我如何在 R 中的 RMA 随机效应荟萃分析中 ^2 ==0（异质性度量）？

Question

我正在对流行病学研究进行荟萃分析。这些研究在人口、干预和分析方面非常不同，所以我使用 R 中的 "metafor" 进行荟萃分析的随机效应模型。

我将研究分成具有可比结果的亚组。 5/6 看起来不错。

但是，有一个子组看起来完全不对，因为 tau 是 0，I^2 是 0。查看数据，我不明白为什么总异质性会是 0。

res <- rma(yi=beta, sei=se, slab=(1:7), measure="OR",data=SIPVdata,  digits=3, method= "ML")

Random-Effects Model (k = 3; tau^2 estimator: ML)

  logLik  deviance       AIC       BIC      AICc  
  -0.217     2.635     4.433     2.630    16.433  

tau^2 (estimated amount of total heterogeneity): 0.000 (SE = 0.044)
tau (square root of estimated tau^2 value):      0.001
I^2 (total heterogeneity / total variability):   0.00%
H^2 (total variability / sampling variability):  1.00

Test for Heterogeneity: 
Q(df = 2) = 2.635, p-val = 0.268

Model Results:

estimate     se    zval   pval   ci.lb   ci.ub   
  -0.350  0.145  -2.417  0.016  -0.634  -0.066  *

绘制模型输出如下所示：

因此您可以看到具有较小置信区间和相似估计值的 2 个观测值 (5&3) 在样本中的影响最大。其他估计具有广泛的置信区间，它们全部重叠。在这种情况下，我可能期望估计异质性较低，但不是 0，当然也不是总可变性 tau。

有人知道这个元分析中发生了什么吗？

非常感谢！

Answer 1

tau^2 的 ML 估计量已知具有负偏差。这当然并不意味着在这种特殊情况下它太低了，但我建议改用已知近似无偏的估计器。我推荐的是 REML。这实际上是默认估算器（即，如果您未指定 method 参数）。

此外，请注意，对于 7 项研究，tau^2（因此 I^2）的估计不会非常精确。运行 confint(res) 您会发现 I^2 的置信区间非常宽。换句话说，CI 中的所有值都与这些数据兼容，因此实际上可能确实没有异质性或很多异质性。

我如何在 R 中的 RMA 随机效应荟萃分析中 ^2 ==0（异质性度量）？

How can I^2 ==0 (heterogeneity measure) in RMA random effects meta analysis in R?

r

model

metafor