文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。
今天给大家介绍元分析软件 CMA 2.0 (Comprehensive Meta Analysis)。CMA 是一个专门用于元分析的程序，它包括三个版块：数据输入，数据分析，高分辨率图。
如果有小伙伴想学元分析，但是还不了解元分析是什么的话，可以看一看我们往期的元分析推文，帮助你更容易上手元分析 CMA 软件。
元分析的安装过程十分简单，这里就不再赘述。安装好后，在桌面上的图标是这样的。
打开 CMA，选择打开一个空白的表格，单击确定
插入一列研究名称，即点击 Insert--Column for--Study names
这里以‘评估利尿剂降低子痫前期(PE)风险的能力’为例，患者被随机分配到治疗组或对照组，研究人员跟踪了每组中出现PE的人数。
插入一列处理效果(或称疗效)，即点击 Insert--Column for--Effect size data
单击两次 Next 会出来以下窗口：
这里一直点开，分别表示
·两组(事件数)
·不匹配组、前瞻性数据(如对照试验、队列研究)
·每组的事件和样本量
·单击 Finish
给这些组命名。组名称输入“Treated”和“Control”。结果输入“PE”和“Normal”，单击“OK”
此时的表格应该是这样的：
将初步研究的数据输入到第一行的白细胞中。
研究名称为：Weseley
Treated Events：14
Treated Total N：131
Control Events：14
Control Total N：136
输入剩余数据。可手动输入，也可以将你所要研究的数据保存为“XXX.cma”格式，然后从“Files”菜单栏打开你保存的数据副本。
运行分析。即点击工具栏上的“Run Analysis”
运行结果如下：
对于每一项研究，都显示了比值比(或称 OR 值)、下限和上限、Z 值和 p 值。右边则是一个森林图，其中每个研究的比值比由一个点表示，受其置信区间的限制。上图的比值比为 1.00，表示没有治疗效果。对于大多数研究来说，比值比低于 1.00，表明接受利尿剂治疗的患者不太可能发生PE。在一些研究中，比值比高于 1.00，表明接受利尿剂治疗的患者更有可能发生PE。每个研究的置信区间边界反映了估计的精度，小规模研究的置信区间较宽，大规模研究的置信区间较窄。在这幅图中，使用了 95% 的置信区间，因此这项研究统计学上的显著性为 p＜0.05，当且仅当置信区间排除了空值 1.0。该图上的黄色底线被标记为“Fixed”，显示了 13 个研究的综合效应，使用固定效应模型。即比值比为 0.67，95% 置信区间为 0.56~0.80，Z 值为 -4.45，p 值＜0.000。
生成高分辨率图。即点击工具栏上的“High-resolution plot”。如下图所示
现在，是不是对 CMA 有了基本的了解？如何输入数据、如何运行分析以及如何生成高分辨率的图。然后，你可以尝试用 CMA 完成其它选项操作。比如，
①在数据输入部分，你可以：
·查看公式
·自定义显示
·不止使用一个格式来输入数据
......
②在分析部分，可以：
·显示额外的统计数据
·选择计算模型
·显示权重
......
③在高分辨率绘图部分，可以：
·修改研究符号
·修改图的宽度
·改变配色方案
·将图导出到 PPT 或 Word
......
①首先看数据输入部分
我们先把刚刚的高分辨率图和分析界面关闭，直接回到数据输入界面。
我们可以完成一系列未知按钮和界面的操作，比如，当我们在输入“Treated”和“Control”四列数值之后，这个黄色区域的值就自动计算出来了，是怎么计算的呢？
如何显示风险比？一般默认的显示是比值比，你也可以自定义显示。即点击Tools--Customize computed effect size display；或者右键单击黄色列--Customize computed effect size display
如何输入多种格式的数据？比如元分析的过程中可能会出现，一些研究以另一种格式呈现数据，那么这时候我们该怎么做？假设在该例子中的最后两个研究，Tervilla和Campbell已经发表了比值比和置信区间，就需要插入一组额外的列来适应这种新的数据格式。这里先把Tervilla和Campbell从数据集中删除，以便用新的格式将它们重新输入。
点击 Insert--Column for--Effect size data
然后就会呈现这样一个对话框。注：蓝色字体表示是现有的格式(事件和样本量)。
按顺序依次点击 Dichotomous (number of events)--Computed effect sizes--Odds ratio and confidence limits--Finish，数据界面就变成如下图所示：
在屏幕的左下角有关于队列 2×2(事件)和比值比的标签。可以单击这两个标签，在两种格式之间进行切换。
为这两个研究输入如下数据。注意，不要在标有“Data format(数据格式)”的列中输入任何内容。
研究名称：Tervila
Odds ratio：2.971
Lower limit：.586
Upper limit：15.068
Confidence level：0.95
研究名称：Campbell
Odds ratio：1.145
Lower limit：0.687
Upper limit：1.908
Confidence level：0.95
这里只显示了这两个研究的数据，如果想要查看所有数据，用鼠标右键单击白色列(例如比值比列)，并选择显示所有数据输入格式。
然后，所有数据显示情况如下图所示：
若要返回至正常模式，则同样用右键单击白色列，选择“Show only current data entry format”，表示仅显示当前数据输入格式。
插入额外变量列。
第一个未使用的列是K
双击该列标题，会显示一个对话框
输入列名称
指定列为调节变量“Moderator”
选择数据类型(“Categorical 类别”，“Integer 整数”，或者“Decimal 小数”)
（在本例中，为“研究质量”创建一个列，并将其定义为一个类别调节变量(调节变量是可以进行疗效估计的一个研究特征）
那么，“研究质量”列就创建好了。
②数据分析部分
如何显示每个研究的权重？点击“Run analysis”后，在分析窗口的工具栏中点击“Show weights”就会显示权重列，再次点击则关闭。
选择查看疗效的其他指标。在工具栏中，选择“Risk Ratio”，然后选择“log odds Ratio”，再选择“odds Ratio”可返回至默认界面。
查看统计数据的详细信息。直接点击“Next table”；或者点击 View--Meta-analysis statistics 查看统计数据的详细信息。这个表中不仅有附加的统计信息，还包括异质性等相关信息。再次点击“Next table”则返回至分析界面。
选择计算模型。在屏幕的左下角可以看到有“Fixed”，“Random”和“Both”标签，分别表示固定效应模型，随机效应模型和两者都呈现。
自定义显示。只保留那些我们想要在高分辨率绘图中使用到的列(因为列最少，森林图显示出的视觉效果就更好)，所以可以先把权重显示关闭，右键单击比值比列，并选择 Customize basic stats
结果显示如下：
③高分辨率绘图部分
点击“High-resolution plot”，现在显示的高分辨率草图如下所示，可以继续进行修改。
关于 Proportional 和 one-sized 标识。在固定效应模型下，符号的大小与每个研究的权重成比例。
关于固定效应和随机效应。只有当你在分析过程中选择了 Both Models 时，此选项才可用。这里显示的是固定效应，每个研究的符号大小是基于固定效应权重。你可以在工具栏的 Computational options 调整当前所选择的模型。
修改标题。
调整大小和颜色。这张表上的内容都可以用右键来进行修改和调整。
导出至 Word 或 PPT。
（全文完~）
元分析没有想象中困难，但是有很多内容还是需要大家不断实践和带着好奇心去摸索的，我们接下来也会给大家分享更多关于元分析或其他干货知识，希望小伙伴们多多关注茗创科技。
