Meta分析的优势比和置信区间，使用metafor包在r

我试图做一个荟萃分析从一些赔率比率和他们的置信区间。源文章不报告标准错误。Meta分析的优势比和置信区间，使用metafor包在r

为了使用rma.uni()从metafor包，我需要提供差异（通过vi=" "）或标准误差（throuh sei = " "）。所以，我计算出的标准误差以下列方式(logor = log(odds ratio), UL= CI upper limit, LL = CI lower limit)：

se1<-(log(UL)-logor)/1.96 
se2<-(log(OR)-log(LL))/1.96

我的问题是，用这种方法得出的标准误差相差一点点，但他们应该是相同的。我认为这是由于作者对CI进行四舍五入的缘故。我的解决方案是将这些平均值作为模型中的标准误差。

然而，当我适合的模型和绘制森林图，所产生的置信区间上不同于那些颇有几分我开始用..

dmres<-rma.uni(yi=logor, sei=se, data=dm2) 
forest(dmres, atransf=exp, slab=paste(dm2$author))

有没有更好的方式来做到这一点？也许我可以直接放置置信区间的函数？

非常感谢您的意见。

更新

示例数据和代码：

dm<-structure(list(or = c(1.6, 4.4, 1.14, 1.3, 4.5), cill = c(1.2, 
2.9, 0.45, 0.6, 3.2), ciul = c(2, 6.9, 2.86, 2.7, 6.1)), .Names = c("or", 
"cill", "ciul"), class = "data.frame", row.names = c(NA, -5L)) 

dm$logor<-log(dm$or) 
dm$se1<-(log(dm$ciul)-dm$logor)/1.96 
dm$se2<-(dm$logor-log(dm$cill))/1.96 
dm$se<-(dm$se1+dm$se2)/2 

library(metafor) 
dmres<-rma.uni(yi=logor, sei=se, data=dm) 
forest(dmres, atransf=exp)

来源

2013-07-03 eva_utrecht

如果没有一些可以再现此问题的示例数据，则很难为您提供帮助。看[这个问题] {http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example）。 – Thomas

由于置信区间范围（对数刻度）不是对称的，首先，你得到这些差异。您可以使用forest.default()函数，直接提供CI界限，然后使用addpoly()函数添加汇总多边形。使用你的例子：

forest(dm$logor, ci.lb=log(dm$cill), ci.ub=log(dm$ciul), atransf=exp, rows=7:3, ylim=c(.5,10)) 
addpoly(dmres, row=1, atransf=exp) 
abline(h=2)

将确保数据集中的CI边界与林图中的CI边界完全相同。

来源

2013-08-07 16:15:06 Wolfgang

Meta分析的优势比和置信区间，使用metafor包在r

回答

相关问题