0

我正在对流行病学研究进行荟萃分析。这些研究在人群、干预和分析方面非常不同，所以我使用 R 中的“metafor”使用随机效应模型进行荟萃分析。

我将研究划分为具有可比结果的亚组。5/6 看起来不错。

但是，有一个子组看起来完全错误，因为 tau 为 0，而 I^2 为 0。查看数据，我不明白为什么总异质性为 0。

res <- rma(yi=beta, sei=se, slab=(1:7), measure="OR",data=SIPVdata,  digits=3, method= "ML")

Random-Effects Model (k = 3; tau^2 estimator: ML)

  logLik  deviance       AIC       BIC      AICc  
  -0.217     2.635     4.433     2.630    16.433  

tau^2 (estimated amount of total heterogeneity): 0.000 (SE = 0.044)
tau (square root of estimated tau^2 value):      0.001
I^2 (total heterogeneity / total variability):   0.00%
H^2 (total variability / sampling variability):  1.00

Test for Heterogeneity: 
Q(df = 2) = 2.635, p-val = 0.268

Model Results:

estimate     se    zval   pval   ci.lb   ci.ub   
  -0.350  0.145  -2.417  0.016  -0.634  -0.066  *

绘制模型输出如下所示：

图像

因此，您可以看到置信区间较小且估计值相似的 2 个观测值 (5&3) 对样本的影响最大。其他估计具有广泛的 CI，它们都重叠。在这种情况下，我可能期望估计的异质性很低，但不是 0，当然也不是总变异性 tau。

有谁知道这个荟萃分析发生了什么？

非常感谢！

4

1 回答 1

1

的 ML 估计量tau^2已知具有负偏差。这当然并不意味着在这种特殊情况下它太低，但我建议切换到一个已知近似无偏的估计器。我推荐的是REML。这实际上是默认估算器（即，如果您不指定method参数）。

另外，请注意，在 7 项研究中，tau^2（因此I^2）的估计值不会非常精确。运行confint(res)，您将看到 的置信区间I^2将非常宽。换句话说，CI 中的所有值都与这些数据兼容，因此确实可能没有异质性或很多异质性。

于 2018-07-06T11:00:02.383 回答