NMA（网状meta分析）5排序图的制作（stata大结局）

 我们的网状meta分析讲解进入深水区，有很多同学拿着代码来问我，我想说的是，代码要因数据而异，最终是要了解原理和方法学，这个需要自己深入探索。当然，我们优先选择的是用stata的频率法去实现网状meta分析，其次是winbugs，最后考虑的是gemtc。当然，猴哥推荐的还是winbugs，但这个原理复杂，model各异，学习难度高，所以对于不是专门做循证医学的同学来说，还是比较艰难，遇到具体问题时还需要修改代码。

 

许多同学对排序图很困惑，现简单讲一下排序图，也是本网状meta分析教程的最后一篇。

//排序图，数据请百度和google下载

use "rheumatoid arthritis mvmeta.dta", replace

 //数据要整理为mvmeta格式，也就是矩阵格式

 

mat P = I(6) + J(6,6,1)

 

mvmeta y S, bscov(prop P) pbest(max,all zero gen(prob) reps(50000))     

//得到排序结果，可以用graphpad画图，也可以r语言画图

 

----------------------------------------------------

_id and   |                Treatment               

Rank    | zero    y2    y3    y4    y5    y6    y7

----------+-----------------------------------------

    1         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   2         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   3         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   4         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   5         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   6         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   7         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   8         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

    9         |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  10        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   11        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  12        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   13        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   14        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   15        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  16        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  17        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  18        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   19        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

   20        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  21        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  22        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  23        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  24        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  25        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  26        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------+-----------------------------------------

  27        |

     Best |  0.0   7.6   9.4   0.3  30.1   3.4  49.3

      2nd |  0.0  17.2  24.0   0.8  28.8   6.5  22.6

      3rd |  0.0  24.6  31.4   2.0  18.8   9.7  13.5

      4th |  0.0  30.5  25.1   5.0  14.1  16.0   9.3

      5th |  0.2  17.1   9.2  20.2   7.0  41.9   4.5

      6th | 10.3   3.0   0.9  62.4   1.2  21.3   0.8

    Worst | 89.6   0.0   0.0   9.2   0.0   1.2   0.0

----------------------------------------------------

 

//得到排序结果

mvmeta y S, bscov(prop P) pbest(max,zero gen(prob) reps(50000))

 

sucra prob*, mvmeta

. sucra prob*, mvmeta  //产生累积排序图

 

Treatment Relative Ranking of Model 1

  +--------------------------------------+

  | Treatm~t | SUCRA | PrBest | MeanRank |

  |----------+-------+--------+----------|

  |        1 |   1.8 |    0.0 |      6.9 |

  |        2 |  59.8 |    7.6 |      3.4 |

  |        3 |  66.1 |    9.4 |      3.0 |

  |        4 |  22.0 |    0.3 |      5.7 |

  |        5 |  76.2 |   30.1 |      2.4 |

  |        6 |  40.8 |    3.4 |      4.6 |

  |        7 |  83.4 |   49.3 |      2.0 |

  +--------------------------------------+

//排序结果，排序图，一般文章中呈现的是如下结果

.  sucra prob*,mvmeta rankog    

 

Treatment Relative Ranking of Model 1

  +--------------------------------------+

  | Treatm~t | SUCRA | PrBest | MeanRank |

  |----------+-------+--------+----------|

  |        1 |   1.8 |    0.0 |      6.9 |

  |        2 |  59.8 |    7.6 |      3.4 |

  |        3 |  66.1 |    9.4 |      3.0 |

  |        4 |  22.0 |    0.3 |      5.7 |

  |        5 |  76.2 |   30.1 |      2.4 |

  |        6 |  40.8 |    3.4 |      4.6 |

  |        7 |  83.4 |   49.3 |      2.0 |

  +--------------------------------------+