meta分析常用模型方法

❶ 如何做meta-analysisi

在信息爆炸的時代，對數據的二次加工顯得尤為重要。那麼多健康類的App和網站，或多或少都在做信息二次加工的事情。在臨床科研中，meta分析則是最符合當今時代節奏的，相信所有醫生都對其有所了解，想要通過meta分析發表文章，指導臨床行為。Meta分析就是對已發表的他人文獻進行二次加工，並根據經驗和分析標准對數據進行定性和定量的合成，在不做實驗的情況下得出質量很高的科學結論。本期，小編通過解讀一篇文章，來給大家介紹下如何才能做一篇高質量的meta分析。
這篇文章於2004年發表在JAMA上，是關於維生素D和跌倒之間關系的一項研究。原文如下：
Bischoff-Ferrari, HA et.al 「Effect of vitamin D on falls: a meta-analysis」.JAMA (2004).
Meta分析總體可分為三個階段：選題和立題階段、施行階段、分析結果和報告階段。
第一階段：選題和立題
第一步：確定評價問題的創新性和必要性
（務必搜索已發表或正在進行的系統評價，以避免重復工作）
搜索常用的資料庫，包括：Medline、EMBASE等；
Cochrane 資料庫整合了Cochrane Database of Systematic Reviews，Database of Abstracts of Reviews of Effectiveness (DARE)，Health Technology Assessment Database。
在例文中，作者闡述了做這篇meta的原因如下：
1）老年人中跌倒頻發，後果嚴重；
2）維生素D可能有效，但是之前的各RCT結果不明確；
3）之前沒有做過系統評價。
如何衡量meta分析文章的質量呢？可以從以下幾個角度入手：
1. 所評價的問題是否明確，比如研究人群、干預（暴露因素）、比較組、結果和研究設計（PICOS）？
2. 搜索戰略是否合適？有沒有任何語言限制、發布狀態限制、或出版日期限制？
3. 在試驗選擇中是否採取了預防性措施以盡量減少偏差和錯誤？
4. 評估標準是否適當？
5. 在數據提取過程中是否採取了預防性措施減少偏差和錯誤？
6. 所選試驗是否有足夠的細節？
7. 數據整合方法是否恰當？各文獻間差異性是否評估？
8. 作者的結論和結果是否匹配？
9. 這個評價是否是最新的？
只有知己知彼，才能創作出高質量的meta分析的文章。
第二步：制定評價方案
先確定方法。這對降低偏倚風險非常重要（比如：不能通過結果挑選文獻等）。
在進行meta分析過程中，常規需要經歷以下步驟，且每一步都要有明確的方法：
－鎖定評價問題
－納入/排除標准
－文獻檢索策略
－對檢索到的研究進行選擇
－數據提取
－質量評估
－數據整合
－計劃傳播
鎖定評價問題已經在第一點中提及，接下去會對每一步進行分析，考慮到步驟間的交叉，所以在順序和分點上有所改變。小編也推薦參看******* 2015年11月20日的文章「在這里，學會最全的PICOS原則」。
例文根據PICOS原則，可以歸納如下：
1. 所探究的問題是：維生素D是否可以阻止老年人跌倒？
2. 研究人群：老年人；
3. 干預／暴露因素：維生素D；
4. 結果：摔倒在地；
5. 研究設計：僅包括之前發表的各RCT。
第二階段：施行階段
第一步：文獻檢索
在制定文獻檢索策略時，總體的要求就是查全和查准。
需要考慮如下幾個方面：
1. 圈定搜索資料庫（外文有：MEDLINE、the Cochrane library、醫學文摘、TOXLINE、OVID、EMBASE、ISI Web of Science、EBSCO等；國內有：維普全文VIP、CNKI、萬方資料庫）
2. 確定語言類型：包括所有英語和非英語的文獻；
3. 明確需要包含的研究類型：僅包含RCT，還是病例對照試驗，隊列研究等。
4. 明確暴露因素/治療方法
5. 篩選關鍵詞：這將直接影響文獻檢索的准確性和敏感性，也關繫到指定檢索策略。
- 關鍵詞需要根據研究問題本身來確定；
- 對於每一個關鍵詞盡量包含所有可能的表述形式；
- 可以嘗試幾種關鍵片語合以搜最合適的文獻。
6. 檢索獲取摘要和全文：其中聯系專家是一種很好的方式，不僅可以獲取全文，甚至可以詢問文獻中的細節幫助後續使用文獻。建議搜索文獻引用名單，可以增加文獻搜索的全面性。
在例文中，作者搜索了所有英語和非英語的文章，包括：Medline、Cochrane對照試驗注冊、Embase、專家、搜索文獻引用名單、在美國骨骼和礦物質研究協會中的摘要。在搜索的過程中，主要使用的醫學關鍵詞包括「vitamin D」 OR 「vitD」， 「falls」 OR 「accidental falls」、「human」等。
第二步：根據納入/排除標准完成文獻選擇
總體來說，首先在計劃書中需要描述納入/排除標准，且這些標准不應該是看了搜索的文獻後制定的，而是應從評價問題出發直接得出。
在文獻篩選過程中，首先，需要由兩位研究者獨立通過對文獻的題目和摘要進行初篩，初篩後的文獻通過閱讀全文進行二次篩選，然後交叉核對篩選結果，如果有分歧則通過共同討論決定是否納入，必要時可有第三位研究者協助解決。如果文中信息不全或信息不清楚，與原始研究作者聯系獲取信息。在篩選過程中，需要記錄你每個步驟的選擇和排除原因。至於被排除的文章，則需要在靈敏度分析中進行分析。
如例文，在這個文獻中，已提前確定了納入和排除標准，包括：僅包含RCT研究，參加人群平均年齡≥60歲，排除酗酒人群、健康不穩定人群等，而所排除的研究在靈敏度分析中進行了分析。
下面的這個流程表描述了整個meta分析納入和排除的過程，這個流程表在meta分析中一般都是必要的。

第三步：資料選擇和提取
資料提取是從符合納入要求的文獻中摘錄用於系統評價的數據信息，所提取信息必須是可靠、有效、無偏的。
總體來說，在進行數據提取時必須使用數據提取表對每個研究進行數據提取，時刻記住所評價的問題以及以後的分析。有時可能需要主觀決定提取的信息，所以必須由2人獨立進行，核查過程中遇到不同之處應該通過討論解決。對於無法獲取必要信息的文獻，則應予以排除。
從提取的數據角度，需要提取相關研究的特點、結果和質量數據。
下表給出了常需要提取的一些數據類型，非常適合各位看官收藏下來在需要時進行查看。
一般信息 文獻研究特點
進行數據提取的研究員
數據提取日期
文獻識別特點
- 各文獻特有編號
- 第一作者
- 文章標題
- 引用
- 出版物類型、名稱、發表年限
- 國家
- 資金來源
宗旨/目標
研究設計
納入和排除標准
分組數
樣本量
招募過程（如：隨機方法、盲法）
隨機干預的單位（如：個人還是
一組人，或者左右眼）
研究場所
研究對象的基本特點 干預措施／暴露因素
研究對象在研究開始的特點，
包括：年齡、性別、種族、社會
經濟狀況、疾病特點、並發症、
診斷標准、疾病分期、病例來源
等；
各對比組的研究對象數量或平均
特點（記錄下是入組人數還是可
行人數或者隨機人數）
干預措施進行的環境
對干預／暴露因素／或者對照組
的描述（如：劑量、應用方法、
干預時間、執行者、干預方法、
理論依據等）
對co-intervention/co-exposure
的描述
健康結局或結果（outcomes）
分析或評估單位
所用統計方法
對每一個提前確定要研究的結果
o 是否在文中有報道
o 研究中對該結果的定義
o 對該結果的測量工具和方法
o 隨訪的時長以及測量
對於所有干預／暴露組以及對照組
o 每組開始參加者人數（enrolled）
o 每組在分析中包括的參加者
o 每組退出者，排除，lost to FU 人數
o 總結結果數據
> 二分法：時間和／或參加者人數
> 連續：平均值和SD
在研究中所用方法（如：intention to treat, per protocol）
研究方法結果（如：odds ratio，risk ratio, confidential interval, p-value，mean difference，CI）
如果計劃做亞組分析，則需要對每一組都提取以上信息
其他結果及任何與結果相關的詳細信息
花費
使用的資源
不良反應事件
在最後加入「備注」一欄，可以用於輸入不能填入其他欄的信息
拿例文說，就有如下圖對目標文章所提取的數據進行了總結：

第四步：納入研究的質量評價和特徵描述
完成數據提取後，就需要對所選擇的文獻進行質量評估。常常通過評價一個研究在設計、實施和分析中防止和減少系統誤差（偏倚）和隨機誤差的程度，來評價其研究質量，並以此為依據在敏感性分析、亞組分析中給以不同的權重。
評估的角度有很多，常需要包含以下領域條目：
研究設計是否與研究目的相匹配
偏倚風險
結果選擇
統計問題
報告方式
干預／暴露測量
下面，陳列一下常用的文獻質量評價工具：
1. 隨機對照試驗的質量評價工具：
Cochrane風險偏倚評估工具（最常用）、PEDro量表、Delphi清單、CASP清單、Jadad量表、Chalmers量表、CONSORT聲明（不專用，但可以用）。
2. 觀察性研究的質量評價工具：
（1）NOS量表（最常用）：病例對照研究和隊列研究；
（2）CASP清單：病例對照研究和隊列研究；
（3）JBI標准：橫斷面研究；經驗總結、案例分析及專家意見；
（4）AHRQ；
（5）Combie橫斷面研究評價工具；
（6）STROBE聲明；
（7）STREGA聲明。
3. 非隨機對照實驗性研究的質量評價工具：
MINORS條目、Reisch評價工具、TREND聲明。
4. 診斷性研究：
QUADAS工具、CASP清單、STARD聲明。
5. 動物試驗：
STAIR清單、CAMARADES清單、ARRIV指南。
在該例文中，共有三名作者獨立進行數據提取，使用已經設計好的數據領域，包括研究質量指數，評估了以下方法：隨機方法、隨機分配、雙盲等。此外，還做了靈敏度分析。
第五步：數據整合
系統評價過程中，對上述數據進行定量統計合並的流行病學方法稱為Meta分析(Meta analysis)。Meta意思是more comprehensive，即更加全面綜合。
對數據的整合分為描述性整合和定量整合：
對於描述性整合，應考慮：
• 建立干預/暴露因素是如何導致結果的假說，包括原因和適用人群；
• 初步綜合納入的研究，以文本形式或者製表和／或圖形顯示；
• 探討各研究內或各研究間的關系；
• 評估證據的穩定性；
• 評估meta分析的重要性。
對於定量整合，則可以：
1. 提高了統計檢驗的power和精度；
2. 統計結合各研究結果給出一個「平均」干預效果的合並估計值，改進對作用效應的估計；
3. 評價結果一致性，解決單個研究間的矛盾;
4. 解決以往單個研究未明確的新問題。
那麼如何進行meta分析呢？
a．異質性檢驗（齊性檢驗）
由於納入文獻存在臨床異質性、方法學異質性和統計學異質性，所以在對結果數據進行統計合並之前，首先應該進行異質性檢驗，保證現有的各獨立研究間的結果的不同僅僅是由於抽樣誤差造成的。否則，就要進入亞組分析，或取消合並。
異質性評估（Heterogeneity assessment）
異質性：除抽樣誤差外的不同性
Chi-square test for interaction (Q = x2 statistic, df =degrees of freedom)
也可以比較各亞組的點估計是否相同
若同時如何I2<50%和P≥0.1時，納入文獻被認為是同質的，採用固定效應模型（fixed effect model）分析；反之說明研究間存在實際異質性，需要查找一致性的來源，之後採用隨機效應模型（random effect model）。
如果存在較大的臨床異質性，那將無法進行meta分析，只能進行描述性整合。
在JAMA這篇文章中，用Q值來評估異質性。當p值小於0.1時，存在顯著異質性。此外，在forest plots中所有研究的95%置信區間相互之間重疊可支持不存在異質性。
b．統計合並效應量（加權合並，計算效應尺度及95％的置信區間）並進行統計推斷
通常在考慮採用哪些效應指標（effect size）時需要考慮結局指標的類型，通常兩組間比較時，如果是連續性變數用加權均數差（weighted mean difference, WMD）、標准化均數差值（standardized mean differences, SMD）表示效應大小；二分類變數則用率差（rate difference, RD）、比數比（odds ratio, OR）、相對危險度（relative risk, RR）、相對危險度降低值（relative risk rection, RRR）等來表示效應的大小。
c．圖示單個試驗的結果和合並後的結果
－森林圖（Forrest plot）

分別展示了納入的每一篇文獻的結果和合並後的結果。
－Meta-regression (Goodman et al, 2009)

d．敏感性分析：用來評估meta分析結果的穩定性
1）按研究質量評價標准從納入文獻中去除尚有爭議的研究、排除低質量的研究、早期研究、根據研究結果的分布去掉extreme10%其他已知因素不同的研究；
2）採用不同統計方法/模型；
3）根據樣本量大小進行分層分析；
4）改變納入／排除標准時，重新對同一資料進行分析時，如果觀察到合並指標點估計和區間估計的變化存在較大差異，則說明meta分析的結果不穩定。比如，當排除一篇低質量文獻時，合並指標變化很大，說明該文獻對合並指標敏感。
敏感性分析是必要的，無論是採用不同的統計模型或進行亞組分析，都可以幫助我們找到可能的偏倚來源，更加正確的理解獲得的結論。
e．通過「失安全數」的計算或採用「倒漏斗圖」對入選文獻進行潛在的發表偏倚（publication bias）的評估。
可以用stata軟體進行Begg test和 Egger test以及funnel plot進行評估。
第三階段：報告和分析結果
第一步：報告和建議
• 總結主要結果
• 判斷結果的有效性
• 判斷結果概括性
• 確定進一步研究的意義
• 確定臨床實踐和公共衛生的意義
根據Centre for Reviews and Dissemination（CRD）指南，meta分析報告的結構一般包括以下內容：
• 標題
• 內容列表
• 縮寫/術語表
• 內容提要或結構式摘要
- 背景
- 目標
- 方法（數據來源、研究的選擇、數據提取，
質量評估、數據合成）
- 結果
- 結論
• 正文
- 背景/介紹
- 研究問題
- 研究方法
o 確定研究
o 研究選擇（納入/排除標准，方法）
o 數據提取
o 質量評估
o 數據整合
- 結果
o 納入和排除研究的詳細信息
o 研究結果
o 次要分析（例如：異質性、靈敏度）
- 討論
o 主要發現的討論
o 評價的優點和弱點
o 結果的意義
> 評價中證據的長處和短處
> 影響的方向和力度
> 結果的實用性
o 啟示
- 結論
o 實踐/策略／政策／未來影響
• 致謝
• 資金來源
• 利益沖突
• 參考文獻
• 附錄
第二步：應用到實踐
讓研究更易理解
推廣到臨床實踐：診斷、預後、預防、治療
風險評估
- 評估一般或特定的因果關系
- 與其他種類的數據使用證據權重分析（例如：毒理學、模式-的動作）
- 限製法規
附Meta分析常所使用的軟體：
1. 付費軟體：CMA（ComprehensiveMeta Analysis）、Meta Win、EasyEA；
2. 免費軟體：RevMan(Review Manager)、Meta-Disc、EpiMeta、R；
3. 通用統計軟體中有Metaanalysis的程序：STATA、SAS、NCSS、WinBUGS。

❷ Meta分析的步驟方法

主要步驟 明確簡潔地提出需要解決的問題 制定檢索策略，全面廣泛地收集隨機對照試驗 確定納入和排除標准，剔除不符合要求的文獻 資料選擇和提取，包括原文的結果數據、圖表等 各試驗的質量評估和特徵描述 統計學處理 結果解釋、作出結論及評價 維護和更新資料。 處理方法
a．異質性檢驗（齊性檢驗，即通過最常用的Q檢驗，I2,和H值等進行 ）。
b．統計合並效應量（加權合並，計算效應尺度及95%的置信區間）並進行統計推斷。
c．一般用森林圖的形式表示單個試驗的結果和合並後的結果。
d．敏感性分析
e．通過Egger『s法，Begg』s，「失安全數」的計算以及「倒漏斗圖」 了解潛在的發表偏倚。

❸ meta分析中何時用"方差倒置法"'MH法""Peto法""DS-L法

倒方差法：適用面廣；但當研究樣本量小時，不適合
M-H法：當研究樣本量小時，較優；但只適用於合並二分類的統計量
Peto『s：當事件發生率極低時，適合；但當處理效應（如treatment effects）非常大，或者研究的各個arm間配比嚴重失衡時，不適合；Peto's只能合並計算得到OR
D-L法：源帶敬屬於雹慎隨機效應模型，在權重分配時，小樣本研究，較固定效應模行族型獲得更多權重，而大樣本研究相對減少權重，從而各研究間，不論樣本大小，所獲權重差異較固定效應模型為小，故結果解釋應當更為保守慎重

❹ 關於meta分析軟體使用方法

http://www.verycd.com/groups/jiaoxue/329595.topic

Meta分析是一種對同一主題下的多個獨立實驗（研究）進行綜合的統計分析方法。它萌芽於本世紀初[2]；1976年由美國教育學家定義為Meta分析，並揭開了它在教育學、心理學及醫學中的應用的新篇章[3]。Meta分析在這些學科的應用中取得了極大的成功，發展出了多種分析方法。Mann稱其為醫學方法學研究中的一次革命，且羽翼漸豐[4]。
直到90年代，此方法才被生態學家發現，雖然目前它在生態學中的應用實例還很少，但已引起了生態學界的高度重視。Gurevitch（1993）出版了第一部生態學中的Meta分析專著[5]，並與人合作於1997年發行了MetaWin軟體包。
在我國，彭少麟（1988）首次將此方法引入我國生態學界[6]，並利用此方法進行生態學分析[7]。
Meta分析目前主要應用於對照實驗的綜合研究中，目的為判斷實驗中的處理會對實驗對象產生正或負效應；效應是大還是小；同一主題下不同獨立實驗的結果是否一致，變異程度有多大等問題。
但Meta分析決不僅僅是一個數學分析過程，它本身也是一項研究，需要認真設計。主要步驟如下所述。
提出所要解決的問題並制定搜集、選擇文獻的標准。搜集文獻，這是一項非常繁重且關鍵的工作。為了能搜集到全面的文獻，通過各種途徑來最大可能地收集已發表的和未發表文獻（包括正式期刊中的論文、會議論文、摘要以及各種私人交換資料等）。
標定各研究的特點，並對其進行分類。根據研究背景特點的不同將所有研究分為幾個級別（class），以作比較。
定量測度研究特點。為了避免分析時對質量不等的研究給予相同的結合標准，導致分析結果的不準確，分析家們提出了定性Meta分析，即制定標准，對研究特點進行打分評估；綜合研究結果並結合研究特點來分析結果。也有人稱這一步為定量Meta分析，以相對於定性Meta分析。
研究特徵分析（敏感性分析），分析研究的基本特徵（研究對象、研究環境等的特徵）和方法學特徵對效應值之間的協變關系。
目前已有發展出多種定量Meta分析方法。但它們的基本思想是一致的，那就是先提出假設，構造一個結合統計量，然後計算各研究的結合統計量，並用其在定性Meta分析中所得分數去權重它的結合統計量；計算各級別研究中的加權平均結合統計量（在平均過程中，要根據其各結合統計量的方差進行權重）；做各級別研究間統計量的異質性檢驗。
定量Meta分析方法的不同主要在於結合統計量和統計假設的不同。
2 MetaWin軟體的特點
MetaWin是一個主要為生態學工作者設計的定量Meta分析軟體，其主要特點如下所述。
2.1 提供了兩種假設模型
這兩種假設模型為固定效應模型和混合效應模型，具體計算過程見文獻[6]。兩者的區別主要在於前者假設所綜合的研究共享一個真實效應大小，實際測量的效應大小不同是由於隨機取樣所導致，而後者卻假設研究間具有不同的真實效應大小，即所測效應大小的不同是由兩部分組成，真實效應的不同，隨機取樣造成誤差。後者更切合實際，區間估計較保守，更受Meta分析家們歡迎。
2.2 提供多種可選擇的結合統計量
在生態學領域內的Meta分析中最常用的結合統計量為Hedges』d效應值：d =（Xe -Xc）/（SJ）（其中，Xe、Xc分別為實驗組和對照組的測量平均值，S為兩組共同標准差，J為小樣本較正值），MetaWin還提供了反應比（response ratio）：ln（Xe /Xc）（Xe、Xc的意義同上）這是從醫學Meta中新引進的一種結合統計量；此外，MetaWin還為對Meta分析較為熟悉的分析者提供了更多的選擇機會，如相關系數（correlation coefficient）等。
2.3 提供了兩種數據輸入方式
對有經驗的分析者可直接輸入效應值、樣本方差等所需數據，其格式稱效應數據格式。這種數據輸入法的好處在於分析者可根據所收集的文獻的實際情況來自己構造結合統計量，也即MetaWin為分析者提供了較大的自由。在文獻數據滿足前兩種結合統計量計算情況下，分析者可以輸入原文獻中的統計數據，如平均值、樣本方差、樣本大小來進行計算，比較方便，稱原始數據格式。
2.4 提供了一項非參數檢驗——重取樣檢驗
上述參數模型檢驗是在假設所有研究中的實驗組和對照組觀測值均遵循正態分布情況下進行的；許多Meta分析方法基於大樣本近似原理，即當實驗組和對照組樣本大小不小於10時，效應值才趨於正態分布。但如果樣本太小，實驗組和對照組樣本大小太懸殊或效應值太大時，大樣本近似原理就變得不準確了[8]。但事實上，許多生態學觀察值卻違背了上述情況[9]。此外，只有當上述假設被滿足時，用於檢驗研究間效應異質性的Q值才有近似的X 2分布[7]。重取樣檢驗法是取代傳統參數和非參數檢驗的一種好方法。
重取樣檢驗是一種計算機加強（computer intensive）非參數檢驗方法[10]。MetaWin中提供了隨機化檢驗法（randomization test）和自助法或靴襻法（bootstrap）。前者常被用來決定一個統計量的顯著性水平，後者則用於給出統計量的置信區間。
MetaWin中用自助法來計算所有研究總效應值和每一級別加權平均效應值的置信區間，對於樣本含量為i的每一級別，我們均以放回式取樣選取i個研究並計算其加權效應值，然後重復上述取樣方法多次，按大小順序將效應值排列起來，在兩端取2.5%處的值做為5%至信區間的上下限，置信區間包括零在內的級別被認為沒有顯著不等於零。但當樣本含量太小時，會出現區間估計過低，此時，可用偏差較正法[9]。
MetaWin中用隨機檢驗來判斷級別間效應大小的差異是否顯著。首先用原始數算出QB，然後將j個級別里的所有研究混在一起，再隨機將它們分成j個級別，級別含量仍與原來相同，算出QB值，重復此過程多次，得出一個QB值的分布，QB的顯著性水平為隨機QB值大於等於實際QB值數占重復隨機取樣數的百分比。
3 MetaWin軟體的使用方法
3.1 MetaWin軟體構成
運行MetaWin，只需一台裝有Windows95、Windows3.1或WindowsNT的IBM兼容機，其中共包括8個文件。（1）MetaWin.exe：在Windows95和WindowsNT下的可執行文件。（2）MetaWin.hlp：在Windows95和WindowsNT下的幫助文件。（3）MetaWin.cnt：在Windows95和WindowsNT下的幫助文件的內容。（4）MetaW16.exe：在Windows3.1下的可執行文件。（5）Meta16.hlp：在Windows3.1下的幫助文件。（6）Raw.dta：以原文獻統計數據輸入數據的格式示範文件。（7）Effect.dta：以效應大小輸入數據的格式示範文件。（8）Gur-hed.dta：作者的示範數據格式文件。
Windows95和Windows3.1版本的不同之處主要在於研究特徵類型量、每一特徵類型中級別數、每一數據文件中所含研究量及非參數檢驗中的重復數的最大值的不同，Windows95比Windows3.1范圍更廣。
3.2 MetaWin軟體使用方法
3.2.1 數據輸入
打開MetaWin文件，下拉file菜單，點擊edit data file，進入數據輸入狀態，可直接在彈出的窗口中輸入數據，也可從file菜單中點擊load a file上載已有的文件。原始數據輸入格式如下：
sex tree state +/- Nc Ne Xc Xe Sc Se Label
m oak pa + 7 7 78.14 79.71 40.650 40.650 study1
m maple ny + 7 7 18.86 26.00 9.170 9.170 study2
f maple ny - 6 6 -1.80 -2.10 0.490 0.490 study3
其中，第一行為標題行，前3項為級別分類標准，事實上，Windows95版本可允許10個分類標准，Windows3.1為5個；+/-為方向符，如果你所期待的效應值為正值時（即實驗中的處理會對實驗對象產生正效應），在按所期待趨勢應該出現正效應值的研究項中加+，負效應值的研究中加-，它必須緊跟級別組，否則程序運行時不能識別數據文件中共有幾項劃分級別標准；Ne、Nc分別為實驗組和對照組的樣本含量；Xe、Xc分別為實驗組和對照組的測量平均值；Se、Sc分別為實驗組和對照組的標准差；Label為各研究的標記。標題行下面的每一行為一個研究的效應數據。效應數據輸入格式為：
sex tree state +/- Nc Ne effect var Label
m oak pa + 7 7 78.0.036 0.286 study1
m maple ny + 7 7 0.565 0.347 study2
f maple ny - 6 6 1.533 0.517 study3
其中，effect一列為效應值；var為效應方差；其它同原始數據格式。
3.2.2 數據分析
在打開MetaWin文件的同時，會自動彈出一個Meta-Analysis窗口。在此窗口上部Type of Input一項中點擊raw或 effect（確定數據為原始還是效應格式），原來灰色的Data file就會加亮，點擊，從彈出的『打開』窗口中選定並打開要分析的數據文件。
在Meta-Analysis窗口中部選擇固定效應或混合效應模型，結合統計量，也可增加重復檢驗；窗口下部gourp by中可選擇劃分級別的標准，並在Refine Analysis中可以在不改變數據文件的情況下去掉一些級別或研究來純化分析。
所有這些選項選擇好後，即可點start鍵進行運算。運算結束後，會自動彈出一個Meta-Analysis output窗口，顯示分析結果。
3.2.3 結果顯示
在分析結果中，可看到分析時間，數據來源路徑，以及名為Parametric methods和 Meta-Analysis results for groups的兩個表。前者為所有研究的效應值表，每一行代表一個研究，包括其名稱、所屬級別、小樣本校正值（J）、對照和實驗兩組的共有標准差（spool）、效應值（d）、95%的置信區間（95%CI）、各研究的方差（V）、權重（W）。
一般先假設所有研究享有共同的d值進行分析，此時在第二個結果表中可看到所有研究的總平均效應值（d++）、95%的置信區間、同質性（Qwi），自由度（df）、X 2檢驗的p值。如果其級別內異質性經X 2檢驗顯著，則說明假設不正確，此時按一定的標准將所有研究劃分為幾個級別，再進行分析。此時的第二個結果表中會顯示各級別內所有研究的加權平均效應值（di+）、95%的置信區間、同質性（Qwi），自由度（df）、X 2檢驗的p值以及級別間同質性（Qb）、級別內總同質性（Qw），總的同質性（Qtotal）。如果級別間同質性（Qb）經檢驗後顯著，則說明級別間差異顯著；如果某一級別內同質性（Qwi）經檢驗顯著，說明這一級別內各研究的效應值差異較大，應該進一步劃分此級別，再分析，直到Qwi經檢驗不顯著。
如我們在做捕食關系的Meta分析中發現，捕食者導致被捕食者種群數量降低，d++=-0.3855（固定效應模型）d++=-0.4589（混合效應模型）；但不同標准劃分的級別的效應大小有差異，捕食效應隨地帶性而變化，熱帶效應值最大，亞熱帶、溫帶、寒帶也有效應，其中亞熱帶最小；按所在生態系統劃分級別時，陸生生態系統級別為中效應，淡水生態系統為小效應[10]。
MetaWin是一個操作簡單且功能較全的Meta分析軟體，以Windows作支持，用戶通過界面與機器直接對話，分析過程簡單易學，結果輸出明了。遺撼的是MetaWin中沒有考慮定性Meta分析所得出的研究質量評估值，所以利用原始數據直接輸入法不能對效應值進行研究質量權重。同時值得注意的是MetaWin只提供了定量Meta分析方法，而Meta分析本是一項研究，數量分析前需要認真設計，分析後也需對結果進行研究特徵分析。一個好的Meta分析不僅要選擇好的定量分析方法，而且分析前設計和分析後的特徵分析都非常重要，因為統計的目的是為解決問題提供科學依據。