问题标签 [metafor]

我正在尝试使用 metafor 包中的 rma.uni 函数来估计渔具对我的丰度数据的影响。遵循 Sciberas 等人发表的方法。2018 (DOI: 10.1111/faf.12283)，我认为我正确使用了该功能，但是，我不确定如何解释输出。在函数中，c是对数响应比，var_c是相关方差。log2(t+1)以天为单位表示时间。在我的数据中，gear是一个具有三个级别的因素：CD、QSD 和 KSD。

由于我一般不熟悉模型，尤其是这类模型，因此我阅读了包括以下内容的在线文档： https ://faculty.nps.edu/sebuttre/home/R/contrasts.html 因此，我知道只有两个级别从我的因素gear需要显示在输出中。

下面是我运行 rma.uni 函数时的输出。我的问题是：

• 如果将 gearCD 视为模型中的“参考”，那么这意味着 gearKSD 的影响比 gearCD 积极 0.14 倍（我不知道如何措辞），相反，gearQSD 的破坏性提高 0.12 倍?
• 我应该如何解释 gearKSD 和 gearQSD 的 pvalue 不显着这一事实？这是否意味着它们的截距与 gearCD 的截距没有显着差异？如果是这样，gearCD 的截距是否与 相同intercpt？
• 你知道我如何为我的因子的每个级别获得一个截距值gear吗？我的目标是区分这三个齿轮的初始影响，因此每个齿轮都有一个交互会很有趣。
• 同样，如果我有与 log2(t+1) 的交互术语（例如gearKSD:log2(t+1)），那么解释与我们如何解释拦截类似？

很抱歉，我知道这些问题很多。另外，R² 为 100%，所有其他值都为 0（tau、tau² 和 I²）不是很奇怪吗？

非常感谢大家的帮助！

我正在尝试使用包中的forest()函数在 R 中创建一个森林图metafor。对于我可以添加到这个函数的所有参数，我参考了 R 网站上的文档。

目前这是我的代码：

我之前已经定义了标签（基本上只是我包含在森林图中的研究名称列表）。

根据此函数的文档，studlab是一个有效的参数。但是，当我将它添加到函数时，我收到以下错误消息：

“studlab”不是图形参数。

这不是产生错误消息的唯一参数。它适用于我添加的大多数其他论点。

我该如何解决这个错误？

我有一个混合效应元分析模型 (rma.mv)，其中包含一个连续多项式调节器和一个分类调节器。我想预测新数据以进行绘图。

作为一个可重现的示例，我们可以复制此处可用的数据框： http ://www.metafor-project.org/doku.php/tips:non_linear_meta_regression

然后添加一个因素：

然后使用三次多项式运行模型（好吧，它不是 rma.mv，因为我找不到方便的混合效果示例，但 rma 应该可以工作）：

我可以毫无问题地预测现有的主持人值，如果我将这些附加到原始数据框中，我可以为不同的因素绘制不同的线：

但是假设我真的希望这些线条超级平滑（点之间没有直线）。上面链接中的示例显示了如何为单个连续调节器执行此操作，方法是创建一个具有大量 xi 值的向量并对其进行预测。但是，我无法正确设置预测网格来为因子的每个级别执行此操作。

我知道因素需要在 predict.rma 中指定为虚拟变量，所以我认为下面会产生我需要的新数据矩阵：

但我得到“错误：在模型中找不到变量‘Var1’。”

我想我的问题与新矩阵中变量的名称有关，但我找不到如何处理这个问题的示例，因为大多数其他示例似乎没有在 newmods 参数中使用命名变量（例如predict.rma 帮助文件中的示例，以及上面链接中的示例）。

任何有关如何使这项工作的建议将不胜感激，在此先感谢！

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。

有谁知道为什么会出现这些差异？

我在使用 R 中的 metafor 时遇到了一些困难。

我正在做一个流行荟萃分析，我使用了反正弦变换。然后对于预测值，我需要使用参数 transf=iarcsin 将其反向转换为流行率。对于森林图，我还想根据每个研究对应的计算权重得到患病率，但我只得到反正弦变换的值，无论我是否使用 transf 参数，我都会得到相同的结果（yi而不是森林地块中的流行率）。

这是我正在使用的代码：

谢谢

我正在对敏感性进行荟萃分析，并尝试使用 meta 包中的 metaprop() 参数来汇集单一比例。使用 logit-link 函数，参数将默认选择 GLMM。但是没有提供权重。根据文献，尽管这是最好的解决方案，但我想要汇总的研究在样本量上差异很大（n = 6 到 n = 568）。我认为在这种情况下加权可能是必不可少的，并且想知道是否有一个解决方案也提供权重？简而言之，我想要可以在森林图中显示的汇总加权子组汇总估计。

我的数据集基于 2x2 表格数据（真阳性、假阴性、真阴性、假阳性），具有成比例的结果（敏感性或特异性 [%]）和子组“exp”（体外/细菌）

我将不胜感激任何建议

问候，朱莉娅

我有以下数据结构，大约。研究i = 50，实验j = 75和条件k = 200。

在级别k我有相关的措施。对于大约 20 项研究（25 个实验和 65 个条件），我有关于主题级别的数据并计算了方差 - 协方差矩阵。对于其余部分，我根据估计的相关性（针对受试者和条件）计算了一个方差-协方差矩阵。最后，我有一个完整的kxk方差-协方差矩阵V。

为了尊重数据的多级结构，我让每个研究中的每个实验中的每个条件都使用非结构化方差-协方差矩阵具有其独特的协方差（请参阅详细信息 - 指定随机效应）。请注意，我不是 100% 确定这种推理，或者一般推理/反对多级模型中的方差 - 协方差假设结构。所以我很高兴收到一些关于这方面的想法/文献......

我现在想进行一个多元（多级）随机效应模型：

当在完整的数据集上运行时，计算在几分钟内达到 128GB（！）的 RAM，并且在某些时候 R只是终止而没有错误消息。

1）我拥有的数据量是否可以预期？

使用原始数据的子集运行相同的模型（即i = 20、j = 25和k = 65，我只是在没有估计方差 - 协方差矩阵的情况下抓取数据）可以正常工作并达到 ~20GB RAM 的顶部。

我看到了metafor 包的tipps 部分以及注释rma.mv()中的优化选项。2）在我的场景中，切换到Microsoft R Open或其他算法（没有并行化？！）是否合理？

请注意，上面的模型不是我要进行的最终模型。尚未包括版主。其他模型应包括主持人的回归项。它会变得更加复杂，我想......

我在 x86_64-pc-linux-gnu（64 位）上运行 R 版本 3.6.3（2020-02-29）：Ubuntu 18.04.5 LTS。Metafor 的版本为 2.4-0。

最佳乔纳斯

我正在尝试使用安装“metafor”包的开发版本

但是，我有以下错误消息。我尝试将依赖项和强制设置为 TRUE，但没有成功。

. . .

Revman 软件在元分析中生成了森林图和红绿灯图的组合（参见例如 doi：http ://dx.doi.org/10.1136/bmjopen-2018-024444 ，图 3）。我正在使用软件包metafot 元分析和robvis偏倚风险。下面是一些使用包中示例数据的简单代码：

重要的是森林图中的行（即每项研究）和偏差风险图中的行是对齐的。使用诸如此类的包的问题gridExtra在于，您必须调整对齐和大小或绘图，直到它适合为止。我的问题是在 R 中是否有一个很好的解决方法来获得类似于 Revman-plots 的图。结果应如下图所示。

我是新人在 metafor 包中进行荟萃分析，森林图与异质性文本重叠，我该如何将它们分开？

在此处输入图像描述