计学检验结果,用下面的命令可以实现：

testparm doses2 doses3

本例检验结果发现：卡方值 􀱽²=6.16, P=0.046,在0.05的水准上,拒绝原假设（即存在线性剂量反应关系）,汇总结果显示饮酒与结直肠癌可能存在非线性剂量反应关系,因为 P值接近0.05,故此次对线性和非线性剂量反应关系均进行了分析。

3.2.2 线性剂量反应Meta分析

glst函数中,线性剂量反应meta分析是系统默认的分析方法。根据前面分析结果可知 P=0.046,因此需要进行固定效应模型的Meta分析,命令如下：

glst logrr dose, se（se） cov（peryears cases） pfirst（study type） eform

在Stata软件中运行后的结果见 图2。

图2

	Figure Option ViewDownloadNew Window
	图2 固定效应线性模型运行结果

本次研究拟合的固定效应线性回归模型是有意义的（卡方值 􀱽²=22.67, P<0.001）,8个研究无明显异质性（ Q=48.21, P>0.05）,RR值为1.006 4。在实际生活中,由于增加1 g饮酒的危险意义不是很大,这时可以指定更大的增加量,比如：12 g的情况,在Stata中的命令如下：lincom dose∗12,eform,得到的结果为1.08（1.04~1.12）,即在最低饮酒量（0克）的基础上,每增加12克,发生结直肠癌的危险增加8%。这与Orsini等利用同一数据在Stata和SAS软件中得出的结果一致^{[ 10]}。

剂量反应关系的Meta分析最显著的特点就是可以绘制出剂量反应关系图,首先要得到画图所需的变量及其数据。

3.3.1 线性剂量反应关系曲线图

对于线性的剂量反应关系模型,在之前建立的线性模型基础上输入下面的命令,可得到线性剂量反应拟合值lrr_lin、rr_lin、95%CIlblin及ublin变量的数据：

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）

产生相关变量后,可以用画图命令将数据以图的形式显示出来。如果系统提示没有安装XBLC命令,在STATA中输入help xblc,然后按照步骤进行在线安装。各命令的用途如下：levelsof显示dose不同值的排序列表;xblc计算不同因变量dose下反应变量lnrr的数值及其可信区间,at后为协变量,ref定义参照组为0剂量组;twoway为二维标绘图命令,line后面列出画图所需的反应变量95%CI上下限、反应变量及因变量,lp定义线图的形式（shortdash为点划线,longdash为长划线,1默认为实线）,lc定义线图的颜色,scheme定义图背景颜色为白色,ylabel定义纵坐标,xlable定义横坐标,ytitle定义纵坐标的标识,xtitle定义横坐标的标识,margin定义页面上下边距（默认）,name定义图的名称,yscale标识纵坐标的刻度为log,plotregion定义图的边线即不显示坐标暗格。画图命令如下：

levelsof dose, local（level）

xblc doses∗, c（dose） at（‘r（levels）'） ref（0） eform

twoway （line lblinublin 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））

运行结果见 图3。

图3

	Figure Option ViewDownloadNew Window
	图3 饮酒与结直肠癌的线性剂量反应关系图

3.3.2 非线性剂量反应关系曲线图

对于非线性的剂量反应关系模型,在之前建立的非线性模型基础上输入下面的命令,可得到非线性剂量反应拟合值rrwithref变量、95%CI上下限 lbwithref和ubwithref变量的数据：

glst logrr doses∗, se（se） cov（peryears cases） pfirst（study type）

predictnl logrrwithref = _b[doses1]∗doses1 + _b[doses2]∗doses2 + _b[doses3]∗doses3, ci（lb ub）

gen rrwithref = exp（logrrwithref）

gen lbwithref = exp（lb）

gen ubwithref = exp（ub）

画图命令如下,各命令解释见3.3.1。

levelsof dose, local（level）

xblc doses∗, c（dose） at（‘r（levels）'） ref（0） eform

twoway （line lbwithref ubwithref rrwithref dose, sort lp（longdash longdash l ） lc（black black black））, scheme（s1mono） ylabel（.9 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））

运行结果见 图4。

图4

	Figure Option ViewDownloadNew Window
	图4 饮酒与结直肠癌的非线性剂量反应关系图