例 为了研究某药物对于治疗急性心肌梗塞的疗效，通过查阅文献，收集到2篇关于该药物的临床随机对照试验的研究并符合文献评价的标准。对照组为常规治疗方案，试验组为该药物＋常规治疗的方案。主要结果如下表(括号中的字母表示计算公式中的记号)。
试验组
对照组
合计
研究1
发生病危或死亡
182
264
446
(i=1)
未发生病危或死亡
1068
986
2054
合计
1250
1250
2500
研究2
发生病危或死亡
348
204
552
(i=2)
未发生病危或死亡
1273
610
1883
合计
1621
1250
2434
例：为了研究瘦素(Leptin，单位为ng/mol)与肥胖的关系，人的肥胖通常用体重指数BMI(体重除以身高的平方，单位为公斤/米2)进行评估和刻划。由于Leptin测试费用较高和麻烦，而Leptin与BMI的线性相关程度较高，所以许多研究者希望用BMI近似估计Leptin。通常采用以Leptin为因变量和BMI为自变量作线性回归。为了提高估计精度，特收集了4篇有关Leptin与BMI线性回归的文献，希望能通过作Meta分析，提供回归系数(的估计精度。现以以Leptin为因变量和BMI为自变量的回归方程中的回归系数b为观察指标，为了避免年龄的混杂作用，本例限定研究对象均为50岁至65岁的男性正常人。现收集的4个文献的结果如下：
所收集研究结果的编号(no)
回归系数
(()
回归系数的标准误
SE(()
1
0.693
0.0848
2
0.556
0.103
3
0.723
0.116
4
0.755
0.085
标化效应指标的Meta分析有些研究的研究目的是相同的。但由于它们的观察指标往往采用不同的检测方法而使各个研究的结果无法进行直接的比较。因此这些效应指标通过标化后还是有可能进行比较以及进行Meta分析，因此本节介绍标化效应(Standard Effect Size)的Meta统计分析方法。
例：为了研究健康教育对2型糖尿病患者饮食等自我控制的作用。现收集了5个关于健康教育对2型糖尿病饮食等自我控制作用的研究。效应指标为糖化血红蛋白HbA1c。资料具体如下：
所收集研究
健康教育组
对照组
P值
结果的编号
(no)
样本量
(n1)
均数
(mean1)
标准差
(s1)
样本量
(n2)
均数
(mean2)
标准差
(S2)
1
13
7.699
0.703
10
8.012
0.795
0.3470
2
12
8.29
2.002
19
8.896
2.011
0.4181
3
22
6.411
0.9111
26
7.391
1.112
0.0019
4
20
4.314
3.699
22
6.001
4.097
0.1706
5
27
6.51
0.521
22
6.577
0.801
0.7255
这5个研究的结果不一致，而且样本量均较小，所以检验效能1-(都相对较小。因此还是有必要把这5个研究的结果进行Meta分析。
由于各个医院的糖化血红蛋白的检测方法不全相同，因此各个医院的糖化血红蛋白的参考值有一些的差别。因此直接进行Meta分析有可能与背景不符。所以应该进行标化后再进行Meta分析。(括号中的字母表示计算公式中的记号)。
合并的标准差公式
一般的标化效应公式或，其中S合并为合并后的标准差，meand为改变量的均数，Sd为改变量的标准差。
标化效应rd的标准误公式
由于合并标准差公式在卫生统计学教课书中的t检验章节中均作介绍而且在表中已给出，故不再详细叙述。标化效应指标和标化效应指标的标准误计算都很简单，故不再一一详细进行手算了。表中的合并标准差s、标化的效应指标rd和标化效应指标rd的标准误se均由下列STATA软件操作进行计算的。
用STATA软件实现的步骤如下：
1、数据输入结构如下：
健康教育组
对照组
样本量
均数
标准差
样本量
均数
标准差
n1
mean1
s1
n2
mean2
s2
第1个研究
13
7.699
0.703
10
8.012
0.795
第2个研究
12
8.29
2.002
19
8.896
2.011
第3个研究
22
6.411
0.9111
26
7.391
1.112
第4个研究
20
4.314
3.699
22
6.001
4.097
第5个研究
27
6.51
0.521
22
6.577
0.801
2、STATA运算操作命令如下
gen s=sqrt(((n1-1)*s1^2+(n2-1)*s2^2)/(n1+n2-2))
计算合并标准差S
gen rd=(mean1-mean2)/s
计算标化后的效应指标rd
gen se=sqrt((8+rd^2)/(2*(n1+n2)))
计算标化后的效应指标rd的标准误se
meta rd se
进行Meta分析计算
得到下列结果：
Fixed and random effects pooled estimates,
lower and upper 95% confidence limits,and
asymptotic z-test for null hypothesis that true effect=0
Fixed effects estimation
Est Lower Upper z_va~e p_va~e
-0.443 -0.731 -0.156 -3.025 0.002
Test for heterogeneity,Q= 4.418 on 4 degrees of freedom (p= 0.352)
标化要注意的问题：
对于效应指标为线性回归系数，则标化只需对线性回归系数b乘与，其中SX是自变量x的样本标准差，SY是因变量Y的样本标准差。
对于效应指标为Logistic回归模型和Cox模型的回归系数，而相应的协变量是连续性变量，则标化只需对回归系数b乘与SX。
对于经典的算法所计算的OR，RR等相对指标无需标化，因为这些效应指标与量纲无关。
