Meta分析常用教程之连续性变量：R语言教程

昨天我们介绍了如何使用R语言进行二分类变量的Meta分析，今天我们再来看看，如何使用R语言进行连续性变量的Meta分析。

> sample<-data.frame() > fix(sample) > name<-c("study","n1","mean1","sd1","n2","mean2","sd2") > colnames(sample)=name > sample study n1 mean1 sd1 n2 mean2 sd2 1 a 134 5.09 4.23 113 4.72 4.67 2 b 175 4.74 4.65 152 5.90 5.34 3 c 137 2.04 2.59 148 2.54 3.11 4 d 184 2.70 2.32 178 3.23 2.54 5 e 174 6.09 4.86 165 5.87 5.16> library(metafor)> metawsd=rma.uni(n1i=n1,n2i = n2,m1i = mean1,m2i=mean2,sd1i=sd1,sd2i = sd2,data=sample,measure = "MD",method="FE",slab=study) > metawsdFixed-Effects Model (k = 5) Test for Heterogeneity: Q(df = 4) = 5.2895, p-val = 0.2589 Model Results: estimate se zval pval ci.lb ci.ub -0.4255  0.1724  -2.4684  0.0136  -0.7633  -0.0876  *--- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 > forest(metawsd)

另一种方法：

> library(meta)> metawsd=metacont(n1,mean1,sd1,n2,mean2,sd2,data=sample,sm="MD",comb.fixed = FALSE,comb.random = TRUE,studlab = study) > metawsd MD 95%-CI %W(random) a 0.3700 [-0.7500; 1.4900] 11.7 b -1.1600 [-2.2533; -0.0667] 12.2 c -0.5000 [-1.1627; 0.1627] 26.4 d -0.5300 [-1.0316; -0.0284] 37.1 e 0.2200 [-0.8483; 1.2883] 12.7 Number of studies combined: k = 5 MD 95%-CI z p-value Random effects model -0.3986 [-0.8125; 0.0153] -1.89 0.0591 Quantifying heterogeneity: tau^2 = 0.0548; H = 1.15 [1.00; 1.81]; I^2 = 24.4% [0.0%; 69.3%] Test of heterogeneity: Q d.f. p-value 5.29 4 0.2589 Details on meta-analytical method: - Inverse variance method - DerSimonian-Laird estimator for tau^2 > forest(metawsd)

图文阅读是不是很乏味，赶快参加我们的初级临床科研培训班，绝对让你不枉此行。

详情点击下文链接

就是我，快点击：初级临床科研设计与方法培训班第二轮通知

另外如果您觉得路途遥远，想临床科研走到您身边，面对面与大神交流文献检索，科研选题，基本统计软件操作，撰写文章的技巧，投稿的方法等等。赶快联系预约吧！把您的需求告诉我们，我们制定针对性强的课程，走到您的科室进行授课。通常是半天至一天的课程加讨论。效果是可想而知的。赶快把以下联系方式告诉您的主任吧：