[Meta分析]：OR值的合并

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。