【R语言Meta分析】二分类变量的Meta分析
系统评价/Meta分析指全面收集所有相关研究并逐个进行严格评价和分析,再用定性或定量合成的方法对资料进行处理得出综合结论的研究方法。实现Meta分析数据统计的软件种类繁杂,但以R最为著名,可实现多种类型的Meta分析,包括传统干预性Meta分析、诊断性Meta分析、网状Meta分析等,但因其需要编程基础,而使初学者望而却步,本系列旨在分享代码、讲通代码,帮助初学者快速掌握利用R语言实现Meta分析的方法。
上一讲我们为大家介绍了【R语言Meta分析】meta程序包的安装与使用,接下来我们将介绍如何利用meta程序包实现二分类变量的Meta分析。首先是需要将数据导入到R中,参考【R语言学习6】R数据导入与导出方法简介,使用的数据是Meta-Analysis with R中的data07,如下图所示studyEeNeEcNcDe Souza14281026Gianni46483550Gisselbrecht119189116181Intragumtornchai1023925Kaiser11015897154Kluin-Nelemans67985696Martelli 1996322427Martelli 200357755175Milpied74985699Rodriguez 200339553053Santini 199846633461Santini-28011771106Verdonck25382635Vitolo35604666将数据与project存储在同一目录下,使用命令library(meta)data <- read.csv(file = "dataset07.csv") #<-表示赋值,用data表示导入的数据data #直接输入变量名可查看数据即可实现导入。接下来通过查看meta包的帮助文档了解到metabin函数可以帮助我们实现二分类变量的Meta分析。其具体设置参数如下:
这么多参数一下子让我们眼花缭乱,但其实掌握了Meta分析的核心含义,其余的则只是图形和数据的设置。首先来看二分类变量的meta分析数据合并需要设置哪些参数?在RevMan中核心设置即统计方法、分析模型和选择的效应量。
而在meta包中这些参数被表示为methodA character string indicating which method is to be used for pooling of studies. One of "Inverse", "MH", "Peto", or "GLMM", can be abbreviated.smA character string indicating which summary measure ("RR", "OR", "RD", or "ASD") is to be used for pooling of studies, see Details.其中分析模型meta包默认会使用固定效应模型和随机效应模型各算一遍。因此我们合并的命令即为:m1 <- metabin(Ee, Ne, Ec, Nc, data = data, method = "Inverse", sm = "RR", studlab = study) # 其中Ee,Ne,Ec,Nc分别对应实验组和对照组的发生时间数以及总人数,需注意的是在填写时一定要与数据集名字相对应# data = 表示设置选择哪个数据集进行运算(我们已经赋值给data)# method可修改为"MH"# sm根据纳入的研究类型选择相应的参数,一般随机对照试验或者队列研究选择RR,病例对照研究选择OR# studylab表示研究名称,在本例中即数据集第一列的行名summary(m1)输入summary(m1)后可查看合并的结果,随机效应模型RR=1.1197,固定效应模型RR1.1197, 异质性为35.4%,p<0.1。
这样我们关于二分类变量的Meta分析就完成了,后续关于森林图的绘制我们将在介绍完连续性变量和率的Meta分析以后一起为大家介绍,主要运用的是forest函数,感兴趣的可以先查看帮助文档自行学习。 文字传递的信息总是有限,为保证初学者能够真正学好,真正学会R语言进行Meta分析,后期将会在千聊直播间推出相应视频课程,请大家尽情期待。也欢迎大家提出对于推送内容的建议!