R软件系列：实现二分类数据的Meta分析(2)

点击蓝色的“临床科研与meta分析”，轻松实现关注实用Meta分析

原文来自“实用Meta分析”

②森林图的绘制

森林图的绘制用forest()命令，具体的命令如下：

forest(meta1, xlim=c(0. 01, 10))

# xlim是x轴的范围，可以忽略

通过以上命令，我们发现，森林图没有显示完全，仅仅显示了部分（如下图），是因为纳入文献太多，不能显示完全。

因此，我们需要对森林图进行调整，解决方法是在绘制森林图之前使用命令
jpeg("picture.jpeg", height=7600,width=4800, res=360)

# height，width，res分别表示森林图的高度，宽度和像素(本研究为360 ppi，默认值是72 ppi)
forest(meta1)
dev.off()
#森林图输出为一个jpeg格式的文件储存（在工作空间里，用getwd()可以找到自己的工作空间）。

③发表偏倚的检测

发表偏倚的命令是metabias()，也可以通过漏斗图定性判断funnel()，具体的命令如下：

metabias(meta1,method.bias="linreg")

#结果显示，t=-1.7704，P=0.08115，不存在发表偏倚

funnel(meta1)

#漏斗图对称，也表明不存在发表偏倚

④敏感性分析

敏感性分析的目的是可以粗略地看出每个研究对总估计效应的影响有多大。meta包中的命令是metainf()，具体的命令：

metainf(meta1)

#固定效应模型，随机效应模型是pooled=random，默认是固定效应模型。

对其绘制敏感性分析的森林图，具体的命令forest(metainf(meta1,pooled= fixed),同样的，由于纳入的文献比较多，森林图显示不全，仍然需要用到命令jpeg()，在此不详述。

另外，如果存在异质性和发表偏倚等，我们可以通过亚组分析(byvar=group)，子集分析(subset=c(41,47,51),表示纳入了第41,47和51个研究)，Meta回归(metareg(meta1,~region)和剪补发(trimfill(meta1))进行分析，读者可以自己操作实际试一下，具体的操作，我们在后面也会介绍。

扫一扫二维码，学习先进的临床科研。