首先，命名變量study（論文名稱） year（發表年份） a1 g1 a0 g0 n1 n0（對照組和實驗組變量）
metan a1 g1 a0 g0,or label(namevar=study,yearvar=year)(固定效應)
metan a1 g1 a0 g0,or label(namevar=study) random by(group) （亞組分析）
generate logor=log(_ES)
generate selogor=_selogES
metabias logor selogor,graph(begg) #發表性偏倚漏鬥圖
library(meta)
meta1<–metabin(A1,n1,A0,no,data=BLK,sm=」OR」，studylab=paste (study,year),comb.random=TRUE,comb.fixed=TRUE)
summary(meta1)
forest(meta1) #森林圖
funnel(metal) #漏鬥圖
metabias(meta1,method=」paters」) #發表性偏倚檢驗
異質性檢驗：
若是隨機效應模型，……or radom label，若是固定效應模型(默認)，……or fixed label，兩者的區別在於算總OR值的方法，隨機效應模型用DL法計算，固定效應模型用MH法計算。若 指數太大，一般超過70%，隨機效應模型也解決不了異質性問題，就有三種方式來解決，解釋說明為什麼存在異質性，Meta回歸或者敏感度分析，敏感度分析就是挨個剔除裡面的研究，找出導致異質性偏大的某些有特點的研究。
發表性偏倚檢驗有三種方法：漏鬥圖分析、Egger’s test和Begg’stest，兩個檢驗看P值就可以，P<0.05則存在發表性偏倚。
（3）R程序代碼
library(meta)
meta1<–metabin(A1,n1,A0,no,data=BLK,sm=」OR」，studylab=paste (study,year),comb.random=TRUE,comb.fixed=TRUE)
summary(meta1)
forest(meta1)#森林圖
funnel(metal) #漏鬥圖
metabias(meta1,method=」paters」) #發表性偏倚檢驗
首先，命名變量study（論文名稱）year（發表時間） n1（樣本量） mean1 （均值）sd1（標準差） n2 mean2 sd2（study year n1 mean1 sd1 n2 mean2 sd2）
metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) fixed/random
library(meta)
meta1<–metacont(n1 mean1 sd1 n2 mean2 sd2, studylab= study, data= FMD sm=」SMD」comb.random=TRUE,comb.fixed=TRUE,label.e=」SLE」, label.c = 」control」)
summary(meta1)
參考文獻《在R軟體中實現單個率的meta分析》