1

我正在使用“metafor”估计变量和结果变量之间的相关性。对于每个相关估计，我正在尝试创建森林图。我成功地创建了三个，但每隔一个估计值，使用完全相同的命令，我遇到错误“结果数与'slab'参数的长度不对应。”

上传数据后，我继续转换我的相关性以减少偏差；

dat <- escalc(measure="UCOR", ri=ri, ni=ni, data=data, vtype="UB")

以下是我的输出示例；

                     Source      ri        sei     ni     yi     vi 
  1 Barker-Collo et al, 2010b   0.236  0.06085354  257  0.2364 0.0035 
  2    Campanholo et al, 2015   0.565  0.16181364  28   0.5728 0.0179 
  3    De Andrade et al, 2010   0.500  0.12500000  50   0.5040 0.0119 
  4       Jaywant et al, 2018   0.230  0.09830710  100  0.2311 0.0093 
  5     Jefferson et al, 2008   0.240  0.16179548  38   0.2433 0.0259 
  6       Jokinen et al, 2015   0.272  0.04769930  409  0.2723 0.0021 
  7      Marshall et al, 2011   0.170  0.05022288  387  0.1702 0.0025 
  8          Park et al, 2015   0.061  0.10134554  99   0.0613 0.0104

执行我的荟萃分析；

maModel <- rma(yi, vi, data=dat, method="HS")
summary(maModel)

Random-Effects Model (k = 8; tau^2 estimator: HS)

logLik  deviance       AIC       BIC      AICc 
4.0566   16.3487   -4.1131   -3.9542   -1.7131   

tau^2 (estimated amount of total heterogeneity): 0.0062 (SE = 0.0055)
tau (square root of estimated tau^2 value):      0.0786
I^2 (total heterogeneity / total variability):   51.88%
H^2 (total variability / sampling variability):  2.08

Test for Heterogeneity:
Q(df = 7) = 17.5566, p-val = 0.0141

Model Results:

estimate     se    zval    pval    ci.lb    ci.ub 
0.2614     0.0411  6.3608  <.0001  0.1809  0.3420  *** 

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

然后尝试生成森林图：

forest(maModel, slab=dat$source)

source只是作者和年份的组合标题。这仅适用于我的 10 次分析中的 3 次。

如前所述，我遇到的错误消息是

Forest.rma（maModel，slab = dat$source）中的错误：“结果数与'slab'参数的长度不对应”

4

0 回答 0