R：比例的荟萃分析 CI 未正确界定
R: meta-analysis CI of proportion not bounded correctly
library(metafor)
rma(yi = c(0.1, 0.3, 0.14, 0.3), vi = c(0.12, 0.2, 0.3, 0.1))
我正在对 4 项研究拟合单一比例的随机效应荟萃分析模型。由于效果大小都是比例，它们的界限在 0 和 1 之间，置信区间也应如此。然而，实际输出显示
Random-Effects Model (k = 4; tau^2 estimator: REML)
tau^2 (estimated amount of total heterogeneity): 0 (SE = 0.1220)
tau (square root of estimated tau^2 value): 0
I^2 (total heterogeneity / total variability): 0.00%
H^2 (total variability / sampling variability): 1.00
Test for Heterogeneity:
Q(df = 3) = 0.2372, p-val = 0.9714
Model Results:
estimate se zval pval ci.lb ci.ub
0.2175 0.1936 1.1232 0.2614 -0.1620 0.5970
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
即CI 是 (-0.162, 0.597)。我该如何解决这个问题？
您可以将下限视为 0。或者您可以使用 logit 转换比例（log odds）进行荟萃分析。反向转换后，得到的估计值和 CI 边界必须在 0 和 1 之间。或者您可以直接切换到逻辑混合效应模型进行分析（参见 help(rma.glmm)）。后者也基于对数赔率，因此在反向转换后会给你 0 到 1 之间的值。
library(metafor)
rma(yi = c(0.1, 0.3, 0.14, 0.3), vi = c(0.12, 0.2, 0.3, 0.1))
我正在对 4 项研究拟合单一比例的随机效应荟萃分析模型。由于效果大小都是比例，它们的界限在 0 和 1 之间，置信区间也应如此。然而，实际输出显示
Random-Effects Model (k = 4; tau^2 estimator: REML)
tau^2 (estimated amount of total heterogeneity): 0 (SE = 0.1220)
tau (square root of estimated tau^2 value): 0
I^2 (total heterogeneity / total variability): 0.00%
H^2 (total variability / sampling variability): 1.00
Test for Heterogeneity:
Q(df = 3) = 0.2372, p-val = 0.9714
Model Results:
estimate se zval pval ci.lb ci.ub
0.2175 0.1936 1.1232 0.2614 -0.1620 0.5970
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
即CI 是 (-0.162, 0.597)。我该如何解决这个问题？
您可以将下限视为 0。或者您可以使用 logit 转换比例（log odds）进行荟萃分析。反向转换后，得到的估计值和 CI 边界必须在 0 和 1 之间。或者您可以直接切换到逻辑混合效应模型进行分析（参见 help(rma.glmm)）。后者也基于对数赔率，因此在反向转换后会给你 0 到 1 之间的值。