问题标签 [metafor]

我正在为多因素荟萃分析绘制摘要森林图，并希望突出处理（网络腿）之间的分类差异。虽然我喜欢 metafor 生成的数字多么干净，但我希望能够增加专用于绘制的汇总效果和置信区间的空间，在不失去权重的情况下增加点的大小。

如何增加绘图大小（即“放大”汇总效果点和置信区间），使其在图形中心占据更多空间并且更易于阅读？（这样做不会影响相邻的文本（注释和标签），或者消除权重。）

我玩过 cex 选项，它确实增加了绘图和汇总点的大小，但它也增加了因子描述和数字注释的文本（Forest 1 cex = 1.55）。

我还尝试通过 psize (Forest 1 psize = 2) 增加点大小，但它消除了加权因子的视觉表示。（它也更像是一个创可贴，我真的很想增加情节的大小。）

我正在尝试使用以下功能执行 Egger 测试：

只有当我在这一步：

eggers.output<-data.frame（拦截，ci.intercept，intercept.pval）

R 给出以下错误： data.frame(intercept, ci.intercept, intercept.pval) 中的错误：

参数暗示不同的行数：0, 1

如果有人可以帮助我，我将不胜感激。

我在处理贝叶斯方法方面仍然很陌生。在对真实数据产生随机影响的情况下运行贝叶斯分析时，我遇到了以下错误“slicker 停留在具有无限密度的值”，我尝试更改精度参数的起始值（基于我在 stackoverflow 上找到的建议） ，以及我的参数的其他起始值，但这并没有解决问题。这是我的代码的一部分

我观察到以下解决了这些问题：

1. 以 ( theta ~ dnorm(0,1.0E-5) T(0,0.99) 形式截断法线先验

就我而言，上述解决方案的问题是我的估计比平时多。其次，我真的不明白截断的法线如何适合我的解决方案。有人可以让我深入了解截断法线以及它如何影响使用它生成的结果的解释吗？

2. 第二种选择是使用非常少的迭代次数。我观察到迭代次数很少，模型停止抛出错误。

这样做的问题是收敛是不值得怀疑的。

3. 第三个可行的选项是我必须先将 gamma 从 gamma(0.001,0.001) 更改为 gamma(1,1)。我不确定从 gamma(0.001,0.001) 到 gamma(1,1) 将如何影响我的解释，但获得的结果似乎是合理的。

我将不胜感激就上述修复在建模过程及其如何影响推理方面的优缺点发表评论。

附加信息，D 是观察计数，pt 是人时（偏移量）。

我正在尝试对 12 项研究进行内部荟萃分析，其中包括规模和二元 DV。在所有使用二元 DV 的研究中，我们在主要分析中控制了一个变量。使用 metafor 进行荟萃分析时，有没有办法控制变量？进行此分析的最佳方法是什么？有没有办法计算控制变量的二元研究的效应大小（Cohen's d）？任何帮助将不胜感激！

我计算了每项研究的效应量（Cohen's d），并使用 metafor 进行内部荟萃分析，而不控制变量。

我已经使用package in拟合了一个健壮的随机效应元回归模型。metaforR

我的完整数据以及可重现的R代码出现在下面。

问题：

(1) CIs上出现灰色钻石的含义和解释是什么？

(2)当我有主持人时，我不会得到整体平均效果，对吗？

我正在尝试在我的风险比森林图上使用对数刻度。我将风险比估计值和置信区间手动输入到我的绘图中，但我需要相同的值（未更改）在绘制时处于对数刻度上。最好使用与当前在算术刻度上的绘图相同的刻度线。是否有捷径可寻？

我尝试了 atransf = exp，它改变了我所有的风险比。我还尝试了 = log(c(0.25, 0.5, 1, 2, 4, 6))，它彻底改变了所有刻度线。如何在不更改轴的数字刻度线和危险值的情况下转换为对数刻度？

谢谢你的帮助。

我只是想将具有相应 CI 值的风险比/结果列向左移动，以便我可以在结果列的右侧添加一个 p 值，这可能吗？

有没有一种简单的方法可以在 Forest() 的 R 文档中找到这个论点和其他类似的论点？

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；

以下是我的输出示例；

执行我的荟萃分析；

然后尝试生成森林图：

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”

我正在使用 metafor 进行大量元分析。为了大致了解结果，我想将包含主要估计值的向量放在一起（稍后将它们组合到数据框中）。然而，对于其中一些计算，我还没有足够的初步研究，因此 R 将无法为这个特定领域创建模型。因此，当我尝试在最后创建一个向量时，我会收到一条错误消息。

有没有办法告诉 R 先检查对象是否存在，并在所有尚未创建对象的情况下放入 NA？具体来说，我希望 R 在最后一行代码中用 NA 替换 rma1$beta （不存在）。那可能吗？

我想在 metafor 包中运行子组元分析。最简单的方法是：

但是，如果子组的因子具有多个级别，则手动执行此操作会非常混乱。我尝试使用 dplyr 来解决这个问题并简单地提取所有子组的系数：

但结果看起来像这样：

似乎 rma 函数省略了 group_by 并每次计算整个数据集的池化效果。可能是什么原因？这种方法有其他选择吗？