多层次分析Meta分析

我想用多层次方法进行Meta分析，使用社区干预前后测量的比例。在metafor哪个衡量标准容易使用“PLO”或PFT“？我也有4个主持人。在17项研究中，我有4项研究有2个社区，每个都有不同的干预措施，即不同剂量的相同药物。多层次分析Meta分析

salt<- escalc(measure="PLO", xi=pos, ni=sur, data=salt,add=1/2, to="all") 

model1<-rma(yi, vi, method="FE", data=salt) for fixed effects model (Traditional MA) 
model2<-rma(yi, vi, data=salt) for Random effects vmodel (Traditional MA) 
model3<-rma(yi, vi, mods=~factor(intcode)+factor(smrsz)+durint+basemf+percap, data=salt) for mixed effects model including moderators (Traditional MA) 
model4<-rma.mv(yi, vi, random=~1|stdy, data=salt) - random effect multilevel model 
model5<-rma(yi, vi, mods=~factor(intcode)+factor(smrsz)+durint+basemf+percap, random=~1|stdy, data=salt)

这里STDY给出了研究ID。哪条命令我应该使用？

适合我想要做的分析类型，这些命令？

来源

2016-02-26 Srividya Adinarayanan

格式化应改进 – michaldo

是否使用分对数变换比例(measure="PLO"）或者像反正弦平方根变换比例（measure="PAS"）或Freeman-Tukey双反正弦变换比例（measure="PFT"）取决于各种因素，最重要的是研究的规模以及利益的结果是否非常罕见非常常见（即基础真实比例是否预期接近到0或1）。但最终，无论如何进行敏感性分析可能是一个好主意，无论您使用哪种测量方法，检查结论是否保持不变。

至于模型，模型1-3是标准的元分析模型，这里的语法很好。在模型4中，您只是在研究层面添加随机效应，但是这假设所有的异质性都是由于研究之间的差异以及研究内部没有异质性。这通常是不正确的，所以你应该在研究和结果水平上添加随机效应。事情是这样的：

salt$id <- 1:nrow(salt) 
rma.mv(yi, vi, random=~1|stdy/id, data=salt)

参见：http://www.metafor-project.org/doku.php/analyses:konstantopoulos2011

在模型5，你有一个错字 - 你应该使用rma.mv()，不rma()，当您使用random说法。再次使用random=~1|stdy/id。

来源

2016-02-27 11:26:10 Wolfgang

谢谢沃尔夫冈，帮助我解决问题。那么，我也想知道这是否是这种方法，当一些研究在两个不同的社区进行了两种干预措施（相同药物剂量的变化）时呢？将模型5即rma.mv与版主合并可能是合适的......因为它考虑了2级的学习和2级的所有社区？假设我想包括时间，即在1980年代，20世纪90年代和2000年进行的研究作为一个层次，我如何将这个模型纳入到这个模型中？ –

多层次分析Meta分析

回答

相关问题