無(wú)對(duì)照的單個(gè)組meta分析（或叫單臂meta分析），有時(shí)候也會(huì)出現(xiàn)結(jié)局指標(biāo)為連續(xù)變量的情況，該如何合并得到森林圖呢？
其實(shí)，單個(gè)組meta分析，連續(xù)變量的合并，可以分成2種情況：自身前后對(duì)照（通過(guò)比較前后測(cè)量值的差異是否顯著，評(píng)估干預(yù)效果）、干預(yù)后測(cè)量值的合并。前者的操作跟我們平常所說(shuō)的連續(xù)變量meta分析相似，后者則跟效應(yīng)值（ES (95%CI)）的meta分析相似。
不太懂？沒(méi)關(guān)系，我們用兩篇文獻(xiàn)給你講解講解，先易后難，重點(diǎn)在第二篇文獻(xiàn)，一定不能錯(cuò)過(guò)！

案例一：自身前后對(duì)照

這是一篇關(guān)于冠脈內(nèi)碎石（Intravascular Lithotripsy, IVL）治療鈣化冠狀動(dòng)脈（Calcified Coronary Arteries，CCA）的安全性和有效性的meta分析，主要研究結(jié)局為CCA患者經(jīng)IVL后，冠狀動(dòng)脈直徑是否有顯著變化（Post vs. Pre-treatment）。

盡管這篇meta分析也納入了隨機(jī)對(duì)照試驗(yàn)（IVL vs. contorl），然而只需要提取IVL組的數(shù)據(jù)。這種類型的單組試驗(yàn)/單臂meta分析，其實(shí)是將干預(yù)前作為“對(duì)照組”，因此這是干預(yù)前后的差異比較meta分析。

這類型的森林圖，操作很簡(jiǎn)單，將干預(yù)后設(shè)置為“試驗(yàn)組”、干預(yù)前為“對(duì)照組”，然后整理相應(yīng)的數(shù)據(jù)即可。

案例二：合并干預(yù)后測(cè)量值

以下這篇文獻(xiàn)是關(guān)于：阿帕替尼（apatinib）治療中國(guó)骨肉瘤患者的療效和安全性的單臂meta分析。

該文獻(xiàn)納入了除病例報(bào)告外的所有研究類型，包括前瞻性、回顧性的橫斷面、隊(duì)列研究、病例對(duì)照研究（原文的英文表述有誤，不存在cross-sectional cohort studies，應(yīng)該是cross-sectional studies or cohort studies）。

納入文獻(xiàn)的研究類型是不少人疑惑的難點(diǎn)之一，單個(gè)組的meta分析究竟能不能納入兩組或多組比較的研究/文獻(xiàn)？答案當(dāng)然是可以的，只提取符合需求的那一個(gè)組的數(shù)據(jù)就行。

同理，兩組比較（A vs. B）的meta分析，也可以納入三組或以上的研究（A、B、C……），數(shù)據(jù)提取時(shí)只提取A、B兩組的相關(guān)信息。

這篇文獻(xiàn)也做了單組率的meta分析，但本文的重點(diǎn)是連續(xù)變量的合并，因此我們將目光聚焦在以下兩個(gè)森林圖。
這是無(wú)進(jìn)展生存期(PFS)和總生存期(OS)的meta分析森林圖，從結(jié)局指標(biāo)的特點(diǎn)可以得知，僅納入一個(gè)干預(yù)組（如Apatinib）進(jìn)行meta分析，不可能實(shí)現(xiàn)“對(duì)比”，因此只能對(duì)納入研究報(bào)道的中位生存時(shí)間（median, 95%CI）做森林圖。

那么，究竟如何才能實(shí)現(xiàn)這個(gè)森林圖？最精彩的操作教程來(lái)了！

1 提取正確形式的數(shù)據(jù)

值得注意的是，單組連續(xù)變量的合并，需要用到的數(shù)據(jù)為ES(Effect size), ESLci, ESUci，也就是效應(yīng)值和95%CI。這篇meta分析文獻(xiàn)，PFS、OS的合并，ES是中位生存期（median），而不是mean。效應(yīng)值的選擇可根據(jù)研究方向、數(shù)據(jù)的特點(diǎn)，自由設(shè)置。
以Tian 2020這篇納入文獻(xiàn)為例，文獻(xiàn)的表3顯示，Apatinib治療后mPFS（中位無(wú)進(jìn)展生存時(shí)間）為4.67±3.01月。在做森林圖合并之前，要將SD轉(zhuǎn)換為95%CI。

過(guò)程如下：

SE = SD/(√n) = 3.01/(√19) = 3.01/4.359 = 0.6905

Lci= Median – 1.96*SE = 4.67 – 1.96*0.6905 = 4.67 – 1.35 = 3.32

Uci= Median + 1.96*SE = 4.67 + 1.96*0.6905 = 4.67 + 1.35 = 6.02

2 整理數(shù)據(jù)

所有納入文獻(xiàn)的median (95%CI)都整理完畢后，將數(shù)據(jù)輸入到Stata。

3 繪制森林圖

按照以下截圖完成metan菜單的參數(shù)設(shè)置，運(yùn)行后得到最基礎(chǔ)的森林圖。

4 完善參數(shù)設(shè)置

文獻(xiàn)的森林圖，展示了兩種模型的合并結(jié)果，我們可以通過(guò)修改metan命令的執(zhí)行代碼來(lái)實(shí)現(xiàn)這個(gè)效果，如運(yùn)行：metan median lci uci, label(namevar=study) random second(fixed)
得到與文獻(xiàn)形式一樣的森林圖。

哪怕數(shù)據(jù)保留了3位或以上的小數(shù)，但Stata的森林圖默認(rèn)只顯示2位小數(shù)。因此，我們的合并結(jié)果與原文存在的細(xì)微差異，可能是數(shù)據(jù)保留的小數(shù)點(diǎn)位數(shù)不同導(dǎo)致的。
單組研究的連續(xù)變量的森林圖合并，操作的介紹就先告一段落了，希望能幫到你解開(kāi)又一個(gè)難題。