复杂动作怎么做？
为了让大家有一个直观的理解，希望下面的两幅图有助于大家理解。
方法三加多一种定量指标
在上面的一讲中，我们使用过这个图，大家还记得吗？
左边的图想象DWI对肺癌的诊断的meta分析；右边的图想象为在DWI对肺癌的诊断的meta分析中加多了一种技术比如PET对肺癌的诊断的meta分析。
现在我们加多一种想象，就如下面这首练习曲学的都是1的音。
现在我们要来学习一个新的音符 2，为什么说是新的，因为ta不再得到敏感性特异性等等的值啊，ta是均数±标准差的合成。
而这个新的音符 2就是今天我们要关注的内容。
多一种评价定量方法示例
弥散DWI对肺癌的鉴别诊断（图左的一个荷叶与倒影）
方法请复习前面简单动作怎么做？
现在我们加多一些量化评价良性恶性病变的参数: 比如ADC值（新的音符 2 图右）
| No. | 恶性病变数目 | ADC值均数（恶性病变） | ADC标准差（恶性病变） | 良性病变数目 | ADC均数（良性病变） | ADC标准差（良性病变） |
|---|
| 1 | …… | | | | | |
| 2 | …… | | | | | |
| 3 | …… | | | | | |
现在除了可以得出DWI诊断肺癌的敏感性（SEN）、特异性(SPE)、阳性似然比（PLR）、阴性似然比（NLR）数据，还可以得到另外一组数据Malignant pulmonary lesions have significantly lower ADC values (WMD: XXXX，95%置信区间[XX-XX]) than benign lesions……
结果是不是丰富一些了呢？之前我们都只可以获得敏感性特异性等等的数据，现在还有一些具体的定量的值，是不是更能让审稿人动心呢？
关于量化评价良性恶性病变的参数（均数±标准差）怎么meta合成的详细步骤，我们要用到一个新的软件Stata，要用到一些命令，后面会有专题陆续跟大家讲解。以下2篇相关阅读文献示例：
Eur Radiol. 2016 Feb;26(2):556-66. doi: 10.1007/s00330-015-3840-y. Epub 2015 May 24.
Apparent diffusion coefficient values（ADC值） of diffusion-weighted imaging（弥散加权成像） for distinguishing focal pulmonary lesions（肺结节的鉴别诊断）and characterizing the subtype of lung cancer（区分各种肺癌的亚型）: a meta-analysis.
希望能对大家有一点点小小的帮助。