1

我目前正在使用“metafor”包在 R 中进行元分析。在进行研究时，我遇到了 R 中用于元分析的不同包，即“元”。我更喜欢后一个包创建的森林图（设计方面），但不幸的是，有些数据与我用 metafor 创建的图不同。

具体来说，只有 I^2 和汇总估计的数据不同。

meta_1 <- rma(yi=yi, vi=vi, measure="SMD", method="ML", slab=Citation, data=dat)
forest(meta_1)

meta_2 <- metagen(yi,vi^.5,data = dat,studlab = paste(Citation), comb.fixed = FALSE, 
                 comb.random = TRUE, hakn = TRUE, method.tau = "ML", sm = "SMD")
forest(meta_2)

有谁知道为什么会出现这些差异？

4

1 回答 1

0

因此，我能够获得跨函数匹配的预测间隔，但不能匹配 I^2 值（即使差异仅相差 2%）。与另一个包相比，一个包可能会进行一些统计校正，或者它与 RE/FE 类型的建模方法有关。

无论如何，我希望这段代码能帮助你指出正确的方向。method.tau.ci要使 CI 匹配，您还必须使用metagen().

library(meta)
library(metafor)
study<- c(1:10) 
yi<- c( -0.48965031,0.64970214, 0.11201680,0.07945655,-0.70874645 -0.54922759,0.66768916 , -0.45523574 ) 
vi <- c(0.10299697,0.14036855,0.05137812, 0.03255550, 0.34913525, 0.34971466, 0.07539957, 0.08428983) 
dat <- cbind(study, yi, vi) 
dat <- as.data.frame(dat)

meta_1 <- rma(yi=dat$yi, vi=dat$vi, measure="SMD", method="REML", slab=paste(study), data=dat) 
forest(meta_1) 

meta_2 <- meta::metagen(TE =dat$yi,seTE = dat$vi^.5, method.tau = 'REML',
                        method.tau.ci = 'BJ', comb.random = TRUE, comb.fixed = TRUE,
                        sm = 'SMD') 

forest(meta_2)
于 2020-08-25T20:11:16.823 回答