這里以我的一篇meta分析為例，詳細(xì)描述meta分析的一般步驟，該例子實(shí)現(xiàn)的是效應(yīng)量β的合并

R包:metafor或meta包，第一個(gè)例子以metafor包為例。

1.準(zhǔn)備數(shù)據(jù)集

2.異質(zhì)性檢驗(yàn)

install.packages("metafor")library(metafor)metamod

可以看到I^2為28.34%，屬于低度異質(zhì)性，可采用固定效應(yīng)模型。異質(zhì)性低的時(shí)候可以采用固定效應(yīng)模型和隨機(jī)效應(yīng)模型，結(jié)果差別不大，但高異質(zhì)性只能選擇隨機(jī)效應(yīng)模型，否則會(huì)使結(jié)果外推性受到約束。此處選擇隨機(jī)效應(yīng)模型是出于保守情況考慮。

• fixed-effect model是基于跨研究間不存在異質(zhì)性的假設(shè)，也就是其合并時(shí)，默認(rèn)運(yùn)算是認(rèn)為所納入合并的研究均為同質(zhì)；
• random-effect model是基于跨研究間存在異質(zhì)性的假設(shè)，該合并模型承認(rèn)研究間異質(zhì)性的存在，但是不對(duì)異質(zhì)性加以處理；
• 如果納入合并的研究間存在異質(zhì)性，盡管未達(dá)到我們常規(guī)設(shè)定的I^2>50%，但是在用fixed-effect model合并時(shí)，默認(rèn)運(yùn)算直接忽略這一部分異質(zhì)性的存在，這樣合并的結(jié)果會(huì)造成假陽(yáng)性誤差，而選用random-effect model合并時(shí)，盡管不處理異質(zhì)性，但是其默認(rèn)運(yùn)算承認(rèn)異質(zhì)性的存在，合并結(jié)果更可信！

3.森林圖繪制

forestplot

結(jié)果如下圖

黑色方塊表示的是權(quán)重大小，對(duì)應(yīng)著右方的weight，水平橫線(xiàn)是95%置信區(qū)間。菱形是合并效應(yīng)值，95%置信區(qū)間小于0，意味著meta分析結(jié)果有統(tǒng)計(jì)學(xué)意義。

4.文獻(xiàn)發(fā)表偏倚檢驗(yàn)

可以用漏斗圖及Begger's及Egger's檢驗(yàn)

funnel(metamod)ranktest(metamod)#Begg's檢驗(yàn)#regtest(metamod)#Egger's檢驗(yàn)#

可能是由于文獻(xiàn)數(shù)量的限制，漏斗圖呈現(xiàn)明顯不對(duì)稱(chēng)模式，無(wú)法判斷是由于發(fā)表偏倚所致還是文獻(xiàn)數(shù)量太少的緣故

可以看出Begg's檢驗(yàn)及Egger's 檢驗(yàn)的結(jié)果，P值都是大于0.05的，也就意味著沒(méi)有發(fā)表偏倚。

5.敏感性檢驗(yàn)

leavelout(metamod,digits = 3)

本文轉(zhuǎn)載自CSDN一個(gè)人旅行*-*

往期內(nèi)容：

R數(shù)據(jù)分析：貝葉斯定理的R語(yǔ)言模擬

R數(shù)據(jù)分析：用R語(yǔ)言做潛類(lèi)別分析LCA

R可視化：如何用R做一個(gè)讓別人一目了然的圖

R語(yǔ)言：利用caret的dummyVars函數(shù)設(shè)置虛擬變量

R數(shù)據(jù)分析：R Markdown：數(shù)據(jù)分析過(guò)程報(bào)告利器，你必須得學(xué)呀

總結(jié)

以上是生活随笔為你收集整理的r语言数据变量分段_R数据分析：用R语言做meta分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。