4

我正在尝试从许多优势比及其置信区间进行荟萃分析。源文章不报告标准错误。

为了rma.uni()metafor包中使用,我需要提供差异(通过vi=" ")或标准错误(通过sei = " ")。所以我用以下方式计算了标准误差(logor = log(odds ratio), UL= CI upper limit, LL = CI lower limit)

se1<-(log(UL)-logor)/1.96
se2<-(log(OR)-log(LL))/1.96

我的问题是,以这种方式得出的标准误差略有不同,尽管它们应该是相同的。我认为这是因为 CI 是由作者四舍五入的。我的解决方案是将这些平均值作为模型中的标准误差。

然而,当我拟合模型并绘制森林图时,得到的置信区间与我开始时的置信区间有很大不同。

dmres<-rma.uni(yi=logor, sei=se, data=dm2)
forest(dmres, atransf=exp, slab=paste(dm2$author))

有一个更好的方法吗?也许我可以直接放入置信区间的函数?

非常感谢您的评论。

更新

示例数据和代码:

dm<-structure(list(or = c(1.6, 4.4, 1.14, 1.3, 4.5), cill = c(1.2, 
2.9, 0.45, 0.6, 3.2), ciul = c(2, 6.9, 2.86, 2.7, 6.1)), .Names = c("or", 
"cill", "ciul"), class = "data.frame", row.names = c(NA, -5L))

dm$logor<-log(dm$or)
dm$se1<-(log(dm$ciul)-dm$logor)/1.96
dm$se2<-(dm$logor-log(dm$cill))/1.96
dm$se<-(dm$se1+dm$se2)/2

library(metafor)
dmres<-rma.uni(yi=logor, sei=se, data=dm)
forest(dmres, atransf=exp)
4

1 回答 1

3

由于置信区间界限(在对数尺度上)一开始就不是对称的,因此您会得到这些差异。您可以使用该forest.default()函数,直接提供 CI 边界,然后使用该函数添加汇总多边形addpoly()。使用您的示例:

forest(dm$logor, ci.lb=log(dm$cill), ci.ub=log(dm$ciul), atransf=exp, rows=7:3, ylim=c(.5,10))
addpoly(dmres, row=1, atransf=exp)
abline(h=2)

将确保数据集中的 CI 边界与森林图中的完全相同。

于 2013-08-07T16:15:06.503 回答