横断面研究是一种描述性研究，没有对照组，持续时间短，虽然证据强度不高，但也是揭示暴露和疾病关系不可或缺的一种方法，我在前面的文章中也给大家读过横断面研究的文章。
横断面研究因为所获得的描述性资料是在某一时点或在一个较短时间区间内收集的，所以它客观地反映了这一时点的疾病分布以及人们的某些特征与疾病之间的关联。由于横断面研究主要关注患病，而非发病，所以效应指标主要是患病率，关于患病率的概念和计算公式不知道是否掌握，这里回顾一下。
患病率：指特定时间内总人口中某病新旧病例所占比例，与患病时间无关。患病率可按照观察时间的不同分为期间患病率和时点患病率两种。时点患病率较常用，通常患病率时点在理论上是无长度的，一般不超过1个月；而期间患病率指的是特定的一段实际，通常多超过1个月。期间患病率实际上等于某一特定时期开始时的时点患病率加上该期间内的发病率。
时点患病率=某一时点一定人口患某病新、旧病例数/该时点人口数（被观察人数）×k
期间患病率=某观察期间一定人口现患某病的新、旧病例数/同期平均人口（被观察数）×k
K取值为100%、1000‰或10000/万
上面是关于患病率的概念，下面介绍横断面研究的Meta分析。
我们通过下面的例子来给大家讲解。
范文：The Prevalence of Hyperuricemia in China: a meta-analysis，这篇文章2011年发表在BMC Public Health杂志，是一篇典型的横断面研究Meta分析，对于想写横断面Meta分析的同学有一定的参考价值。
研究背景：
这篇文章研究的是高尿酸血症（HU），在背景中介绍了HU的概念、流行病学、相关疾病，然后提到HU会导致很多并发症，中国经济增长很快，平均寿命延长，有必要研究中国、所有发展中国家甚至全世界的HU情况。
检索策略：
这篇文章检索了CBM、维普、中国知网和Medline数据库，检索词是“hyperuricemia”、“HU” 、“prevalence”，不检索没有发表的研究，纳入研究不包括在香港、澳门和台湾地区开展的研究，主要因为这些地区经济文化不同于大陆，所以患病率可能跟大陆不同。
纳入排除标准：
纳入标准：1.病例收集于现场调查；2.研究基于人群而非志愿者；3.有明确的诊断标准和研究实施日期；4.相同样本的多个研究则纳入研究资料最详细的（这条同学们可以参考下，很多人会遇到同样的问题，不知道怎么取舍）。所有纳入研究应使用相同的诊断标准，排除无法获取数据的研究。
研究质量：
用Cochrane偏倚风险工具进行质量评价。
数据分析：
计算HU和痛风的合并患病率，根据I2值确定Meta分析采用固定还是随机效应模型，按照I2值的25%、50%和75%将异质性分为低、中、高3级，低异质性用固定效应模型，中高异质性用随机效应模型，按照性别、年龄和地区进行亚组分析。
结果：
1. 最终纳入59个研究，下面是文献筛选流程图
2.纳入研究的基本特征
3. 分别展示了男性和女性的HU患病率的Meta分析结果
4.亚组分析的结果，这篇文章是用表格展示出来的（方法就是先算出结果，然后用表格进行整理）。
结论：研究结果表明HU的患病率在不同年龄是不同的，在30岁以后的男性和50岁以后的女性中显著上升，因此针对这些年龄的人群需要进行干预，并且指出仍然需要大样本的队列研究来支持结论。
这篇文章短小精悍，相对比较规范，论证过程是严谨的，也为临床实践提供了一定的价值。但是本文仍然存在一些小问题，比如质量评价工具，本文用的是Cochrane协作网的评价工具，但实际上对于横断面研究有专门的评价工具，就是AHRQ，我们做横断面研究的Meta分析实际上可以用AHRQ工具。
AHRQ包括11个条目， 分别用“是” 、 “否” 及“不清楚” 作答。是为1分，否，不清楚为0分，总分11分，0至3为低质量，4-7中等质量，8-11高质量。
（1）是否明确了资料的来源（调查，文献回顾） ?
（2）是否列出了暴露组和非暴露组（病例和对照）的纳入及排除标准或参考以往的出版物？
（3）是否给出了鉴别患者的时间阶段？
（4）如果不是人群来源的话，研究对象是否连续？
（5）评价者的主观因素是否掩盖了研究对象其他方面情况？
（6）描述了任何为保证质量而进行的评估（如对主要结局指标的检测/再检测）
（7）解释了排除分析的任何患者的理由；
（8）描述了如何评价和（或）控制混杂因素的措施；
（9）如果可能，解释了分析中是如何处理丢失数据的；
（10）总结了患者的应答率及数据收集的完整性；
（11）如果有随访，查明预期的患者不完整数据所占的百分比或随访结果。
除了质量评价工具的选择，这篇文章在数据分析部分没有交待使用的软件，这可能也是作者的遗漏，我们在写文章的时候一定要交待你做统计分析所用的软件。
另外，这篇文章仅仅纳入了中国大陆的人群，实际上也可以纳入港澳台的人群，然后做一个亚组分析进行对比，找找大陆和港澳台人群的差异和原因，我觉得可能更有价值。
上面是关于这篇文章的介绍，那么怎么进行数据的分析，我们使用常用的Meta分析软件就可以完成，Stata、R语言和CMA都可以轻松实现。
横断面研究的Meta分析实际上属于单组率Meta分析的一种，有的原始研究通过校正相关因素，提供了效应量和95%可信区间的数据；还有的原始研究提供的是病例样本数和总样本数这样的二分类数据。
如果提供了效应量和95%可信区间的数据，那么我们用Stata 16.0自带的Meta分析菜单进行下面的设置可以轻松完成。
如果是提供的病例样本数和总样本数这样的二分类数据，那么我们需要自己进行换算，算出患病率和标准误，我们用编程软件Stata或R都可以进行计算，计算出患病率跟标准误之后再进行数据合并。
以下是Stata中的计算代码：
（1）安装Meta分析模块：
ssc install metan（课程中讲过，不解释太多）
（2）计算患病率并生成变量rate：
gen rate=event（病例样本数）/total（总样本数）
注释：gen 代表生成新的变量。gen rate代表生成新的变量并命名为rate，生成的新变量会自动添加到数据集中。
（3）计算患病率的标准误并生成变量ser：
gen ser=sqrt(rate*(1-rate)/groupatotal)
注释：sqrt代表计算数据的平方根
率的标准误计算公式如下：
（4）使用随机效应模型进行单组率的meta分析：
metan rate ser, random
注释: metan代表对数据进行meta分析;random代表随机效应模型;fixed代表固定效应模型。
以上就是数据合并的Stata代码，其他的分析结果如漏斗图、发表偏倚检验跟普通Meta分析一样，没有什么区别。
