震惊！Meta分析还可以这样做
应⼴⼤读者朋友的要求，番茄君不得不提前更新本期内容。本期番茄君给⼤家讲解单个率的meta分析⽅法。我们的⽬的是⽐较DO和PO两种同期发情⽅案对奶⽜输精受胎率的影响。纳⼊到meta分析的DO相关⽂献10篇，以及PO相关⽂献17篇。
单个率的meta分析要对DO和PO单独进⾏分析，由于分析⽅法基本⼀致，故番茄君以DO为例给⼤家讲解。
1. 在excel中输⼊原始核⼼数据。按照如下格式在excel中输⼊所纳⼊⽂献的原始数据，然后保存成CSV格式。番茄君将其命名为meta analysis，并保存在桌⾯。其中，author, year, case, number四个变量分别代表纳⼊⽂献的第⼀作者，发表年份，DO⽅案的妊娠⽜数，DO⽅案的输精⽜数。
2. 在R中安装并调⽤“meta”包。已安装的则直接调⽤。代码如下：
3. 读取并查看数据。代码如下：
4. 样本率的估计⽅法的选择。单个率的meta分析要求原始率的分布尽量服从正态分布。如原始率不服从正态分布，可经过转换使其服从或近似服从正态分布，从⽽提⾼合并结果的可靠性。命令transform提供了5种样本率的估计⽅法，分别为：“PRAW(没有转换的原始率)”，“PLN(对数转换)”，“PLOGIT(logit转换)
”，“PAS(反正弦转换)”，“PFT(Freeman-Tukey 双重反正弦转换”，在进⾏meta分析之前，对原始率及按上述四种估计⽅法进⾏转换后的率进⾏正态性检验，根据检验结果选择最接近正态分布的⽅法。代码如下：
结果如下：
结果显⽰，原始率，对数转换，logit转换，反正弦转换，Freeman-Tukey双重反正弦转换的正态性的结果分别是W = 0.93959, p-value = 0.5485；W = 0.92039, p-value = 0.3602; W = 0.93688, p-value = 0.5189; W = 0.93968, p-value = 0.5494;W = 0.92575, p-value = 0.4074, 综上，我们选择双重反正弦转换，当然也可以试着选择其他的转换类型, 然后通过⽐较异质性的⼤⼩，选择⼀个合适的类型。
5. 效应量的合并。调⽤metaprop命令。代码如下：
结果如下：
结果显⽰，异质性检验I2=94.5%，P<0.0001，说明原始研究间存在异质性，选⽤随机效应模型。合并后的DO⽅案下的奶⽜输精妊娠率为46.18%，95%CI: 0.4190-0.5050。
6. 森林图的绘制。森林图的绘制⽤forest命令，代码如下：
结果如下，从森林图中可以⾮常简单和直观地看到meta分析的统计结果。
7. 敏感性分析。敏感性分析的命令为metainf，该命令默认情况下为固定效应模型。我们分析出来的结果为随机效应模型，故需要修改参数pooled=“random”。代码如下：
结果如下：
meta大裁员8. 发表偏倚的检测。发表偏倚的命令是metabias，代码如下：
本⽂结合实例，介绍了在R软件中如何实现单个率的meta分析。由于单个率的meta分析各原始⽂献为单个组的率，稳定性可能不同于Randomized Controlled Studies的meta分析，因此合并后的统计学异质性可能会⽐较⼤，当异质性较⼤
性可能不同于Randomized Controlled Studies的meta分析，因此合并后的统计学异质性可能会⽐较⼤，当异质性较⼤时，⾸先要从专业的⾓度对不同情况下的率进⾏亚组分析等来确定meta分析的结果是否可靠。
本期番茄君就为⼤家讲解到这⾥。感兴趣的⼩伙伴们可以尝试着⾃⼰操作⼀遍，也欢迎⼤家和番茄君交流讨论。
SCI期刊投稿选刊交流，欢迎加⼊：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。