原则上，计算网络荟萃分析所需的效应大小并没有什么特别之处。让我们在这里坚持 Cohen 的 d。因此，对于每项研究，您只需计算$d$值，或者使用原始平均值和标准差，或者通过一些其他统计数据的适当转换。

作为一个简单的例子（你编号为 1），我们可以计算$d = t \sqrt{1/n_1 + 1/n_2}$， 在哪里$t$表示比较两组的独立样本 t 检验的检验统计量，$n_1$和$n_2$两组大小。一个人只需要小心得到迹象$d$对，因为作者可能已经计算了 t 统计量$\bar{x}_1 - \bar{x}_2$或者相反（希望文本能清楚地说明哪个组的平均值更高，这样就没有关于符号的问题了）。

Lipsey and Wilson (2000)确实是一个很好的参考，可以用来获得那些$d$基于各种信息的值。

对于每个 d 值，您还需要对要比较的两个条件进行编码。这可以通过编码虚拟变量（每个条件一个）来最容易地完成$+1$和$-1$. 因此，例如，对于您上述问题中的 4 项研究，您的编码将是：

         trt1 trt2 trt3 ctrl
study 1  +1   -1   0    0 
study 2  +1   0    -1   0
study 3  0    +1   -1   0
study 4  +1   0    0    -1

有时您会有超过 2 个条件的研究，例如比较治疗 1 和 2 与对照的研究。在这里，您可以计算两个$d$值（从技术上讲，您可以计算 3，但一个是多余的），例如治疗 1 与对照和治疗 2 与对照。同样，这两个的计算$d$值可以通过任何必要的方式来完成（没有双关语的意思——好吧，好吧，也许是有点双关语的意思）。上面的虚拟变量的编码也很容易（你只有两行用于该研究）。您还需要一个对研究因素进行编码的变量（以便您知道这两个$d$值来自同一项研究）。

更棘手的是，这两个$d$值不再具有统计独立性（因为来自对照组的信息被使用了两次）。所以，除了计算这两个的抽样方差$d$值，您还需要计算协方差。所有这些的方程式可以在 Gleser 和 Olkin 在《研究综合和元分析手册》（第 2 版）中的第 19 章中找到。

所以，最后，你会得到向量$d$值，通过虚拟变量的对比的相应编码，以及相应的方差 - 协方差矩阵$d$价值观。如果您没有超过 2 个条件的研究，则该方差 - 协方差矩阵是对角线。如果有超过 2 个条件的研究，则您具有块对角结构。

这就是您进行分析所需的信息。更多信息可以在文献中找到。Salanti 等人是一个很好的参考。（2008 年）。

我见过的所有元分析模型都需要原始数据，但如果有人熟悉 WinBugs，他们可能会帮助修改代码以满足您的需求。贝叶斯主义者经常在上面发布一个 BUGS ListServ。也许那里的人可以给你更多的指导。

艾哈迈德