R语言meta包的预后meta分析复现

选用的文章:

陈浩然, 薛昊, 刘文静, et al. 血小板淋巴细胞比值作为非小细胞肺癌预后因素的meta分析[J]. 中国肺癌杂志, 022(005):289-298.

数据加载

1.读取数据

setwd('E:/R/R files')
info <- read.csv('E:/R/R files/meta.csv')
View(info)
str(info)

2.查看数据
数据框
(ethnicity打错了,请自行忽略…)
3.查看数据框结构
可以发现读取的数据框,字符串变量自动被识别为factor储存,而其他数字变量均为numeric或integer。
数据框结构

变量因子化

原文对种族、样本量、治疗方式以及cutoff值进行了亚组分析,故应将这四个变量转化为二分类的因子化变量。

info$sample_size[info$sample_size<=202] <- 1
info$sample_size[info$sample_size>202] <- 2
as.factor(info$sample_size)#样本量二分类
info$cutoff[info$cutoff<=162] <- 1
info$cutoff
  • 22
    点赞
  • 88
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
R语言中有多个用于进行meta分析,其中两个常用的metametafor。引用\[1\]中介绍了使用meta进行异质性检验的方法,而引用\[2\]则介绍了使用metafor进行异质性检验的方法。这两个都提供了丰富的功能,可以进行meta分析的各种统计分析和绘图。例如,使用meta可以使用metagen函数进行meta分析的计算和汇总,使用summary函数可以输出结果。而使用metafor可以使用rma函数进行meta分析的计算和汇总,使用summary函数可以输出结果。此外,还可以使用forest函数绘制森林图来展示meta分析的结果,如引用\[3\]所示。 #### 引用[.reference_title] - *1* [用R进行meta分析meta)](https://blog.csdn.net/qq_42458954/article/details/81226343)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [用R进行meta分析metafor)](https://blog.csdn.net/qq_42458954/article/details/81223124)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值