我目前正在使用程序包";metafor";。在进行研究时,我发现了一个不同的R元分析包,即";meta";。我更喜欢后一个包创建的森林图(设计上(,但不幸的是,有些数据与我用metafor创建的图不同。
具体而言,数据仅对I^2和汇总估计有所不同。
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)
有人知道为什么会出现这些差异吗?
因此,我能够获得跨函数匹配的预测区间,但不能获得I^2值(即使差异仅缩小2%(。与另一个包相比,一个包可能正在进行一些统计校正,或者它必须与RE/FE类型的建模方法有关。
不管怎样,我希望这段代码能帮你指明正确的方向。要使CI匹配,还必须使用metagen()
中的参数method.tau.ci
。
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)