Review Manager(RevMan)是Cochrane协作网出品的免费Meta分析软件，由于操作比较简单，应用的比较广泛，但是由于RevMan软件的本身的特点，在统计分析上功能受限，例如最常见的发表偏倚，只能通过简单漏斗图定性的判断，无法定量的进行计算。本文将介绍通过R软件来读取RevMan中的数据来进行Meta分析。

R软件直接读取RevMan中数据用到的命令是read.rm5，进行Meta分析的命令是metacr，下面将通过具体的例子来介绍一下R软件的这个功能。

1. RevMan导出数据

由于R软件的read.rm5命令，只能读取.csv形式的数据，因此我们需要把RevMan格式数据(.rm5)转化为.csv形式的数据。举实例的数据是一个二分类的数据(图1)。先点击RevMan软件左上角的File,找到Export，点击其中的Data and analyses选项，出现如图2所示的选项，选择我们想要的结局即可，也可以选择多个结局。点击Next，出来再.csv要保存的选项，一定要选择前三项，即：Comparison Number, Outcome Number和SubgroupNumber，代表的分别是比较结局的编码，每一个研究结局下具体结果的编码，亚组分析的编码，无亚组分析，编码为0，例如图2中，它们的编码分别是2，1和0，其余的可以选择默认。然后再点击Next，出现保存的形式，在FieldDelimiter中选择common（默认），Number of Decimals中选择Variable。然后点击Finish，弹出Save窗口，选择要保存的位置和名字即可，我保存在桌面上，命名为gene.csv。

图1 举例数据数据页面

图2保存的数据结局页面

2.利用read.rm5命令读取数据

read.rm5命令完整的格式是：read.rm5(file, sep=",", , title, numbers.in.labels=TRUE)

  其中file就是我们读取.csv格式数据的位置，字段分割字符的性质，一般默认是commom，也就是sep=","，其中在RevMan中默认的也是common，numbers.in.labels比较每一个研究和结果的标签是否保留，一般选择默认TRUE。在读取之前首先要加载meta数据包，“library(meta)“。本文的读取命令是：rev<-read.rm5(file="C:\\Users\\Administrator\\Desktop\\gene.csv")，把读取的数据以rev命名。从图3中，我们能具体的看到R软件读取的数据。

图3R软件读取RevMan的具体数据

另外，小编在一开始学习这个命令的时候出现一些错误，与大家分享一下，避免出现类似的错误。

errorin read.rm5("C:\\Users\\Administrator\\Desktop\\1.csv") :

Mandatoryfields 'Comparison Number', 'Outcome Number', and 'Subgroup Number' notincluded in export file "C:\\Users\\Administrator\\Desktop\\1.csv"(see help page of function read.rm5).

  这是一开始，用RevMan导出数据的时候出现的错误。在导成.csv格式的时候一定要保留ComparisonNumber, Outcome Number和Subgroup Number三个选项。

Errorin scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, : line 2did not have 32 elements

从错误的解释上看，是因为第三个行数据的问题。我的数据是“Yearof study”，直接把这行数据删除即可

3.利用metacr命令进行Meta分析

Metacr基本的完整的格式是：

  metacr(x,comp.no=1, outcome.no=1, method, sm, level=.settings$level,level.comb=.settings$level.comb, comb.fixed, comb.random)。

  其中，x表示读取的RevMan中的数据集，在本文中为rev；comp.no代表结局的编码，在本文中是2，系统默认为1；outcome.no为具体结果的编码，本文中是1，默认为1；method代表Meta分析具体的合并的方法，主要有"Inverse", "MH",和"Peto"，一般选择系统默认；sm为效应量的类型，主要有："RR", "OR", "RD","AS","HR", "MD", 和"SMD"；level和level.comb分别代表单个研究和合并结果的置信区间，一般选择默认，都是95%；comb.fixed和comb.random分别代表选择固定效应模型还是选择随机效应模型，系统默认为comb.fixed=FALSE,comb.random=TRUE，也就是随机效应模型。本文的数据我们可以输入命令：metacr(rev,2,1)，具体的结果如图4。

图4 R软件中具体的结果

我们也可以绘制森林图，漏斗图，发表偏倚，敏感性分析等。

  首先要建立一个Meta数据集，具体命令：rev1<-metacr(rev,2,1)，建立了名称为rev1的Meta数据集。绘制森林图的命令：forest(rev1)，漏斗图的命令：funnel(rev1)，发表偏倚检验的命令是：metabias(rev1)，敏感性分析的命令是：metainf(rev1)，敏感性分析的森林图：forest(metainf(rev1))，如图5。

图5 敏感性分析的森林图

另外，小编在一开始学习这个命令的时候出现一些错误，再次与大家分享一下，避免出现类似的错误。

metacr(rev)

NULL

Warning message:

In metacr(ab) : Nodata available for comp.no=1 and outcome.no=1.

提示我们的数据comp.no和outcome.no不是系统默认的1，我们应该返回去看一下rev的comp.no和outcome.no的具体的数值，本文应该是2和1，也可以是：metacr(rev，2)。

metacr(rev1)

Error inmetacr(rev1) : Argument 'x' must be an object of class "rm5"

提示我们rev1不是从RevMan中读取的数据集，应该是rev。

这样，我们就介绍完了本部分的内容，将RevMan和R软件结合起来，可以实现一些RevMan本身无法实现的一些功能。