gpt4 book ai didi

r - 荟萃分析: Forest plot of summary estimates using metafor package

转载 作者:行者123 更新时间:2023-12-02 14:15:25 24 4
gpt4 key购买 nike

我正在对约 90 项研究的数据进行荟萃分析。这对如何以可访问的格式显示数据以供发布提出了一些挑战。我想仅显示不同荟萃分析的总体效应大小估计,并排除特定于研究的估计。我可以使用 metan 包并添加 summaryonly 命令在 Stata 中执行此操作。是否可以使用 metafor 包(或任何其他元分析 R 包)抑制森林图输出中的研究级效应大小?

我一直在使用 addpoly 命令添加子样本的效应大小估计,如包文档中所述,例如:

res.a <- rma(n1i = Intervention_n, n2i = Control_n, m1i = intervention_d, m2i = control_d, sd1i = intervention_d_sd, 
sd2i = control_d_sd, measure="MD", intercept=TRUE, data = Dataset.a, vtype="LS", method="DL", level=95,
digits=4, subset = (exclude==0 & child=="No"), slab=paste(Dataset.a$Label, Dataset.a$Year, sep=", "))
addpoly(res.a, row=7.5, cex=.75, font=3, mlab="Random effects model for subgroup")

最佳答案

如果我理解正确的话,您正在对这大约 90 项研究进行多项分析(例如,基于不同的子集),您的目标是在森林图中仅显示摘要估计(基于这些分析)。那么最简单的方法就是收集向量中各种分析的估计值和相应的方差,然后将其传递给forest()函数。我举一个简单的例子:

### load metafor package
library(metafor)

### load BCG vaccine dataset
data(dat.bcg)

### calculate log relative risks and corresponding sampling variances
dat <- escalc(measure="RR", ai=tpos, bi=tneg, ci=cpos, di=cneg, data=dat.bcg)

### fit random-effects models to some subsets
res.r <- rma(yi, vi, data=dat, subset=alloc=="random")
res.s <- rma(yi, vi, data=dat, subset=alloc=="systematic")
res.a <- rma(yi, vi, data=dat, subset=alloc=="alternate")

### collect model estimates and corresponding variances
estimates <- c(coef(res.r), coef(res.s), coef(res.a))
variances <- c(vcov(res.r), vcov(res.s), vcov(res.a))

### create vector with labels
labels <- c("Random Allocation", "Systematic Allocation", "Alternate Allocation")

### forest plot
forest(estimates, variances, slab=labels)

如果您不喜欢点大小不同(默认情况下,它们与方差成反比绘制),您可以使用:

forest(estimates, variances, slab=labels, psize=1)

其他一些改进:

forest(estimates, variances, slab=labels, psize=1, atransf=exp, xlab="Relative Risk (log scale)", at=log(c(.2, .5, 1, 2)))

附录

如果您更喜欢多边形形状进行估计,您可以执行以下操作。首先如上所示绘制绘图,但使用 efac=0 隐藏 CI 上的垂直线。然后只需使用 addpoly() 绘制摘要多边形即可:

forest(estimates, variances, slab=labels, psize=1, atransf=exp, xlab="Relative Risk (log scale)", at=log(c(.2, .5, 1, 2)), efac=0)
addpoly(estimates, variances, atransf=exp, rows=3:1, col="white", annotate=FALSE)

您还可以在 addpoly() 中使用 efac=1.5 来垂直拉伸(stretch)多边形。根据您的喜好调整系数。

关于r - 荟萃分析: Forest plot of summary estimates using metafor package,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24326154/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com