Meta 和 Metafor R 包 -
Meta and Metafor R Package -
我目前正在使用包“metafor”在 R 中进行元分析。在做我的研究时,我遇到了一个不同的 R 元分析包,即“元”。我更喜欢后一个包创建的森林图(设计方面)但不幸的是一些数据与我用 metafor 创建的图不一样。
具体来说,只有 I^2 和汇总估计的数据不同。
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?
所以我能够得到预测区间以跨函数匹配,但不能匹配 I^2 值(即使差异仅相差 2%)。与另一个软件包相比,一个软件包可能正在做一些统计校正,或者它与 RE/FE 类型的建模方法有关。
无论如何,我希望这段代码能帮助您指明正确的方向。要使 CI 匹配,您还必须在 metagen()
.
中使用参数 method.tau.ci
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)
我目前正在使用包“metafor”在 R 中进行元分析。在做我的研究时,我遇到了一个不同的 R 元分析包,即“元”。我更喜欢后一个包创建的森林图(设计方面)但不幸的是一些数据与我用 metafor 创建的图不一样。
具体来说,只有 I^2 和汇总估计的数据不同。
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?
所以我能够得到预测区间以跨函数匹配,但不能匹配 I^2 值(即使差异仅相差 2%)。与另一个软件包相比,一个软件包可能正在做一些统计校正,或者它与 RE/FE 类型的建模方法有关。
无论如何,我希望这段代码能帮助您指明正确的方向。要使 CI 匹配,您还必须在 metagen()
.
method.tau.ci
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)