使用Metafor或Meta对比例进行荟萃分析

Question

是否有人使用这些软件包来创建比例的森林图 - 其中每项研究显示的比例和95％CI与简单的比例具有确切的二项95％CI，以及该包计算汇总的加权比例---显示在底部？ 可以选择合并的方法吗？

Answer 1

在metafor中，这可以通过使用binom.test()函数计算“确切”95％置信区间，然后将这些边界传递给forest()来完成。有多种模型可以用来汇集比例，所以我不确定你在找哪一个模型，但是“二项式正态”模型（本质上是一个随机效应逻辑回归模型）通常是一个不错的选择。这可以使用rma.glmm()。然后可以使用addpoly()函数将结果添加到森林图中。这里有一个例子：

library(metafor) 

dat <- data.frame(id = 1:5, xi = c(2, 5, 3, 10, 6), ni = c(20, 25, 15, 40, 30)) 
dat <- escalc(measure="PR", xi=xi, ni=ni, data=dat) 
tmp <- t(sapply(split(dat, dat$id), function(x) binom.test(x$xi, x$ni)$conf.int)) 
dat$ci.lb <- tmp[,1] 
dat$ci.ub <- tmp[,2] 

res <- rma.glmm(measure="PLO", xi=xi, ni=ni, data=dat) 

par(mar=c(5,4,1,2)) 
with(dat, forest(yi, ci.lb=ci.lb, ci.ub=ci.ub, ylim=c(-1.5,8), xlim=c(-.5,1), refline=predict(res, transf=transf.ilogit)$pred)) 
addpoly(res, row=-1, transf=transf.ilogit) 
abline(h=0) 
text(-0.5, 7, "Study", pos=4) 
text(1, 7, "Proportion [95% CI]", pos=2) 

从模型（res）的结果是：

Random-Effects Model (k = 5; tau^2 estimator: ML) 

tau^2 (estimated amount of total heterogeneity): 0 
tau (square root of estimated tau^2 value):  0 
I^2 (total heterogeneity/total variability): 0.00% 
H^2 (total variability/sampling variability): 1.00 

Tests for Heterogeneity: 
Wld(df = 4) = 1.7806, p-val = 0.7760 
LRT(df = 4) = 2.0582, p-val = 0.7251 

Model Results: 

estimate  se  zval  pval ci.lb ci.ub 
-1.3863 0.2193 -6.3225 <.0001 -1.8160 -0.9565  *** 

--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

得到的森林图：