Question

我正在对来自约90项研究的数据进行元分析。这对如何以可访问的格式显示数据以便发布提出了一些挑战。我想仅显示不同荟萃分析的总体效应大小估计值，并排除研究特定的估计值。我可以使用metan包并添加summaryonly命令在Stata中执行此操作。是否可以使用metafor包（或任何其他元分析R包）抑制森林图输出中的研究级效应大小？

我一直在使用addpoly命令添加子样本的效果大小估计值，如包文档中所述，例如：

res.a <- rma(n1i = Intervention_n, n2i = Control_n, m1i = intervention_d, m2i = control_d, sd1i = intervention_d_sd, 
         sd2i = control_d_sd, measure="MD", intercept=TRUE, data = Dataset.a, vtype="LS", method="DL", level=95, 
         digits=4, subset = (exclude==0 & child=="No"), slab=paste(Dataset.a$Label, Dataset.a$Year, sep=", "))
addpoly(res.a, row=7.5, cex=.75, font=3, mlab="Random effects model for subgroup")

Answer 1

如果我理解正确，您正在对这些~90项研究进行多项分析（例如，基于不同的子集），您的目标是仅在森林图中显示摘要估计（基于这些分析）。那么最简单的方法是只收集向量中各种分析的估计值和相应的方差，然后将其传递给forest()函数。让我举一个简单的例子：

### load metafor package
library(metafor)

### load BCG vaccine dataset
data(dat.bcg)

### calculate log relative risks and corresponding sampling variances
dat <- escalc(measure="RR", ai=tpos, bi=tneg, ci=cpos, di=cneg, data=dat.bcg)

### fit random-effects models to some subsets
res.r <- rma(yi, vi, data=dat, subset=alloc=="random")
res.s <- rma(yi, vi, data=dat, subset=alloc=="systematic")
res.a <- rma(yi, vi, data=dat, subset=alloc=="alternate")

### collect model estimates and corresponding variances
estimates <- c(coef(res.r), coef(res.s), coef(res.a))
variances <- c(vcov(res.r), vcov(res.s), vcov(res.a))

### create vector with labels
labels <- c("Random Allocation", "Systematic Allocation", "Alternate Allocation")

### forest plot
forest(estimates, variances, slab=labels)

如果您不喜欢点大小不同（默认情况下，它们与方差成反比），您可以使用：

forest(estimates, variances, slab=labels, psize=1)

其他一些改进：

forest(estimates, variances, slab=labels, psize=1, atransf=exp, xlab="Relative Risk (log scale)", at=log(c(.2, .5, 1, 2)))

<强>附录

如果您更喜欢估算的多边形形状，则可以执行以下操作。首先绘制如上图，但使用efac=0隐藏CI上的垂直线。然后使用addpoly()：

绘制摘要多边形

forest(estimates, variances, slab=labels, psize=1, atransf=exp, xlab="Relative Risk (log scale)", at=log(c(.2, .5, 1, 2)), efac=0)
addpoly(estimates, variances, atransf=exp, rows=3:1, col="white", annotate=FALSE)

您还可以使用efac=1.5中的addpoly()垂直拉伸多边形。根据您的口味调整因子。

Meta分析：使用metafor包进行汇总估算的森林图

1 个答案: