带有子组元和元数据包的比例的荟萃分析中摘要统计的置信区间问题

问题描述

在子组中存在汇总比例置信区间的问题。如果子组之间没有显着差异，则森林图和Naike Wang的语法中摘要估计的95％CI相似，但是，使用确实具有重要作用的主持人，我发现使用naike Wang的语法的CI和forrestplot之间存在很大差异。为什么会这样，还是我做错了什么？

我正在对比例进行系统检查。比例在1％至40％之间。我想使用logit转换和子组分析使用一种混合效应模型，其中使用随机效应模型（DerSimonian和Laird方法）来组合每个子组中的研究效应，并使用固定效应模型来检验各个子组中的效应是否彼此之间存在显着差异假设跨子组的研究之间存在共同的方差成分，并希望合并Tau2的组内估计。我使用的是Naike Wang从https://www.researchgate.net/publication/325486099_How_to_Conduct_a_Meta-Analysis_of_Proportions_in_R_A_Comprehensive_Tutorial在第39页的“选项2：logit变换”下提供的语法，在第48页上的Forrest图在“假设2：假设研究之间的共同方差分量”下使用的语法。 >

我正在使用RStudio 1.2.1335和软件包 enter code here库（“元”） enter code here库（“ Metafor”）

使用主持人1进行分析使用RMA

setwd("your wd")
rm(list=ls())

dat <-  structure(list(authoryear = c("Bake19","Blis20","Brim20","Case19","Chan20","Chri19","Coll19","Cumm19","Edwa20","Ferr19","Gero20","Isla19","Jack19","Kapl19","Khat20","Le D20","Lecl20","Mann20","Meyn20","Molt20","Neve20","Pers19","Stro19","Tazi20","van 20","Verg20"),cases = c(82,49,41,9,13,39,78,55,59,53,4,50,14,94,52,124,80,88,500,107,5,66,157,54,33),total = c(460,150,250,19,128,138,123,417,254,408,370,118,132,117,100,684,215,452,197,304,143,1248,600,598,628,184,743,193,256),moderator1 = c(1,1,0),moderator2 = c(0,1)),row.names = c(NA,-29L),class = "data.frame")

ies.logit=escalc(xi=cases,ni=total,data=dat,measure="PLO")

subganal.moderator=rma(yi,vi,data=ies.logit,mods=~moderator1,method="DL")
pes.logit.subgroup1=rma(yi,mods=~moderator1==1,method="DL")
pes.logit.subgroup2=rma(yi,mods=~moderator1==0,method="DL")
pes.subg.moderator=predict(subganal.moderator,transf=transf.ilogit)
dat.samevar=data.frame(estimate=
                     c((pes.logit.subgroup1$b)[1],(pes.logit.subgroup2$b)[1]),stderror=
                     c((pes.logit.subgroup1$se)[1],(pes.logit.subgroup2$se)[1]),tau2=subganal.moderator$tau2)
pes.logit.moderator=rma(estimate,sei=stderror,method="DL",data=dat.samevar)
pes.moderator=predict(pes.logit.moderator,transf=transf.ilogit)
print(pes.subg.moderator[1]) #display subgroup 1 summary effect size
print(pes.subg.moderator[2]) #display subgroup 2 summary effect size
print(subganal.moderator) #display subgroup analysis results
print(pes.moderator) #display recomputed summary effect size

我发现主持人1的影响不显着，总影响大小为0.17，95％CI为0.135-0.217

subganal.moderator=rma(yi,method="DL")
pes.summary.moderator1=Metaprop(cases,total,authoryear,sm="PLO",method.tau="DL",method.ci="NAsm",byvar=moderator1,tau.common=TRUE,tau.preset=sqrt(subganal.moderator$tau2))

pdf(file = 'nice.forest.moderator1.pdf',width =10,height=15) 
forest(pes.summary.moderator1,xlim=c(0,1),pscale=1,rightcols=FALSE,leftcols=c("studlab","effect","ci"),leftlabs=c("Study","Proportion","95% C.I."),text.random="Combined prevalence",xlab="Prevalence",smlab="",weight.study="random",squaresize=0.5,col.square="navy",col.diamond="maroon",col.diamond.lines="maroon",pooled.totals=FALSE,comb.fixed=FALSE,fs.hetstat=10,print.tau2=TRUE,print.Q=TRUE,print.pval.Q=TRUE,print.I2=TRUE,digits=2)
dev.off()

在主持人1的Forrestplots中，我发现随机效应汇总效应大小为0.17，95％CI为0.14-0.21，这非常接近于先前计算的汇总效应大小

使用主持人2进行分析

rm(list=ls())

dat <-  structure(list(authoryear = c("Bake19",moderator2 =   
                                  c(0,class = 
                                  "data.frame")

ies.logit=escalc(xi=cases,mods=~moderator2,mods=~moderator2==1,mods=~moderator2==0,transf=transf.ilogit)
print(pes.subg.moderator[1]) #display subgroup 1 summary effect size
print(pes.subg.moderator[5]) #display subgroup 2 summary effect size
print(subganal.moderator) #display subgroup analysis results
print(pes.moderator) #display recomputed summary effect size

我发现主持人2的效果显着，总效果大小为0.165，95％CI为0.0841-0.298

subganal.moderator=rma(yi,method="DL")
pes.summary.moderator2=Metaprop(cases,byvar=moderator2,tau.preset=sqrt(subganal.moderator$tau2))

pdf(file = 'nice.forest.moderator2.pdf',height=15) 
forest(pes.summary.moderator2,digits=2)
dev.off()

在主持人2的福雷斯特图中，我发现随机效应汇总效应大小为0.17，95％CI为0.14-0.21。无论使用主持人1还是主持人2，这都是相同的总摘要效果大小，并且与前面的示例相反，森林图中的置信区间现在非常不同。

我在做什么错了？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

meta metafor r r