要构建森林图，请打开 Stata 软件。对于连续数据输入，单击“用户”，然后选择“二进制和连续的元分析”。然后选择“主要”并单击“连续”。
将治疗组的样本数量、均值和标准差设置为 mean1、sd1 和 n1。对于对照组，将样本数量、均值和标准差设置为 mean2、sd2 和 n2。要选择高异质性的随机模型，请单击“二元和连续的用户和元分析”。
然后选择 Continuous 和 Random I-V heterogeneity。根据 I 平方统计量选择适当的效应模型。要计算加权均值差值，请在统计信息下选择 noStandard。
然后，要计算标准化均值差值，请在“统计量”下选择“Cohen”。对于二分法数据输入，单击“用户”并选择“二元和连续的元分析”。然后单击“主要”并选择“计数”。
设置治疗组的有效数和非有效数为E1和NE1，对照组的有效数为E2和NE2。如果 I 平方统计量小于 50%，请选择修复模型。为此，请单击“用户”，然后单击“二元和连续的元分析”，然后单击“二元和固定逆方差”。
要在异质性测试中执行敏感性分析，请单击“用户”，然后单击“元分析”、“基于影响分析”、“基于甲基氮”和“连续”。对于连续数据，请使用 db metabias 命令。然后单击“Main”，选择“_es和 _sees，然后选择 Egger 进行 Egger 线性回归检验。
对于二进制数据，使用命令 metabias E1 NE1 E2 NE2 或 harbord 执行 Harbord 的加权线性回归检验。输入命令 db metatrim，然后单击 Main 并选择 _es 和 _sees。然后点击线性、固定和漏斗，采用修剪和填充过程来检验效应大小估计的鲁棒性。
要构建新的荟萃分析，请从“文件”中选择“新建荟萃分析”。然后选择“数据类型”、“导入名称”、“组 1”和“组 2”，并选择结果类型。设置效果度量和模型。
使用常数连续校正方法，并将值设置为 0.5。在“试验”下，填写干预组和对照组的研究、年份、效果和总数。然后单击“添加试用”。
转到 TSA 和 alpha 支出边界，输入名称，然后将边界类型设置为双侧，类型 1 错误率 alpha 为 0.05，幂为 0.8。对于二分类结果的荟萃分析，计算对照组的事件数。然后根据总有效率的珍贵林地块计算相对风险降低量。
对于连续数据，根据森林图的先前结果选择平均差和随机效应 BT。点击“试验”后，填写干预组和对照组的研究、年份、平均反应、标准差和组大小，然后单击“添加试验”。单击“TSA”，然后选择“Alpha-spending Boundary”。
将边界类型设置为双侧，类型 1 错误率 alpha 为 0.05，幂为 0.8。在均值差和方差中选择经验。最后，单击“执行计算”并选择“图形”以可视化结果。
