library("meta")
View(mydata)
#进行meta分析
meta1 <- metagen(log(mydata$OR), (log(mydata$UCI)-log(mydata$LCI))/3.92, sm="OR",
data=mydata,studlab=paste(mydata$`First author`,mydata$Year,sep=" "))
View(meta1)
#作出森林图:
forest(meta1,digits=3,digits.tau=3,digits.I2=3,digits.pval=3)
#当存在异质性时,需要进行亚组分析探索异质性来源,直接加入命令:
mydata.random = TRUE
mydata.fixed= FALSE
#而对于发表偏倚的检验,根据cochrane手册中的要求,当纳入的研究个数大于等于10 个时,
#不建议使用Egger检验或Begg检验,而应使用Peters检验,且无需做反正弦变换。其代码为:
par(mar = c(0, 0, 0, 0)) # 调整图形的边界大小
funnel(meta1) # 绘制漏斗图
metabias(meta1,method.bias = meta1$'peters')#纳入的研究个数大于等于10 个
metabias(meta1, method.bias = meta1$"egger",k.min = 3)#k.min = 3,设置纳入最少研究数。
metabias(meta1, method.bias = meta1$"begg",k.min = 3)
#若存在发表偏倚,那么可用trim and filled或copas模型校正,代码为:
tf1 <-trimfill(meta1,comb.fixed=TRUE)#表示在校正时使用固定效应模型。
summary(tf1)
funnel(tf1)
#对于敏感性分析,则可以将各研究一次性排除掉再进行,代码为:
a <- metainf(meta1,pooled='common') #(注:随机效应模型改为pooled='random')
forest(a,common=TRUE,digits=3,digits.tau=3,digits.I2=3,digits.pval=3)#采用固定效应模型进行敏感性分析森林图
b <- metainf(meta1,pooled='random')
forest(b,common=FALSE,digits=3,digits.tau=3,digits.I2=3,digits.pval=3)#采用随机效应模型进行敏感性分析森林图
这是研一上学期,老师要求写Meta分析,但是自己又没搞过,就边在网上学,边自己慢慢修改前辈的代码,最终用以上代码合并了自己的数据。
目前文章还没投出去~_~!!!
但也算是研一上的一个小收获吧,比较搞懂了一个之前不会的东西。