| 命令： | 统计 荟萃分析 相关 |
描述
有关MedCalc中的荟萃分析的简短概述，请参见“荟萃分析：简介”。
MedCalc使用Hedges-Olkin（1985）方法在固定效应模型下使用相关系数的Fisher Z变换来计算加权汇总相关系数。接下来，在随机效应模型下（DerSimonian和Laird，1986年），采用异质统计量来计算汇总相关系数。
如何输入数据
可以在电子表格中按以下方式输入不同研究的数据：
必填项
然后可以如下完成“元分析：关联”对话框：
研究：包含不同研究标识的变量。
数据
病例数：一个变量，包含不同研究中包含的病例总数。
相关系数：包含不同研究中报告的相关系数的变量。
过滤器：一种过滤器，仅在图中包括个案的选定子组。
选件
- 林地：创建林地。
- 相对于研究重量的标记大小：可以选择代表研究效果的标记大小，其大小根据分配给不同研究的权重而变化。您可以选择固定效果模型权重或随机效果模型权重。
- 绘制合并效应-固定效应模型：该选项可将合并效应纳入林区固定效应模型下。
- 地块合并效应-随机效应模型：该选项可将林木图中随机效应模型下的合并效应包括在内。
- 用于合并效果的菱形：使用菱形代表组合效果的选项（菱形的位置代表估计的效果尺寸，菱形的宽度反映估算的精度）。
- 漏斗图：创建漏斗图以检查是否存在发布偏差。请参阅荟萃分析：简介。
结果
该程序列出了荟萃分析中包含的各项研究的结果：病例数，相关系数与95％CI。
固定效应模型和随机效应模型均给出了具有95％CI的合并相关系数。
随机效应模型将倾向于给出更保守的估计（即具有更宽的置信区间），但是在没有异质性的情况下，两个模型的结果通常是一致的。请参阅荟萃分析：介绍异质性统计Cohran Q和I 2。当存在异质性时，随机效应模型应该是首选模型。
请参阅荟萃分析：简介以了解不同的出版偏见测试。
森林图
森林图中显示了具有95％CI的不同研究的结果以及具有95％CI的合并相关系数：
