来自于
Stata是一款非常强大的统计和作图软件，本文中用的版本是Stata14.2。网上目前存在的教程多半是用mvmeta包来做网状Meta，但mvmeta相对繁琐，需要打不少的代码去转换数据格式，Network包本质上是mvmeta，不过对用户更加友好，只需要执行简单的代码就可以数据处理。本文将介绍用Stata的Network包实现连续性变量的网状Meta分析。
1. 假设我们已经安装好了Stata，在命令栏敲入：net from ，然后点击network_graphs，下载network包。
2. 将要处理的数据在Excel中整理成下图所示：
其中id代表研究，t代表治疗，r是反应数（本例中是每组因副作用脱落的数目），n是样本量；注意每一行代表一个研究的一个臂（组），如果一个研究有三臂，那么就占三行。分析时需将id以数字来依次编号Study。同样，依次以数字来编号t。特别注意的是，同一研究中从上到下，治疗的编码只能增大，不能降低。一般来说，将安慰剂编码为1。
3. 点击Stata菜单栏Data->Data Editor-> Data Editor(Edit)，将整理好的数据直接拷贝到里面，注意拷贝的时候选择首行为变量名；Excel中第1列Study不用拷贝；如下图所示：
4. 返回Stata的首界面，在命令栏敲入：
network setup r n, studyvar(id) trtvar(t) format(augment) or
以上代码效应量为OR，如果是用RR作为效应量，则敲入：
network setup r n, studyvar(id) trtvar(t) format(augment) rr
结果如下图所示：
继续点击Stata菜单栏Data->Data Editor-> Data Editor(Edit)，发现数据变成如下模样：
右边还有很长，实在截图不下了。
现在我们的数据就准备成可以进行网状Meta分析的格式了。
5. 制作网状图，在命令栏敲入：
network map
就会跳出如下图形：
或者敲入：
network map, improve
线条以及节点的颜色、比例、以及将数字换成治疗名称，均可以在图形上点击右键，开启start graph editor后进一步编辑；或者以命令行的形式编辑；留给读者探索，在此不再赘述。
6. 首先用不一致性模型进行检验，在命令栏敲入：
network meta i
成功的话会看到：
前面一堆东西不重要，主要是看红色方框里面的P值是否大于0.05；若小于0.05，则不一致性模型显著；对于这批数据不能直接用接下来的一致性模型分析。在本例中不一致性检验不显著，说明可以使用一致性模型进行分析。
7. 用一致性模型进行分析，在命令栏敲入：
network meta c
结果如下所示：
B,C,D,E,F,G分别对应编码为2,3,4,5,6,7的干预，Coef就是这些干预与1（安慰剂）对比的效应量，最后三列是P值以及95%可信区间。
8. 至此，一致性模型与不一致性模型的结果均已算出，在命令栏敲入：
network forest
出现如下所示的森林图，最底部是不一致性检验：
9. 上面进行的不一致性检验是Global inconsistency；对于网状Meta，光做Global是不够的，还有Local inconsistency；为了做局部不一致检验，我们通常使用节点劈裂法（node-splitting method）；在命令栏敲入如下代码：
network sidesplit all, tau
结果如下所示：
若P小于0.05，则认为局部存在不一致性。
10. 在这一步，命令栏敲入clear；然后重复第3、4、7步；为了计算每个干预的SUCRA，在命令栏敲入以下代码：
network rank min, all zero reps(5000) gen(prob)
注意，在本例中MD越小说明排名越靠前，所以这里用min，如果效应量越大排名越靠前，那么代码应该改成“network rank max, all zero reps(5000) gen(prob)”。出现如下结果：
这个图表示每个治疗排行第几的概率。如编码为1的治疗（安慰剂）排行第2的概率最大（35.1%），以此类推。
接下来计算我们通常比较关心的SUCRA，以及顺便把编码还原为我们的治疗名称，敲入以下代码：
sucra prob*, lab(Placebo Aripiprazole Risperidone Quetiapine Olanzapine Haloperidol Paliperidone)
这里lab是label（标签）的意思，括号里按照1234567编码的顺序把治疗名称写出，以空格相隔。结果如下所示：
SUCRA值越高的排名越靠前，同时可以跳出SUCRA的图：
11. 制作文献中常见的联赛表，敲入以下代码：
netleague, lab(Placebo Aripiprazole Risperidone Quetiapine Olanzapine Haloperidol Paliperidone) sort(Placebo Haloperidol Risperidone Aripiprazole Olanzapine Quetiapine Paliperidone) export ("D:network.xlsx") eform
其中lab还是按照1234567的顺序依次写上治疗的名称；sort是按照SUCRA的大小排序，排行第一的写在最前面；export可要可不要，它的作用是将联赛表导出到指定的路径。eform很重要，因STATA默认对分类变量的输出为对数形式，eform的作用就是把它还原为OR或者RR。
注意如果没有export的话，这个联赛表是个临时文件，必须再次复制保存；最后一句话提示联赛表在数据视图的最末尾，也就是最右边。即点击Stata菜单栏Data->Data Editor-> Data Editor(Edit)，将下面的滚动条拉至最右边，就可以看到蜷缩在角落里瑟瑟发抖的联赛表。
将结果复制到Excel里面，尽情美化吧骚年！
12. 制作两两比较的森林图，在命令栏敲入以下代码：
intervalplot, null(1) lab(PLA ARI RIS QUE OLA HAL PAL) eform
eform很重要；其中，null(1)设置无效线为1，还可以加入pred可以输出预测区间，留给读者自行尝试；本例跳出如下森林图：
13. 制作漏斗图，首先将数据格式转换，敲入如下代码：
network convert pairs
可将数据转换成如下格式（瞬间感觉清爽了许多）
然后敲入如下代码：
netfunnel _y _stderr _t1 _t2 , random bycomp add(lfit _stderr _ES_CEN) noalpha
结果如图所示：
其实不用敲入这么多代码，你只敲入“netfunnel _y _stderr _t1 _t2”一样可以出结果；Stata里DIY的地方很多，读者可以敲入“help netfunnel”自行查阅帮助文档；对于其他的任何命令，都可以help一下。
14. 环不一致性检测（loop inconsistency），所谓的环就是指治疗与治疗之间构成了封闭的环形。运行以下命令同样需要先将数据格式转换为清爽的格式（network convert pairs）：
ifplot _y _stderr _t1 _t2 id, tau2(loop)
结果如下所示：
如果可信区间包括0，说明环不一致性不显著，但如果IF很大，说明直接比较结果和间接比较结果相差有点大……结果解释需谨慎，或者做亚组分析和回归分析找异质性来源，或者做敏感性分析等等。
15. 贡献图（即观察直接比较与间接比较对最终估计结果的贡献）的制作，在命令栏敲入以下命令（需要清爽格式）：
netweight _y _stderr _t1 _t2
结果如图所示：
祝大家数据处理顺利。
私信作者可获得本例中所使用数据的Excel文件。