以Stata為例，其實就是將數(shù)據(jù)轉換為ES, esES的類型，然后用metan得到森林圖和合并結果。

然而，單組率的meta分析還有一個命令：metaprop。它與“metan”有什么區(qū)別？實踐是檢驗真理的唯一標準，一起用實例操作驗證一下。如圖1所示，一共有7個研究，n代表樣本量，case為某疾病的發(fā)生頻數(shù)，我們將分別運用metan, metaprop進行單組率meta分析的合并，看看結果是否存在差異。

運行metan的操作代碼，得到合并結果。

gen p=case/n

gen se=sqrt(p*(1-p)/n)

metan p se, lcols(study) random xlabel(0.2,0.4,0.6,0.8)?dp(3)

注：模型的選擇是meta分析的基礎內容，此處省略了異質性檢驗的操作過程，直接選擇了用隨機效應模型進行森林圖的合并。

如圖2所示，合并結果為0.138 (0.098, 0.178)，也就是發(fā)病率為13.8% (9.8%, 17.8%)。

運行metaprop的操作代碼，得到合并結果。

metaprop ?case n, random cimethod(exact) lcols( study) xlab(0.2,0.4,0.6,0.8) dp(3)

如圖3所示，合并結果（發(fā)病率）為0.138 (0.098, 0.178)，與metan得到的合并結果是一致的。

除了合并結果一致，兩種方法得到的異質性檢驗結果也相同。那么，兩者的區(qū)別是什么？

第一，森林圖的結構。雖然看上去兩個圖形很相似，但有一個固有的區(qū)別。基于metan命令得到的森林圖，在隨機效應模型時，左下角會有一行信息“NOTE: Weights are from random effects analysis”，而metaprop的森林圖是沒有的。此外，metan命令基于兩組的對比，所以默認繪制無效線（如本例的ES=0），而metaprop是專門為單組率meta分析而開發(fā)的，沒有無效線。

有人會覺得這又怎么了，結果對就行了，何必在意這些細節(jié)。但是，如果metan可以滿足單組率meta分析的需求，就不會有metaprop的出現(xiàn)了。

兩者最大的區(qū)別是：metaprop不受數(shù)據(jù)特征的影響，簡單的說，當出現(xiàn)某個/某些研究的率為0%/100%，置信區(qū)間的范圍超過0%/100%時，metan不再適用，而metaprop依然可以得到合理結果。

再看一個例子吧。從下圖可以得知，C的率為100%，E的率為0%，G的率的95%CI的下限低于0%。用metan進行合并，出現(xiàn)了什么問題？C、E被排除了，沒有參與合并。而G的95%CI出現(xiàn)了負值，這跟常規(guī)認知是不符的。

我們再看看metaprop的結果。C、E依然被納入分析，G的95%CI也不會出現(xiàn)負值。當然，要注意！當數(shù)據(jù)出現(xiàn)極端情況，應用metaprop進行合并的時候，需要對命令稍作調整，很簡單，加上“ftt”就行。

metaprop?case n, random?ftt?cimethod(exact) lcols( study?case n) xlab(0.1, 0.2, 0.3, 0.4) dp(3)