我正在对病毒感染的流行性研究进行荟萃分析。患病率可以看作是具有二元特征的个体所占的比例，因此在开始分析之前，原始数据需要进行转换（最好是双精氨酸转换）。
从本质上讲，我对3个主持人（半球；二分），（纬度；连续），（气候；二分）主持人进行了元回归转换数据（比例/患病率）的元回归分析。在获得多变量元回归模型后，我无法对回归系数和95％CI进行反向转换，从而无法获得“正常”比例/患病率数字。
我试图将用于双弧转换的代码复制到元回归代码中，以期获得未转换数据的多变量模型。
以下代码行用于转换数据，使用3个主持人进行元回归并打印输出。
ies.da=escalc(xi=cases, ni=total, data=proportion, measure="PFT", add=0)
metareg.3mods=rma(yi, vi, data=ies.da, mods=~hemisphere+latitude+climate)
print(metareg.3mods)
可以在下面找到上面编写的代码行的输出。我非常确定此输出中的值基于变换后的值，因此仍然需要进行逆变换（反双弧度）以获取正确的比例值。如何将这种逆变换纳入元回归中，以便RStudio为我提供一个包含正确比例值的模型？
输出：
混合效应模型（k = 22； tau ^ 2估计量：REML）
tau ^ 2（残余异质性的估计量）：0.0067（SE = 0.0037）tau（估计的tau ^ 2值的平方根）：0.0819
I ^ 2（残留异质性/无法解释的变异性）：67.46％
H ^ 2（不确定的可变性/抽样可变性）：3.07
R ^ 2（占异质性的数量）：32.94％
残留异质性测试：QE（df = 18）= 66.9031，p-val <.0001
主持人测试（系数2：4）：QM（df = 3）= 8.6072，p-val = 0.0350
模型结果：
拦截：β= 0.5313 SE = 0.1223 zval 4.3448 pval <0.0001 ci.lb 0.2916 ci.ub 0.7709
南半球β= -0.4444 SE = 0.2116 zval -2.1001 pval 0.0357 ci.lb -0.8592 ci.ub 0.-0.0297
纬度β= -0.0055 SE = 0.0028 zval -1.9717 pval 0.0486 ci.lb -0.0110 ci.ub -0.000
热带气候β= -0.1986 SE = 0.0701 zval -2.8340 pval 0.0046 ci.lb -0.3360 ci.ub 0.-0.0613