【R分享|实战】如何用meta包实现meta分析 / 开普饭

“ 不求做的最好，但求做的更好。” --科白君

"R实战"专题·第14篇

编辑 | 科白维尼

2742字 |5分钟阅读

本期推送内容

最近我正在收集全球数据，做meta分析。有同学刚好在公众号私信，表示想学习一下meta分析，因此本期内容做一个meta分析比较简单且常见的步骤过程。meta分析是指将多项研究结果结合起来进行加权分析。其实meta分析最早并且更多地用在医学领域，逐渐地在经济学、金融学、社会科学。目前，meta分析也在工学、生态学、土壤学和农学等学科中越来越受欢迎。下面会介绍meta分析的优势及如何更好地完成一项meta分析的研究。重中之重：如何利用R语言完成meta分析的基本过程。

为什么要做meta分析

1）对同一个主题的多项研究进行一致性评价

2）对同一个主题的多项研究进行系统性评价和总结普适结论

3）能够总结出现有课题存在的科学问题，进一步指明研究方向

4）当受某些条件约束时，例如受时间或研究对象的限制，meta分析可能更好

meta分析主要的步骤过程

1）首先确定所需研究的主题或科学问题

2）然后制定检索词，尽可能全面广泛地收集实验组与对照组的数据

3）确定保留和排除的标准，剔除不符合要求的文献

4）并选择和提取文献对应数据，主要包含原文的结果数据和图表

5）进行试验的质量评估和描述特征

6）进一步进行统计学分析

7）得出结论并解读结果

主要的处理方法如下：

①异质性检验（齐性检验，即通过最常用的Q检验，I^2值等）；采用 Homogeneity test(Q 检验) (检验水准为α=0.1) 。当P＜0.1时，表明研究间存在异质性; 否则研究具有同质性。再结合I^2(0～100%)定量分析异质性的大小，此值越大，则表明研究间同质性愈大。根据推荐的标准，当I^2的值小于或等于40%时，表明研究异质性的合格，此时应用固定效应模型(Fixed Effects Model)；而当异质性的标准大于推荐标准值时，应选采用随机效应模型(Randomized Effects Model)进行 meta 分析。(如果不确定的时候，建议使用随机效应模型）

②统计合并效应量（加权合并，计算效应值及95%的置信区间）并进行统计推断；

③一般用森林图展示单个试验的结果和合并后的结果；

④敏感性分析：通常使用Egger's法和Begg's法, 或者使用"倒置的漏斗图"对所选择的数据进行发表偏倚检测。

R语言如何实现meta分析

第一步：合并效应值；

这里使用R语言meta包中自带数据集--"Olkin95"

# meta-------------

install.packages("meta")

library(meta)

data("Olkin95")

?Olkin95

# 这是急性心肌梗死后溶栓治疗的数据集

head(Olkin95)

# 数据集包含作者、时间、实验组结果及其样本量、对照组结果及其样本量，共6个变量

# 查看Examples后我们可以看到meta分析时所使用的函数为metabin ?metabin

结果如下：

继续看该函数的Examples，可以看到对应使用该数据集--"Olkin1995"的使用命令；

meta<- metabin(ev.exp, n.exp, ev.cont, n.cont,

                data=Olkin1995, sm="RR",studlab=paste(author, year))

# sm 一个字符串，表示哪个汇总度量(“RR”，“OR”，“RD”，“ASD”，或“DOR”)将用于汇集研究，请参见details。

# studlab 带有研究标签的可选向量。

summary(meta)#汇报具体的结果

结果如下：

检验结果表示，纳入meta分析的各研究之间不存在有统计学意义的异质性(P=0.115)．由于I^2 < 40%，所以采用固定效应模型(Mantel-Haenszelmethod)，结果显示总体的效应值RR=0.7728, 95%CI: 0.7342-0.8135，z=-9.8421,P< 0.0001，因此，统计学上可以作出溶栓治疗有预防急性心肌梗塞的作用。

第二步：森林图的绘制；

这里我们使用forest( )函数进行绘制效应值的森林图，代码如下：

?forest

# 可以先学习对应参数的含义。

# 主要看看例子的使用

jpeg("meta_forest.jpeg", height=6000 , width=4500, res=360)

forest(meta)

dev.off()

结果如下：

第三步：发表偏倚的检验；

利用metabias()函数来检验是否存在发表偏倚，代码如下：

metabias(meta,method.bias="Egger")

# 通常使用Egger方法來检验发表偏倚。

# 或者使用漏斗图加以判断

funnel(meta)

结果如下：

从结果来看，t=-1.77, P=0.0811，结果不存在发表偏倚。

从漏斗图来看也可以看出分布对称，当然这种图的形式不太容易判断是否存在发表偏倚，还是建议上述使用的函数来检验。

第四步：敏感性分析；

敏感性分析可以粗略地看出各研究对总估计效应的影响有多大。这意味着将各研究进行一次性排除再进行，我们使用metainf()函数，代码如下：

metainf(meta,pooled="fixed")

# 这里默认pooled为固定效应，fixed。注：如果随机效应模型改为pooled="random"

结果如下：

作者唠叨：meta分析目前在生态学、土壤学、农学领域刚刚兴起，我认为可以趁着这个热点，可以系统的学习一下meta分析，通过meta分析再结合自己的实验数据说不定能发出一篇很不错的文章。另外，挑选一个好的课题能够让你的meta分析和故事做的更完美。

【R分享|实战】如何用meta包实现meta分析

相关推荐