1

我一直在使用metafor包进行一些元分析，并想使用元回归调整单个连续协变量（平均年龄）。但是，我需要对输出及其含义进行一些澄清。下面我分享了基本案例分析和元回归的输出（两者的研究相同，唯一的区别是为元回归添加了协变量）。

基本情况输出

随机效应模型（k = 36；tau^2 估计器：DL）

  logLik 偏差 AIC BIC AICc  
-18.8613 60.5927 41.7226 44.8896 42.0862  

tau^2（估计的总异质性量）：0.0633（SE = 0.0327）
tau（估计的 tau^2 值的平方根）：0.2515
I^2（总异质性/总变异性）：51.46%
H^2（总变异性/抽样变异性）：2.06

测试异质性：
Q(df = 35) = 72.1031, p-val = 0.0002

模型结果：

估计 se zval pval ci.lb ci.ub          
  0.1266 0.0633 2.0014 0.0453 0.0026 0.2506 *

---
意义。代码：0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1''1

元回归（输出）

混合效应模型（k = 36；tau^2 估计器：DL）

  logLik 偏差 AIC BIC AICc  
-18.7696 60.4092 43.5391 48.2897 44.2891  

tau^2（估计的剩余异质性量）：0.0677（SE = 0.0346）
tau（估计的 tau^2 值的平方根）：0.2601
I^2（残余异质性/未计变异性）：52.84%
H^2（未计算的变异性/抽样变异性）：2.12
R^2（异质性占比）：0.00%

残余异质性检验：
QE(df = 34) = 72.1024, p-val = 0.0001

主持人测试（系数 2）：
QM(df = 1) = 0.2456, p-val = 0.6202

模型结果：

         估计 se zval pval ci.lb ci.ub   
intrcpt -0.3741 1.0140 -0.3690 0.7122 -2.3616 1.6133   
模组 0.0085 0.0172 0.4955 0.6202 -0.0252 0.0423   

---
意义。代码：0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1''1

我的问题是：

  1. 为什么我们在元回归中观察到 0% 的 R 平方（仅仅是因为协变量不显着还是您怀疑某些事情不正确）？

  2. 我们如何解释元回归的输出？通过 logHR 的反向转换，我们怀疑如下所示，但想确保我正确解释了“intrcpt”和“mods”值。

    • 我假设 mods 代表考虑到年龄调整的合并 HR。

    • 我假设 intrcpt 代表协变量效应（beta）——即年龄增加一个单位时 logHR 变化的量。另外，我已经对这个输出进行了反向转换，我不确定它是否合适，或者我是否应该按原样呈现。

4

0 回答 0