我希望使用多级方法进行meta分析，使用在社区中进行干预之前和之后测量的比例。在metafor哪个措施易于使用“PLO”或PFT“？我也有4个主持人。在我进行的17项研究中，有4个研究有2个社区，每个社区给予不同的干预措施，即不同剂量的同一种药物。我使用了以下命令：
salt<- escalc(measure="PLO", xi=pos, ni=sur, data=salt,add=1/2, to="all")
model1<-rma(yi, vi, method="FE", data=salt) for fixed effects model (Traditional MA)
model2<-rma(yi, vi, data=salt) for Random effects vmodel (Traditional MA)
model3<-rma(yi, vi, mods=~factor(intcode)+factor(smrsz)+durint+basemf+percap, data=salt) for mixed effects model including moderators (Traditional MA)
model4<-rma.mv(yi, vi, random=~1|stdy, data=salt) - random effect multilevel model
model5<-rma(yi, vi, mods=~factor(intcode)+factor(smrsz)+durint+basemf+percap, random=~1|stdy, data=salt)
这里stdy给出了研究ID。我应该使用哪个命令？
这些命令是否适合我想要进行的分析？
答案 0 :(得分：1)
是否使用logit变换比例(measure="PLO"）或类似于反正弦平方根变换比例（measure="PAS"）或Freeman-Tukey双反正弦变换比例（measure="PFT"）取决于各种事物，最重要的是研究的规模以及感兴趣的结果是否非常罕见（即，潜在的真实比例是否预期接近0或1）。但最后，无论如何进行敏感性分析可能是一个好主意，无论你使用哪种方法，都要检查结论是否不变。
对于模型，模型1-3是标准的元分析模型，这里的语法很好。在模型4中，您只是在研究水平上添加随机效应，但这假设所有异质性都是由于研究之间的差异以及研究中没有异质性。这通常是不正确的，因此您应该在研究和结果级别添加随机效应。像这样：
salt$id <- 1:nrow(salt)
rma.mv(yi, vi, random=~1|stdy/id, data=salt)
另请参阅：http://www.metafor-project.org/doku.php/analyses:konstantopoulos2011
在模型5中，您有一个拼写错误 - 当您使用rma.mv()参数时，您应该使用rma()，而不是random。再次使用random=~1|stdy/id。