【Meta分析】可信区间与P值结果矛盾怎么办？
在之前的推送和课程中我们介绍了森林图的解读图说meta十：森林图简介
其中我们讲到对于结果统计显著性的判断要么看P值，要么看可信区间，例如图片中可信区间是1.19-2.01，不与无效线相交，说明结果有统计学差异，同时P值等于0.001，小于0.05，说明结果也具有统计学差异，具有统一性。
然后有学员在进行相关性Meta分析合并的时候，却出现如图所示的结果，无效线与P值结果相矛盾，可信区间是0.98-1.13，但是p值却是小于0.05。这是由于什么原因造成的呢？
首先我们来看原始数据，这是一个生存资料的Meta分析，报告效应量的形式选择的是HR和可信区间，学员出现如图所示的结果的操作方法如下，在Stata16中选择声明通用（预计算）效应量，并且输入HR和可信区间，绘制森林图进行计算。
这样的操作方法也就是结果出现不一致的原因。
首先我们要明确一个问题，能否对RR进行直接合并？相对危险度（relative risk，RR）：亦称危险度比，是暴露组的危险度（测量指标是累积发病率）与对照组的危险度之比），例如RR等于10表示与对照组相比，暴露组的危险度增加了10倍，RR等于0.1表示与对照组相比，暴露组危险度降低了10倍。因此10和0.1产生的效应在坐标轴上绝对值应该是相等的，一正一负，但是我们直接进行10和0.1合并时却得不到这样的效果，因此需要进行一定的数据转换，具体的统计学原理不用深究，这里我们需要进行对数转换，即log10=-log0.1。所以在进行这种数据类型的合并时，我们对效应量和可信区间都要取对数，然后将结果再进行指数化，才能得出我们想要的结果。具体操作如下，
首先输入一下命令
gen lnHR = ln(hr)gen lnlci = ln(lci)gen lnuci = ln(uci) #注意与自已变量名相对应
然后再按照刚刚的操作设置变量，选择如下