空格“要想发高分的meta，结果中最好补充一个剂量反应关系分析，给出一个典型的曲线(线性)+泡泡的图”，这句话好像似曾相识，你们听过吗？作为初学者，抱着学习的心态，今天跟大家讨论几个关于剂量反应关系的问题，希望对大家有用。
问题1、什么样的资料类型可以做？
空格首先不管是何种资料类型，纳入研究中必须要有剂量的信息。meta分析中最常见的资料包括二分类变量资料和连续型变量资料，他们的合并效应指标分别是相对危险度RR、优势比OR与加权均数差MD标准化均数差SMD。目前文献上最常见的就是对RR进行的剂量反应关系分析，百度上都可以搜索到教程。那么对于连续型变量资料，能否进行分析？答案是肯定的。因为剂量反应关系分析实质上就是回归分析，因变量是合并效应指标，自变量是剂量，与普通的回归不同的是它考虑了每个研究内部的变异以及研究间的变异。
问题2、什么样的研究类型可以做？
空格尽管在软件实践上存在一定的障碍，但是剂量反应关系的数学模型是比较完善的。它不仅能用于病例-对照研究与队列研究，还适用于随机对照设计的研究，甚至也可用于基因多态性的研究等等。
问题3、什么样的软件可以做？
空格剂量反应关系分析已经有30多年的发展史，所以常见的统计分析软件都有现成的模块。例如，①STATA中的glst命令，可以通过net install glst, from (http://fmwww.bc.edu/RePEc/bocode/g)命令下载安装；②SAS中的metadose宏，它是由美国哈佛大学Ruifeng Li和Donna Spiegelman 教授在2010年共同开发的，专门用于剂量反应Meta分析的SAS 宏，可以通过https://cdn1.sph.harvard.edu/wp-content/uploads/sites/271/2012/08/Metadose-Documentation-2010.pdf网址下载使用。③R中的dosresmeta包，可以通过install.packages('dosresmeta')安装使用。具体的操作，有兴趣的朋友可以自行学习。值得注意的是，上述几大方法目前应该只适用于对二分类变量资料(RR/OR)进行分析。
问题4、每个研究需要几个剂量水平？
空格对于这个问题，很多看过相关软件教程的朋友可能都发现例子中每个研究都是至少三个剂量水平，而且还涉及到各个研究内部中心化的问题(就是把参考水平设置为0)。问题2中已经提到，剂量反应关系的数学模型是比较完善的，而很多模型都是study-specific的模型，分析策略一般可以简化为两个步骤，先对每个研究内部进行剂量反应关系分析，接着再对各个研究进行合并。对每个研究内部进行剂量反应关系，要想得到(最常见的)曲线的关系，至少要有三个点的数据，所以目前绝大多数的软件教程都对每个研究的剂量水平限定在三个及以上。
空格当然，统计学家是很聪明的，为了适应绝大多数文献不能提供多个剂量水平的现状，想到了单步骤的分析策略，也就是不对单个研究内部进行分析，直接把各个研究所得数据进行合并分析，这样所有的研究加起来有三个剂量水平的数据即可进行分析。而这样的激进思想是基于研究间同质的重要假设的，此时聪明的统计学家会想到随机效应模型来掩饰。
问题5、每个研究的给药时间不同如何处理？
空格在做剂量反应关系图的时候横坐标是剂量，这里并没有考虑到时间的长短，是否会带来很大的偏倚？这个问题，小编也难以启齿。其实这个问题不仅要在进行剂量反应关系的时候考虑，在整个meta分析中都存在。假如，两个研究使用相同的剂量，而给药时间一个是1周，另一个是1个月，所产生的效应肯定是不一样的。但是，在meta分析中，聪明的统计学家把这些种种难以解释的东西都用异质性来解释了，至多在进行meta回归或者亚组分析的时候按照剂量或给药时间的不同来进一步探讨。
空格而在剂量反应关系分析中，如总体的meta分析一样，我们无需考虑给药时间的不同，一般采用同样时间单位的给药量(如：mg/day)作为横坐标皆可，难以解释的东西交给随机效应模型吧。
问题6、拟合线性还是非线性？
空格线性与非线性都在说明着剂量与反应间存在着关系，那么该如何选择？这里我们需要秉承越简单越好的原则，从最常用的线性、二次函数、限制性立方样条函数中依次选择，如果线性模型有统计学意义，则不对后面的的模型进行尝试。因为曲线关系越复杂，局部波动越大，越有可能存在着过渡拟合的问题，此时的剂量反应关系尽管有统计学意义，也不可靠。
问题7、你们有问题欢迎留言讨论！
空格上述问题只涉及到剂量反应关系的冰山一角，所发表的见解也只是一家之言，欢迎各位批评指正！
空格“要想发高分的meta，结果中最好补充一个剂量反应关系分析，给出一个典型的曲线(线性)+泡泡的图”，这句话好像似曾相识，你们听过吗？作为初学者，抱着学习的心态，今天跟大家讨论几个关于剂量反应关系的问题，希望对大家有用。
问题1、什么样的资料类型可以做？
空格首先不管是何种资料类型，纳入研究中必须要有剂量的信息。meta分析中最常见的资料包括二分类变量资料和连续型变量资料，他们的合并效应指标分别是相对危险度RR、优势比OR与加权均数差MD标准化均数差SMD。目前文献上最常见的就是对RR进行的剂量反应关系分析，百度上都可以搜索到教程。那么对于连续型变量资料，能否进行分析？答案是肯定的。因为剂量反应关系分析实质上就是回归分析，因变量是合并效应指标，自变量是剂量，与普通的回归不同的是它考虑了每个研究内部的变异以及研究间的变异。
问题2、什么样的研究类型可以做？
空格尽管在软件实践上存在一定的障碍，但是剂量反应关系的数学模型是比较完善的。它不仅能用于病例-对照研究与队列研究，还适用于随机对照设计的研究，甚至也可用于基因多态性的研究等等。
问题3、什么样的软件可以做？
空格剂量反应关系分析已经有30多年的发展史，所以常见的统计分析软件都有现成的模块。例如，①STATA中的glst命令，可以通过net install glst, from (http://fmwww.bc.edu/RePEc/bocode/g)命令下载安装；②SAS中的metadose宏，它是由美国哈佛大学Ruifeng Li和Donna Spiegelman 教授在2010年共同开发的，专门用于剂量反应Meta分析的SAS 宏，可以通过https://cdn1.sph.harvard.edu/wp-content/uploads/sites/271/2012/08/Metadose-Documentation-2010.pdf网址下载使用。③R中的dosresmeta包，可以通过install.packages('dosresmeta')安装使用。具体的操作，有兴趣的朋友可以自行学习。值得注意的是，上述几大方法目前应该只适用于对二分类变量资料(RR/OR)进行分析。
问题4、每个研究需要几个剂量水平？
空格对于这个问题，很多看过相关软件教程的朋友可能都发现例子中每个研究都是至少三个剂量水平，而且还涉及到各个研究内部中心化的问题(就是把参考水平设置为0)。问题2中已经提到，剂量反应关系的数学模型是比较完善的，而很多模型都是study-specific的模型，分析策略一般可以简化为两个步骤，先对每个研究内部进行剂量反应关系分析，接着再对各个研究进行合并。对每个研究内部进行剂量反应关系，要想得到(最常见的)曲线的关系，至少要有三个点的数据，所以目前绝大多数的软件教程都对每个研究的剂量水平限定在三个及以上。
空格当然，统计学家是很聪明的，为了适应绝大多数文献不能提供多个剂量水平的现状，想到了单步骤的分析策略，也就是不对单个研究内部进行分析，直接把各个研究所得数据进行合并分析，这样所有的研究加起来有三个剂量水平的数据即可进行分析。而这样的激进思想是基于研究间同质的重要假设的，此时聪明的统计学家会想到随机效应模型来掩饰。
问题5、每个研究的给药时间不同如何处理？
空格在做剂量反应关系图的时候横坐标是剂量，这里并没有考虑到时间的长短，是否会带来很大的偏倚？这个问题，小编也难以启齿。其实这个问题不仅要在进行剂量反应关系的时候考虑，在整个meta分析中都存在。假如，两个研究使用相同的剂量，而给药时间一个是1周，另一个是1个月，所产生的效应肯定是不一样的。但是，在meta分析中，聪明的统计学家把这些种种难以解释的东西都用异质性来解释了，至多在进行meta回归或者亚组分析的时候按照剂量或给药时间的不同来进一步探讨。
空格而在剂量反应关系分析中，如总体的meta分析一样，我们无需考虑给药时间的不同，一般采用同样时间单位的给药量(如：mg/day)作为横坐标皆可，难以解释的东西交给随机效应模型吧。
问题6、拟合线性还是非线性？
空格线性与非线性都在说明着剂量与反应间存在着关系，那么该如何选择？这里我们需要秉承越简单越好的原则，从最常用的线性、二次函数、限制性立方样条函数中依次选择，如果线性模型有统计学意义，则不对后面的的模型进行尝试。因为曲线关系越复杂，局部波动越大，越有可能存在着过渡拟合的问题，此时的剂量反应关系尽管有统计学意义，也不可靠。
问题7、你们有问题欢迎留言讨论！
空格上述问题只涉及到剂量反应关系的冰山一角，所发表的见解也只是一家之言，欢迎各位批评指正！