Open Meta-Analyst軟件及其功能簡介

羅麗莎，陶 華，王明開，趙嘉國，拜爭剛，牛玉明，陳 昊，張 磊，樊景春0，孟玲慧，裴 斌

Open Meta-Analyst（open-source,crossplatform software for advanced Meta-analysis，OMA）軟件由Tufts 醫學中心下的循證醫學實踐中心研發并受到美國衛生保健研究與質量機構（Agency for Healthcare Research and Quality，AHRQ）的資助，可視為Meta-Analyst 軟件的更新版本[1-3]。OMA 是一款免費、非編程、免安裝的操作軟件，可運行于蘋果系統與Windows 系統，即需確定操作系統并選擇下載。當前，對于蘋果系統，需要在OSX10.10 上才能運行；對于Windows 系統，要求環境為Windows 7、8 或10 的64 位操作系統上才能運行，不支持32 位系統。

隨著Meta 分析的發展與普及，Meta 分析軟件也不斷更新迭代，R 和Stata 軟件為Meta 分析最常用的編程軟件，功能強大但對使用者來說不易上手；RevMan 和Meta-Disc 軟件為Meta 分析常用的非編程軟件，其中RevMan 軟件操作繁瑣，功能單一，適合入門者使用，Meta-Disc 僅適用于診斷試驗Meta 分析，且版本和分析方法有過時趨勢。相比較而言，OMA 為一款免費、非編程、免安裝的Meta 分析軟件（官方網站為http://www.cebm.brown.edu/openmeta/），使用者無需安裝，僅需下載壓縮包，下載解壓后可直接使用。OMA 具備累積Meta 分析、敏感分析、亞組分析及Meta 回歸分析等功能，可以實現頭對頭比較的二分類數據、診斷準確性數據、回歸系數、單組率、效應量及可信區間的Meta 分析；其在診斷準確性Meta 分析方面可以實現貝葉斯雙變量模型與層次綜合受試者工作特征曲線（hierarchical summary receive operating characteristic，HSROC）模型，是當前功能最強大的非編程軟件之一[2-3]。

1 數據與資料

本文以Colditz 等關于卡介苗治療肺結核療效的二分類數據（表1）為例介紹OMA 的操作流程，該數據也是Meta 分析的經典案例[4-5]。

表1 卡介苗對肺結核療效的數據[5-6]Table 1.Data on the efficacy of BCG on tuberculosis[5-6]

2 操作步驟

2.1 主操作界面介紹

OMA 無需安裝，下載后解壓即可應用。按照圖1-A 的方式點擊后，即可出現啟動圖標，該圖標上顯示受資助基金來源、基金號及合同號。

圖1 主操作界面介紹Figure 1.Introduction to main operation interface

加載完成后，出現圖1-B 所示界面。該界面可以選擇操作的方式。本處選擇“Create a new Project”，即新建一個分析，該功能還可通過菜單欄來完成（圖1-C）。選擇后就進入到圖1-D 所示的Meta 分析類型選擇界面。該界面包括單組、兩組或多組、診斷準確性數據，指標包括回歸系數、率、效應量及可信區間等。選擇Meta 分析類型即可激活“Next”按鈕，點擊“Data on two or more groups per study”中的“Proportions”，激活并點擊“Next”，進入到效應指標選擇界面（圖1-E），軟件提供的常用指標包括比值比（OR）、率差（RD）、相對危險度（RR）、反正弦轉換率差（AS），Yule 綜合系數（YUQ），Goodman-Kruskal Y 值（YUY）。本案例中選擇默認指標“OR：Odds Ratio”，繼續點擊“Next”進入到結局指標輸入界面，輸入結局指標名稱“有效率”后即可激活“Finish”（圖1-F），點擊“Finish”，進入到二分類數據Meta 分析的主操作界面（圖1-G）。

主操作界面的最頂端是菜單欄，分別有文件（File）、編輯（Edit）、分析（Analysis）、數據（Dataset）和幫助（Help）。菜單欄下是工具欄，提供了一些操作常用的工具圖示按鈕，如新建（New dataset）、打開（Open）、保存（Save）等。數據表顯示內容依次為納入研究的名稱、年份、原始數據、效應值大小和置信區間（圖1-G）。原始數據和效應值的類型根據上一步所選擇的Meta 分析類型而定，本案例中，原始數據包括A組事件數、A 組受試者人數、B 組事件數和B 組受試者人數，效應指標為有效率的比值比（OR）及其95%置信區間（lower 和upper）。

2.2 添加亞組

從表1 可以看出，示例數據有亞組，但圖1-G的主界面中并未提供亞組欄。因此，首先需對協變量進行設置，設置全部通過點擊Dataset →Add covariate進行（圖2-A），在彈出的對話框中添加相應的亞組latitude 和allocation，本案例中latitude 和allocation 均為因子變量，因此“type of covariate”選擇“factor”（圖2-B）。添加完亞組后點擊OK，主操作界面如圖2-C 所示。

圖2 添加亞組Figure 2.Add subgroup

2.3 Meta分析

設置好主操作頁面后，開始進行數據的輸入，OMA 軟件的數據錄入有三種方式，包括手動輸入、Excel 直接復制粘貼和Import 文件導入“CSV”格式文件（依次點擊窗口菜單欄的file →import dataset）。本案例中按照圖2-C 所示主界面的格式，整理好示例數據后采用Excel 數據復制與粘貼功能輸入示例數據。輸入后，主界面如圖3-A 所示。對比圖2-C 與圖3-A，會發現數據輸入后軟件會自動生成有效率的效應指標——比值比（OR）及其95%置信區間（lower 和upper），上方的快捷功能自動激活（顏色由灰色變成了彩色）。

圖3 Meta分析Figure 3.Meta-analysis

數據的分析時，按照圖3-B 所示依次點擊Analysis →Meta-Analysis，或直接使用工具欄中的快捷鍵（圖3-C），即可進入到圖3-D 的對話框，在圖3-D 中可以進行Meta 分析效應模型、可信區間、零事件處理及森林圖顯示內容的相關設置。Meta 分析效應模型的選擇包括固定效應和隨機效應，選擇標準依據異質性檢驗結果，若各原始研究間存在異質性，則使用隨機效應模型；否則，則使用固定效應模型。若選擇隨機效應，則點擊Analysis method 中的Binary Random-Effects，隨機效應方法默認為DL: DerSimonial-Laird，置信區間水平一般輸入“95.0” 在Number of digits of precision to display 設置小數位數，默認為三位小數。點擊圖3-D 上方的“forest plot”即可進入森林圖顯示內容的相關設置（圖3-E），設置完成后點擊“OK”即可完成數據分析。

圖3-F 為數字化和圖示化的Meta 分析結果（左側欄是結果目錄，右側框是對應的結果展示），該界面最下方還提供了與R 語言互通的編程功能。左側欄目框提供了Summary、References、Weights 和Forest Plot 結果，其中References 提供了軟件完成本次分析涉及到的參考文獻，Weights提供了各個研究在Meta 分析中所占的權重。

點擊左側欄目中的“Summary”，頁面以數字化表格（圖3-G）的形式展示了二分類數據Meta 分析的結果，包括模型合并效應值、95%置信區間、異質性檢驗及統計結果等，本案例中I2等于92.645%，P＜0.001。

點擊左側欄目的“Forest Plot”，頁面以森林圖（圖3-H）的形式展示了二分類數據Meta 分析的森林圖結果，在右側出現的森林圖上方點擊右鍵可以“pdf”或者“png”的形式保存下來，同時還可對森林圖的顯示內容進行編輯。

2.4 亞組分析

完成主Meta 分析后，繼續完成亞組分析，在圖4-A 的快捷鍵中點擊“亞組分析”圖標，即可彈出亞組分析對話框（圖4-B），在該對話框中選擇亞組分析所基于的協變量并點擊“OK”，即可彈出圖3-D 所示的Meta 分析設置的對話框。在該對話框中選擇需要進行亞組分析的指標，點擊OK，即可完成亞組分析，結果包括Summary以及亞組分析結果的森林圖（圖4-C 和圖4-D）。

圖4 亞組分析Figure 4.Subgroup analysis

2.5 敏感性分析

OMA 軟件采取逐項依次剔除單個研究來進行敏感性分析，點擊“leave-one-out metaanalysis”的快捷鍵（圖5-A），即可進入和主分析一致的Meta 分析方法選擇界面（圖3-D），依次選擇后點擊OK 即可完成。完成后分別點擊左側欄目中的“Leave-one-out Summary”和“Leave-one-out Forest Plot”，頁面仍以數字化表格（圖5-B）和森林圖（圖5-C）的形式展示了敏感性分析的結果。

圖5 敏感性分析Figure 5.Sensitivity analysis

2.6 累積Meta分析

OMA 軟件提供了累積Meta 分析的功能，首先點擊累積Meta 分析的快捷鍵（圖6-A），即可進入圖3-D 所示的二分類數據Meta 分析方法設置頁面，設置完成后點擊OK，完成后在彈出的對話框中分別點擊左側欄目中的“Cumulative Summary”和“Cumulative Forest Plot”，頁面以數字化表格（圖6-B）和森林圖（圖6-C）的形式展示了累積Meta 分析的結果。

圖6 累積Meta分析Figure 6.Cumulative Meta-analysis

2.7 Meta回歸

Open Meta-Analyst 軟件提供了Meta 回歸的功能，以本節表1 數據為例進行演示。點擊圖7-A中的“Meta Regression”快捷鍵，進入圖7-B 選擇協變量界面，依次選擇要加入回歸的協變量，再選擇“random effects”或“fixed effects”模型類型，點擊OK 即可完成。完成后的界面以數字化表格（圖7-C）和森林圖（圖7-D）的形式給出了Meta 回歸的分析結果。

圖7 Meta回歸Figure 7.Meta-regression

3 討論

隨著Meta 分析的發展，Meta 分析軟件也不斷更新，各種軟件針對數據類型，使用難易程度、性價比方面各有差異。表2 總結了R、RevMan、Stata 以及OMA 等軟件的異同點，可以看出，相比于其他軟件來說，OMA 是一款功能較為齊全的免費、跨平臺、非編程的Meta 分析軟件[6-7]。其次，該軟件除了標準的隨機效應和固定效應外，在診斷準確性試驗的Meta 分析上增加了貝葉斯雙變量模型、HSROC 模型等更高級的分析方法[3,7]。作為Meta-Analyst 的更新版本，該軟件同時具備了界面簡潔、操作方便等特點，能夠實現多種類型、多種數據的Meta 分析，僅通過快捷鍵即可完成亞組分析、敏感性分析、累積Meta 分析、Meta回歸等，比R、RevMan、Stata 等軟件操作更加方便，比Meta-Analyst 軟件的功能更加強大[8-11]。OMA 軟件內部接口R 軟件，利用R 語言的環境實現圖形的制作等，使用者僅需幾步菜單操作即可獲得Meta 分析的全部表格及其圖形結果，直觀明了。正是擁有以上的優勢，該軟件已成為傳統編程軟件如SAS、R 以及Stata 等實現Meta 分析的有益補充，為非統計專業的科研人員提供了一種適宜的選項[12-14]。然而，任何軟件均有其優缺點，OMA 這類非編程軟件的作圖功能遠不如R和Stata 軟件強大，但隨著時間的推移以及研發者的不斷完善，該軟件有望成為Meta 分析的優秀軟件之一。

表2 不同Meta分析軟件的異同點Table 2.Similarities and differences between different Meta-analysis software