着眼于治疗效果或其他效应大小的研究
二分法(事件数)
- 不匹配组,前瞻性(例如,对照试验、队列研究)
- 每组中的事件和样本量
- 每组中的非事件和样本量
- 每个组中的事件和非事件
- 每组的事件率和样本量
- 卡方和总样本量
- 匹配组,前瞻性(例如,交叉试验或前后设计)
- 匹配的 2x2 表
- 每个处理中的事件和样本量,以及外部相关性
- 每个治疗中的非事件和样本量,以及外部相关性
- 每个治疗中的事件和非事件,以及外部相关性
- 每次处理中的事件发生率和样本量,以及外部相关性
- 不匹配组,回顾性(例如,病例对照研究)
- 案例和控件的公开和未公开
- 案例和对照的暴露和总计
- 病例和对照的暴露比例和总数
- 用于病例对照研究的匹配 2x2 表
- 计算出的效应大小
- 比值比和置信限
- 对数比值比和标准误
- 对数比值比和方差
- Peto's (O-E) 和 V
- 风险比和置信限
- 对数风险比和标准误
- 对数风险比和方差
- 风险差异和置信限
- 风险差和标准误差
- 风险差异和方差
连续(均值)
- 不匹配的群组,仅发布数据
- 每组的平均值、标准差和样本量
- 均值、共同标准差和样本量的差异
- Cohen's d(通过合并组内 SD 进行标准化)和样本量
- 均值、样本量和 t 值
- 均值、样本量和 t 值的差异
- 样本量和 t 值
- 均值、样本量和 p 值
- 均值、样本量和 p 值的差异
- 样本数量和 p 值
- 不匹配的组、前后数据
- 均值,SD 前后,N,在每组中,前/后 Corr
- 均值,SD 差,N,每组,前/后 Corr
- 表示每个组中的前和后,组内的 t,N
- 表示每个组中的前和后,组内的 p,N
- 表示每组中的前后,F 表示更改之间的差异,N
- 平均变化,前后 SD,N,每组,前/后 Corr
- 每组均值变化,SD 差,N,Corr 前/后
- 每组均值变化,组内 t,N
- 每组均值变化,组内 p,N
- F 表示变化之间的差值,N
- 一组(前期后期)和匹配组
- 平均差、差值 SD 和样本量
- 均值、SD Pre、SD Post、前/后相关性和样本量
- 均值、样本量和配对 t 值
- 均值、样本量和配对 p 值
- 平均差、样本量和 t 值
- 均差、样本量和 p 值
- 来自配对 t 检验的样本量和 t 值
- 配对 t 检验的样本数量和 p 值
- 计算出的效应大小
- 均值和置信限的原始差异(独立组)
- 均值和标准误的原始差值(独立组)
- 均值和方差的原始差异(独立组)
- Cohen's d(通过合并组内 SD 进行标准化)和置信限
- Cohen's d(由合并的组内 SD 标准化)和标准误差
- Cohen's d(通过合并组内 SD 进行标准化)和方差
- 套期保值的 g(由合并的组内 SD 标准化)和置信限
- 套期保值的 g(由合并的组内 SD 标准化)和标准误差
- 对冲的 g(通过合并的组内 SD 进行标准化)和方差
- 原始平均差和置信限(配对研究)
- 原始均值差和标准误差(配对研究)
- 原始均值差和方差(配对研究)
- Cohen's d(通过差异分数的 SD 标准化)和置信限
- Cohen's d(由差异分数的 SD 标准化)和标准误差
相关
- 计算出的效应大小
- 相关性和样本量
- 相关性和标准误差
- 相关性和方差
- Fisher's Z 和样本量
- 费舍尔 Z 和标准误差
- Fisher's Z 和方差
- 相关性和 t 值
- 相关性的 t 值和样本数量
- 相关性的 p 值和样本数量
费率(按人年划分的事件)
- 不匹配的组
- 每组事件和人年
- 每组事件率和人年
- 计算出的效应大小
- 速率比和置信限
- 对数速率比和标准误差
- 对数率比和方差
- 速率差异和置信限
- 速率差和标准误差
- 速率差异和方差
生存期(事件发生时间)
- 计算出的效应大小
- 风险比和置信限
- 对数风险比和标准误差
- 对数风险比和方差
着眼于一个群体的事件或手段的研究
二分法(事件数)
- 原始数据
- 事件和样本量
- 非事件和样本量
- 事件和非事件
- 事件发生率和样本量
连续(均值)
- 原始数据
- 平均值、标准差和样本量
- 计算出的效应大小
- 均值和置信限
- 平均误差和标准误差
- 均值和方差
费率(按人年划分的事件)
- 原始数据
- 事件和人年
- 事件率和人年
在原始比例单位中分析的一般效应
以原始比例分析的数据
- 计算出的效应大小
- 点估计和置信限
- 以原始单位表示的点估计和标准误差
- 原始单位中的点估计和方差
以对数单位分析的一般效应
以对数规模分析的数据
- 计算出的效应大小
- 原始单位中的点估计和置信限
- 以对数单位表示的点估计和标准误差
- 对数单位的点估计和方差
全面的元分析
"CMA 2.0 is perhaps the most user‐friendly statistical software I have used to date. It makes the complicated process of conducting a meta‐analysis much easier. It can be used from start to finish ‐ from direct data entry to publication‐quality graphics. I highly recommend this program!"
Nathan Thoma, M.A. - Psychology Intern, Payne Whitney Clinic, Weill Cornell Medical Center, New York ‐ Presbyterian Hospital
"I found the Comprehensive Meta‐Analysis software program to be extremely user friendly, providing instant computational data from the simplest to the most complex statistical problems, a versatile database to help organize and restructure large volumes of multifaceted data, and parallel visuals that help better understand your data. I also found the support staff very helpful in providing responses to both my technical questions about the program itself as well as helpful addressing more general theoretical questions about meta‐analyses. I would highly recommend this program to a novice or more seasoned researcher interested in conducting meta‐analytic statistics."
Talin Babikian, PhD, MPH - UCLA
综合 荟萃分析
综合荟萃分析(CMA)是一个功能强大的荟萃分析计算机程序。该程序将易用性与广泛的计算选项和复杂的图形相结合。