我目前正在使用“ metafor”软件包在R中进行元分析。在进行研究时,我遇到了另一套用于R中的荟萃分析的软件包,即“元”。我更喜欢(由设计人员)由后一个程序包创建的森林图,但是不幸的是,某些数据与我使用metafor创建的图不同。
具体来说,仅对于I ^ 2和合并的估计,数据是不同的。
meta_1 <- rma(yi=yi, vi=vi, measure="SMD", method="ML", slab=Citation, data=dat)
forest(meta_1)
meta_2 <- metagen(yi,vi^.5,data = dat,studlab = paste(Citation), comb.fixed = FALSE,
comb.random = TRUE, hakn = TRUE, method.tau = "ML", sm = "SMD")
forest(meta_2)
有谁知道为什么会出现这些差异?
因此,我能够获得预测间隔以匹配各个函数,但不能匹配I ^ 2值(即使差异仅相差2%)。一个软件包与另一个软件包相比可能在某种程度上进行了统计校正,或者与RE / FE类型的建模方法有关。
无论如何,我希望这段代码可以帮助您指出正确的方向。要获得独联体匹配您还可以使用参数method.tau.ci
在metagen()
。
library(meta)
library(metafor)
study<- c(1:10)
yi<- c( -0.48965031,0.64970214, 0.11201680,0.07945655,-0.70874645 -0.54922759,0.66768916 , -0.45523574 )
vi <- c(0.10299697,0.14036855,0.05137812, 0.03255550, 0.34913525, 0.34971466, 0.07539957, 0.08428983)
dat <- cbind(study, yi, vi)
dat <- as.data.frame(dat)
meta_1 <- rma(yi=dat$yi, vi=dat$vi, measure="SMD", method="REML", slab=paste(study), data=dat)
forest(meta_1)
meta_2 <- meta::metagen(TE =dat$yi,seTE = dat$vi^.5, method.tau = 'REML',
method.tau.ci = 'BJ', comb.random = TRUE, comb.fixed = TRUE,
sm = 'SMD')
forest(meta_2)
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句