网络Meta分析在R软件中的实现

合集下载

应用R软件bmeta程序包实现贝叶斯Meta分析与Meta回归

•方法学•应用R软件b m e ta程序包实现贝叶斯M eta分析与M e ta回归石丰豪\孟蕊\芮明军、马爱霞〃1. 中国药科大学国际医药商学院（南京211198)2. 中国药科大学药物经济学评价研究中心（南京211198)【摘要】R软件bm eta程序包是一款通过调用IAGS软件来实现贝叶斯M eta分析和M eta回归的程序包，该程序基于“马尔可夫链-蒙特卡罗”（MCMC)算法来合并不同类型资料（二分类、连续和计数）的各种效应量 (OR、M D和IRR)。

该程序包具有命令函数参数少、提供模型丰富、绘图功能强大、易于理解和掌握等优点。

本文将结合实例介绍展示bmeta程序包实现贝叶斯Meta分析与M eta回归的完整操作流程。

【关键词】R语言；bmeta程序包；贝叶斯Meta分析；M eta回归Perform ing Bayesian m eta-analysis and m eta-regression using bmeta package in R softwareSHIFenghao1，M ENGRui1，RUIMingjun1，M AAixia121. School of I nternational Pharmaceutical Business, China Pharmaceutical University, Nanjing 211198, P.R.China2. Pharmacoeconomic Evaluation Research Center, China Pharmaceutical University, Nanjing211198, P.R.China Correspondingauthor:MAAixia,Email:*****************【Abstract】The R software bmeta package is a package that implements Bayesian meta-analysis and meta-regression by invoking JAGS software. The program is based on the Markov Chain Monte Carlo (MCMC) algorithm to combine various effect quantities (OR, MD and IRR) of different types of data (dichotomies, continuities and counts). The package has the advantages of fewer command function parameters, rich models, powerful drawing function, easy of understanding and mastering. In this paper, an example is presented to demonstrate the complete operation flow of bmeta package to implement bayesian meta-analysis and meta-regression.【Key words 】R language; bmeta package; Bayesian meta-analysis; Meta-regressionM eta分析作为一种整合单个研究效应量进行证据合并的常用统计方法，在循证医学中占有重要地位叭贝叶斯M eta分析是基于贝叶斯统计发展起来的一种的M eta分析方法，主要采用“马尔科夫链一蒙特卡罗 ”（Markov chain Monte C arlo, MCMC)方法，因其在处理复杂随机效应、分层结构或是稀疏数据时比频率学M eta分析方法更有优势，目前越来越受欢迎。

R软件：诊断试验的meta分析

R软件：诊断试验的meta分析诊断试验的meta分析。

在诊断试验中，通过金标准诊断为患者和非患者，采用某种试验方法诊断为阳性或阴性，列成四格表的形式，计算相关指标评价该试验方法的价值。

单个诊断试验中，常用灵敏度、特异度、似然比、预测值等评价诊断试验的价值。

除上述我们熟悉的指标外，我们需要了解下列指标：诊断优势比(DOR)=真阳性*真阴性/(假阳性*假阴性)，主要用于诊断试验meta分析中，作为meta分析合并时每个诊断试验权重的依据。

SROC曲线是根据单个诊断试验中的诊断优势比的权重，绘制的集成ROC曲线。

从SROC曲线上可以得到每一个研究的灵敏度和特异度，在存在阈值效应时，该方法最适合。

在绘制SROC 曲线的基础上，可计算SROC曲线下面积以及Q指数。

Q指数为在SROC曲线上，灵敏度=特异度，且最靠近左上角的坐标。

接下来，我们看看诊断试验meta分析的步骤。

与其他类型的meta分析不同的是，诊断试验meta分析中，阈值效应是异质性的重要来源。

阈值效应是因为单个诊断试验中采用不同的诊断界值引起的。

当存在阈值效应时，随着灵敏度的增加，特异度逐渐减小，反之亦然。

我们常通过计算灵敏度与特异度的Spearman相关系数探讨阈值效应，二者之间若存在强负相关则提示存在阈值效应。

但需要注意的是，灵敏度与特异度的相关并不一定都是由阈值效应引起。

当不存在阈值效应时，可以直接合并灵敏度、特异度等单一评价指标;当存在阈值效应时，应采用SROC曲线法，计算SROC曲线下面积和Q指数。

目前，可用来进行诊断试验meta分析的软件有RevMan、meta-DiSc、Stata、R软件等。

今天，我们以R软件的meta4diag程序包为例，演示下如何做诊断试验的meta分析。

meta4diag程序包的功能是基于INLA实现的，因此在使用时还需同时安装相关程序包，即INLA 程序包和sp程序包，程序如下： (1)下载程序包，若运行出错，可通过R/RStudio的工具栏，手动安装。

R软件调用OpenBUGS软件实现网状Meta分析

R软件调用OpenBUGS软件实现网状Meta分析罗杰1 张超1 曾宪涛1,21. 湖北医药学院附属太和医院循证医学中心（湖北十堰 442000）；2. 湖北医药学院附属太和医院口腔科（湖北十堰 442000）摘要 R 软件当前可通过R2OpenBUGS 程序包、BRugs 程序包和rbugs 程序包来调用OpenBUGS 程序包实现网状Meta 分析。

本文分别对这3种程序包实现网状Meta 分析的过程进行演示。

从结果来看，3种程序包的计算结果相近，但rbugs 程序包无绘图功能，仅R2OpenBUGS 程序包能绘制森林图。

关键词 R 软件；R2OpenBUGS 程序包；BRugs 程序包；rbugs 程序包；网状Meta 分析Calling OpenBUGS Software from R Language for Performing Network Meta-analysisLUO Jie 1, ZHANG Chao 1, ZENG Xian-tao 1,21. Center for Evidence-Based Medicine and Clinical Research, Taihe Hospital, Hubei University of Medicine, Shiyan 442000, China;2. Department of Stomatology, Taihe Hospital, Hubei University of Medicine, Shiyan 442000, ChinaAbstract R language could call OpenBUGS software for performing network meta-analysis using R2OpenBUGS package, BRugs package, and rbugs package. In this paper, we introduced how to implement network meta-analysis us-ing these three packages. The results show that the computed results are similar for the three packages; however, the rbugs package could not draw the plot, only R2OpenBUGS package could draw forest plot.Key words R language; R2OPenBUGS package; BRugs package; rbugs package; Network meta-analysisDOI: 10.7507/1672-2531.20140084基金项目：湖北省教育科学“十二五”规划2012年度重点课题（编号：2012A050），湖北医药学院2011年度优秀中青年科技创新团队项目（编号：2011CZX01），湖北医药学院附属太和医院2013年循证医学“苗圃基金”项目（EBM2013004）。

R软件实现meta分析

Package‘meta’January12,2010Title Meta-Analysis with RVersion1.1-8Depends R(>=2.9.1),gridAuthor Guido Schwarzer<sc@imbi.uni-freiburg.de>Maintainer Guido Schwarzer<sc@imbi.uni-freiburg.de>Date2010-01-12Description Fixed and random effects meta-analysis.Functions for tests of bias,forest and funnel plot. License GPL(>=2)Repository CRANDate/Publication2010-01-1213:14:17R topics documented:addvar (2)ci (3)Fleiss93 (4)Fleiss93cont (5)forest (6)funnel (10)funnel.meta (12)labbe (16)labbe.metabin (17)metabias (20)metabin (22)metacont (27)metacr (29)metacum (31)metagen (33)metainf (35)12addvar metaprop (37)Olkin95 (39)plot.meta (40)print.meta (43)read.mtv (46)read.rm5 (48)trimﬁll (51)trimﬁll.meta (53)Index56 addvar Additional functions for objects of class metaDescriptionThe as.data.frame method returns a data frame containing information on individual studies,e.g.,estimated treatment effect and its standard error.The function addvar can be used to add asingle variable to an object of class meta which for example is useful to conduct sub-group analysis or meta-regression.Usage##S3method for class'meta':as.data.frame(x,s=NULL,optional=FALSE,...)addvar(x,y,varname,by.x="studlab",by.y=by.x)Argumentsx An object of class meta.s NULL or a character vector giving the row names for the data frame.optional logical.If TRUE,setting row names and converting column names(to syntactic names)is optional.y A data frame with an additional covariatevarname A character specifying name of additional variableby.x,by.y Speciﬁcations of the common columns(see merge)...other argumentsValueA data frame is returned by the function as.data.frame.A single covariate is returned by the function addvar which can be added to an object of classmeta.Internally,the merge function is utilised.ci3Author(s)Guido Schwarzer<sc@imbi.uni-freiburg.de>See Alsometabin,metacont,metagenExamplesdata(Fleiss93cont)meta1<-metacont(n.e,mean.e,sd.e,n.c,mean.c,sd.c,study,data=Fleiss93cont,sm="SMD")##Generate additional variable#Fleiss93cont$group<-c(1,2,1,1,2)##Generate new variable by merging#object'meta1'and data frame'Fleiss93cont'#meta1$group<-addvar(meta1,Fleiss93cont,"group",by.y="study")as.data.frame(meta1)summary(meta1,byvar=group)ci Calculation of conﬁdence intervals(normal approximation)DescriptionCalculation of conﬁdence intervals;based on normal approximation.Usageci(TE,seTE,level=0.95)ArgumentsTE Estimated treatment effect.seTE Standard error of treatment estimate.level The conﬁdence level required.ValueList with componentsTE Estimated treatment effect.seTE Standard error of treatment estimate.lower Lower conﬁdence limits.4Fleiss93upper Upper conﬁdence limits.zscore Test statistic.p P-value of test with null hypothesis TE=0.level The conﬁdence level required.NoteThis function is primarily called from other functions of the library meta,e.g.plot.meta, summary.meta.Author(s)Guido Schwarzer<sc@imbi.uni-freiburg.de>Examplesas.data.frame(ci(170,10))as.data.frame(ci(170,10,0.99))Fleiss93Aspirin after Myocardial InfarctionDescriptionMeta-analysis on Aspirin in Preventing Death after Myocardial InfarctionUsagedata(Fleiss93)FormatA data frame with the following columns:study study labelyear year of publicationevent.e number of events in experimental groupn.e number of observations in experimental groupevent.c number of events in control groupn.c number of observations in control groupSourceFleiss JL(1993),The statistical basis of meta-analysis.Statistical Methods in Medical Research,2, 121–145.Fleiss93cont5Examplesdata(Fleiss93)metabin(event.e,n.e,event.c,n.c,data=Fleiss93,studlab=paste(study,year),sm="OR",comb.random=FALSE)Fleiss93cont Mental Health TreatmentDescriptionMeta-analysis on the Effect of Mental Health Treatment on Medical UtilisationUsagedata(Fleiss93cont)FormatA data frame with the following columns:study study labelyear year of publicationn.e number of observations in experimental groupmean.e estimated mean in experimental groupsd.e standard deviation in experimental groupn.c number of observations in control groupmean.c estimated mean in control groupsd.c standard deviation in control groupSourceFleiss JL(1993),The statistical basis of meta-analysis.Statistical Methods in Medical Research,2, 121–145.See AlsoFleiss93Examplesdata(Fleiss93cont)metacont(n.e,mean.e,sd.e,n.c,mean.c,sd.c,data=Fleiss93cont,studlab=paste(study,year),comb.random=FALSE)forest Forest plot(new plot function for objects of class meta)DescriptionDraws a forest plot in the active graphics window(using grid graphics system).Usageforest(x,byvar=x$byvar,bylab=x$bylab,print.byvar=x$print.byvar,sortvar,studlab=TRUE,level=x$level,b=x$b,comb.fixed=x$comb.fixed,comb.random=x$comb.random,overall=TRUE,text.fixed="Fixed effect model",text.random="Random effects model",lty.fixed=2,lty.random=3,xlab=NULL,xlab.pos=ref,xlim,allstudies=TRUE,weight,ref=ifelse(x$sm%in%c("RR","OR","HR"),1,0),leftcols=NULL,rightcols=NULL,leftlabs=NULL,rightlabs=NULL,lab.e=x$label.e,lab.c=x$label.c,lab.e.attach.to.col=NULL,lab.c.attach.to.col=NULL,lwd=1,at=NULL,label=TRUE,fontsize=12,boxsize=0.8,plotwidth=unit(6,"cm"),colgap=unit(2,"mm"),col.i="black",col.by="darkgray",digits=2)Argumentsx An object of class meta.byvar An optional vector containing grouping information(must be of same length asx$TE).Parameter byvar can not be used if x is an object of class metacumor metainf.bylab A character string with a label for the grouping variable.print.byvar A logical indicating whether the name of the grouping variable should be printedin front of the group labels.sortvar An optional vector used to sort the individual studies(must be of same length asx$TE).studlab A logical indicating whether study labels should be printed in the graph.Avector with study labels can also be provided(must be of same length as x$TEthen).level The level used to calculate conﬁdence intervals for individual studies.b The level used to calculate conﬁdence intervals for pooled estimates.comb.fixed A logical indicating whetherﬁxed effect estimate should be plotted.comb.random A logical indicating whether random effects estimate should be plotted. overall A logical indicating whether overall summaries should be plotted.This param-eter is useful in combination with the parameter byvar if summaries shouldonly be plotted on group level.text.fixed A character string used in the plot to label the pooledﬁxed effect estimate. text.random A character string used in the plot to label the pooled random effects estimate. lty.fixed Line type(pooledﬁxed effect estimate).lty.random Line type(pooled random effects estimate).xlab A label for the x axis.xlab.pos A numeric specifying the center of the label on the x axis.xlim The x limits(min,max)of the plot.allstudies A logical indicating whether studies with inestimable treatment effects should be plotted.weight A character string indicating which type of plotting symbols is to be used for in-dividual treatment estimates.One of missing(see Details),"same","fixed",or"random",can be abbreviated.Plot symbols have the same size for all stud-ies or represent study weights fromﬁxed effect or random effects model.ref A numerical giving the reference value to be plotted as a line in the forest plot.No reference line is plotted if parameter ref is equal to NA.leftcols A character vector specifying(additional)columns to be plotted on the left side of the forest plot(see Details).rightcols A character vector specifying(additional)columns to be plotted on the right side of the forest plot(see Details).leftlabs A character vector specifying labels for(additional)columns on left side of the forest plot(see Details).rightlabs A character vector specifying labels for(additional)columns on right side of the forest plot(see Details).lab.e Label to be used for experimental group in table heading.lab.c Label to be used for control group in table heading.lab.e.attach.to.colA character specifying the column name where label lab.e should be attachedto in table heading.lab.c.attach.to.colA character specifying the column name where label lab.c should be attachedto in table heading.lwd The line width,see par.at The points at which tick-marks are to be drawn,see grid.xaxis.label A logical value indicating whether to draw the labels on the tick marks,or an ex-pression or character vector which specify the labels to use.See grid.xaxis. fontsize The size of text(in points),see gpar.boxsize A numeric used to increase or decrease the size of boxes in the forest plot.plotwidth A unit object specifying width of the forest plot.colgap A unit object specifying gap between columns printed on left and right side offorest plot.col.i The colour for individual study results and conﬁdence limits.col.by A character specifying colour to print information on subgroups.digits Minimal number of signiﬁcant digits,see print.default.DetailsA forest plot,also called conﬁdence interval plot,is drawn in the active graphics window.Sub-groupanalyses are conducted and displayed in the plot if byvar is not missing.The forest function is based on the grid graphics system.Therefore,to plot a newﬁgure inan existing graphics window,one has to use the grid.newpage function.In order to print theforest plot,(i)resize the graphics window,(ii)either use dev.copy2eps or dev.copy2pdf.For basic forest plots,the plot.meta function can be used.Information from object x is utilised if argument weight is missing.Weights from theﬁxed effectmodel are used(weight="fixed")if parameter x$comb.fixed is TRUE;weights from therandom effects model are used(weight="random")if parameter x$comb.random is TRUEand x$comb.fixed is FALSE.The parameters leftcols and rightcols can be used to specify columns which are plotted onthe left and right side of the forest plot,respectively.If these parameters are NULL,the followingdefault columns will be plotted.Parameter rightcols:(i)estimated treatment effect with level-conﬁdence interval,(ii)in ad-dition,weights of theﬁxed and/or random effects model will be given,if comb.fixed=TRUEand/or comb.random=TRUE.For an object of class metacum or metainf only the estimatedtreatment effect with level-conﬁdence interval are plotted.Parameter leftcols:(i)leftcols=c("studlab","event.e","n.e","event.c","n.c")for an object of class metabin,(ii)leftcols=c("studlab","n.e","mean.e","sd.e","n.c","mean.c","sd.c")for an object of class metacont,(iii)leftcols=c("studlab", "TE","seTE")for an object of class metagen,(iv)leftcols=c("studlab","event","n")for an object of class metaprop,(v)leftcols=c("studlab")for an object of classmetacum or metainf.The parameters leftlabs and rightlabs can be used to specify column headings which areplotted on left and right side of the forest plot,respectively.For certain columns predeﬁned labelsexist.If the parameters leftlabs and rightlabs are NULL,the following default labels willbe used:for columns c("studlab","TE","seTE","n.e","n.c","event.e","event.c","mean.e","mean.c","sd.e","sd.c","effect","ci","w.fixed","w.random")the labels c("Study","TE","seTE","Total","Total","Events","Events","Mean","Mean","SD","SD",summary measure,level for confidence interval,"W(fixed)","W(random)").For additional columns the column name willbe used as label.It is possible to only provide labels for new columns(see Examples).If parameters lab.e and lab.c are NULL,"Experimental"and"Control"are used as labels forexperimental and control group,respectively.For subgroups(argument byvar not NULL),results for theﬁxed effect model will be plotted if both arguments comb.fixed and comb.random are TRUE.In order to plot results for the random effects model within subgroups,use comb.fixed==FALSE and comb.random==TRUE.Review Manager5(RevMan5)is the current software used for preparing and maintaining Cochrane Reviews(/revman/).In RevMan5,subgroup analyses can be deﬁned and data from a Cochrane review can be imported to R using the function read.rm5.Ifa meta-analysis is then conducted using function metacr,information on subgroups is availablein R(components byvar,bylab,and print.byvar,byvar in an object of class"meta").Accordingly,by using function metacr there is no need to deﬁne subgroups in order to redo the statistical analysis conducted in the Cochrane review.Author(s)Guido Schwarzer<sc@imbi.uni-freiburg.de>See Alsoplot.meta,metabin,metacont,metagenExamplesdata(Olkin95)meta1<-metabin(event.e,n.e,event.c,n.c,data=Olkin95,subset=c(41,47,51,59),sm="RR",meth="I",studlab=paste(author,year))grid.newpage()####Do forest plot##forest(meta1,comb.fixed=TRUE,comb.random=TRUE)grid.newpage()####Change set of columns printed on left side##of forest plot##forest(meta1,comb.fixed=TRUE,comb.random=FALSE,leftcols="studlab")grid.newpage()#### 1.Change order of columns on left side## 2.Attach labels to columns'event.e'and'event.c'##instead of columns'n.e'and'n.c'##forest(meta1,10funnel leftcols=c("studlab","n.e","event.e","n.c","event.c"),lab.e.attach.to.col="event.e",lab.c.attach.to.col="event.c",comb.fixed=TRUE)Olkin95$studlab<-paste(Olkin95$author,Olkin95$year)####Add variables'year'and'author'to meta-analysis object##meta1$year<-addvar(meta1,Olkin95,"year")meta1$author<-addvar(meta1,Olkin95,"author")grid.newpage()####Specify column labels only for newly created variables##'year'and'author'##forest(meta1,leftcols=c("studlab","event.e","n.e","event.c","n.c","author","year"),leftlabs=c("Author","Year of Publ"),comb.fixed=TRUE)funnel Generic function to produce a funnel plot.DescriptionDraw a funnel or radial plot to assess funnel plot asymmetry in the active graphics window.A contour-enhanced funnel plot can be produced for assessing causes of funnel plot asymmetry. Usagefunnel(x,y,...)Argumentsx An object of class meta,or estimated treatment effect in individual studies.y Standard error of estimated treatment effect(mandatory if x not of class meta)....Graphical parameters as in par may also be passed as arguments.DetailsFor simple funnel plots,funnel.default will be used.For an object of class meta the function funnel.meta will be used instead.A funnel plot or radial plot,also called Galbraith plot,is drawn in the active graphics window.Ifcomb.fixed is TRUE,the pooled estimate of theﬁxed effect model is plotted.If level is not NULL,the corresponding conﬁdence limits are drawn.funnel11 In the funnel plot,if yaxis is"se",the standard error of the treatment estimates is plotted on the y axis which is likely to be the best choice(Sterne&Egger,2001).Other possible choices for yaxis are"invvar"(inverse of the variance),"invse"(inverse of the standard error),and "size"(study size).For yaxis!="size",contour-enhanced funnel plots can be produced(Peters et al.,2008)by specifying the contour levels(argument contour.levels).By default(argument col.contour missing),suitable gray levels will be used to distinguish the contours.Different colours can be cho-sen by argument col.contour.Author(s)Guido Schwarzer<sc@imbi.uni-freiburg.de>,Petra Graham<pgraham@.au> ReferencesGalbraith RF(1988a),Graphical display of estimates having differing standard errors.Technomet-rics,30,271–281.Galbraith RF(1988b),A note on graphical presentation of estimated odds ratios from several clini-cal trials.Statistics in Medicine,7,889–894.Light RJ&Pillemer DB(1984),Summing Up.The Science of Reviewing Research.Cambridge: Harvard University Press.Peters JL,Sutton AJ,Jones DR,Abrams KR,Rushton L(2008),Contour-enhanced meta-analysis funnel plots help distinguish publication bias from other causes of asymmetry.Journal of Clinical Epidemiology,61,991–996.Sterne JAC&Egger M(2001),Funnel plots for detecting bias in meta-analysis:Guidelines on choice of axis.Journal of Clinical Epidemiology,54,1046–1055.See Alsometabias,funnel.default,funnel.metaExamplesdata(Olkin95)meta1<-metabin(event.e,n.e,event.c,n.c,data=Olkin95,subset=c(41,47,51,59),studlab=paste(author,year),sm="RR",meth="I")oldpar<-par(mfrow=c(2,2))####Funnel plots##funnel(meta1)####Same result as code above:##funnel(meta1$TE,meta1$seTE,sm="RR")####Funnel plot with confidence intervals,##fixed effect estimate and contours##cc<-funnel(meta1,comb.fixed=TRUE,level=0.95,contour=c(0.9,0.95,0.99))$col.contour legend(0.05,0.05,c("0.1>p>0.05","0.05>p>0.01","<0.01"),fill=cc) ####Contour-enhanced funnel plot with user-chosen colours##funnel(meta1,comb.fixed=TRUE,level=0.95,contour=c(0.9,0.95,0.99),col.contour=c("darkgreen","green","lightgreen"),lwd=2,cex=2,pch=16,studlab=TRUE,cex.studlab=1.25)legend(0.05,0.05,c("0.1>p>0.05","0.05>p>0.01","<0.01"),fill=c("darkgreen","green","lightgreen"))par(oldpar)funnel.meta Plot to assess funnel plot asymmetryDescriptionDraw a funnel or radial plot to assess funnel plot asymmetry in the active graphics window.A contour-enhanced funnel plot can be produced for assessing causes of funnel plot asymmetry.Usage##Default S3method:funnel(x,y,xlim=NULL,ylim=NULL,xlab=NULL,ylab=NULL,comb.fixed=FALSE,comb.random=FALSE,axes=TRUE,pch=21,text=NULL,cex=1,lty.fixed=2,lty.random=9,lwd=1,lwd.fixed=lwd,lwd.random=lwd,col="black",bg="darkgray",col.fixed="black",col.random="black",log="",yaxis="se",sm=NULL,contour.levels=NULL,col.contour,ref=ifelse(sm%in%c("RR","OR","HR"),1,0),level=NULL,studlab=FALSE,cex.studlab=0.8,...)##S3method for class'meta':funnel(x,y,xlim=NULL,ylim=NULL,xlab=NULL,ylab=NULL,comb.fixed=x$comb.fixed,comb.random=x$comb.random,axes=TRUE,pch=21,text=NULL,cex=1,lty.fixed=2,lty.random=9,lwd=1,lwd.fixed=lwd,lwd.random=lwd,col="black",bg="darkgray",col.fixed="black",col.random="black",log="",yaxis="se",sm=NULL,contour.levels=NULL,col.contour,ref=ifelse(x$sm%in%c("RR","OR","HR"),1,0),level=x$level,studlab=FALSE,cex.studlab=0.8,...)radial(x,y,xlim=NULL,ylim=NULL,xlab="Inverse of standard error",ylab="Standardised treatment effect(z-score)",comb.fixed=TRUE,axes=TRUE,pch=1,text=NULL,cex=1,col=NULL,level=NULL,...)Argumentsx An object of class meta,or estimated treatment effect in individual studies.y Standard error of estimated treatment effect(mandatory if x not of class meta).xlim The x limits(min,max)of the plot.ylim The y limits(min,max)of the plot.xlab A label for the x axis.ylab A label for the y axis.comb.fixed A logical indicating whether the pooledﬁxed effect estimate should be plotted.comb.random A logical indicating whether the pooled random effects estimate should be plot-ted.axes A logical indicating whether axes should be drawn on the plot.pch The plotting symbol used for individual studies.text A character vector specifying the text to be used instead of plotting symbol.cex The magniﬁcation to be used for plotting symbol.lty.fixed Line type(pooledﬁxed effect estimate).lty.random Line type(pooled random effects estimate).col A vector with colour of plotting symbols.bg A vector with background colour of plotting symbols(only used if pch in21:25).col.fixed Color of line representignﬁxed effect estimate.col.random Color of line representign random effects estimate.lwd The line width for conﬁdence intervals(if level is not NULL).lwd.fixed The line width forﬁxed effect estimate(if comb.fixed is not NULL).lwd.random The line width for random effects estimate(if comb.random is not NULL).log A character string which contains"x"if the x axis is to be logarithmic,"y"if the y axis is to be logarithmic and"xy"or"yx"if both axes are to belogarithmic(applies only to function funnel).yaxis A character string indicating which type of weights are to be used.Either"se","invvar","invse",or"size"(applies only to function funnel).sm A character string indicating underlying summary measure,e.g.,"RD","RR","OR","AS","MD","SMD"(applies only to function funnel).contour.levelsA numeric vector specifying contour levels to produce contour-enhanced funnelplot.col.contour Colour of contours.ref Reference value(null effect)used to produce contour-enhanced funnel plot.level The conﬁdence level utilised in the plot.For the funnel plot,conﬁdence limitsare not drawn if yaxis="size".studlab A logical indicating whether study labels should be printed in the graph.Avector with study labels can also be provided(must be of same length as x$TEthen).cex.studlab Size of study labels....Graphical parameters as in par may also be passed as arguments.DetailsA funnel plot or radial plot,also called Galbraith plot,is drawn in the active graphics window.Ifcomb.fixed is TRUE,the pooled estimate of theﬁxed effect model is plotted.If level is not NULL,the corresponding conﬁdence limits are drawn.In the funnel plot,if yaxis is"se",the standard error of the treatment estimates is plotted on the y axis which is likely to be the best choice(Sterne&Egger,2001).Other possible choices for yaxis are"invvar"(inverse of the variance),"invse"(inverse of the standard error),and "size"(study size).For yaxis!="size",contour-enhanced funnel plots can be produced(Peters et al.,2008)by specifying the contour levels(argument contour.levels).By default(argument col.contour missing),suitable gray levels will be used to distinguish the contours.Different colours can be cho-sen by argument col.contour.Author(s)Guido Schwarzer<sc@imbi.uni-freiburg.de>,Petra Graham<pgraham@.au>ReferencesGalbraith RF(1988a),Graphical display of estimates having differing standard errors.Technomet-rics,30,271–281.Galbraith RF(1988b),A note on graphical presentation of estimated odds ratios from several clini-cal trials.Statistics in Medicine,7,889–894.Light RJ&Pillemer DB(1984),Summing Up.The Science of Reviewing Research.Cambridge: Harvard University Press.Peters JL,Sutton AJ,Jones DR,Abrams KR,Rushton L(2008),Contour-enhanced meta-analysis funnel plots help distinguish publication bias from other causes of asymmetry.Journal of Clinical Epidemiology,61,991–996.Sterne JAC&Egger M(2001),Funnel plots for detecting bias in meta-analysis:Guidelines on choice of axis.Journal of Clinical Epidemiology,54,1046–1055.See Alsometabias,metabin,metagenExamplesdata(Olkin95)meta1<-metabin(event.e,n.e,event.c,n.c,data=Olkin95,subset=c(41,47,51,59),studlab=paste(author,year),sm="RR",meth="I")####Radial plot##radial(meta1,level=0.95)oldpar<-par(mfrow=c(2,2))####Funnel plots##funnel(meta1)####Same result as code above:##funnel(meta1$TE,meta1$seTE,sm="RR")####Funnel plot with confidence intervals,##fixed effect estimate and contours##cc<-funnel(meta1,comb.fixed=TRUE,level=0.95,contour=c(0.9,0.95,0.99))$col.contour legend(0.05,0.05,16labbe c("0.1>p>0.05","0.05>p>0.01","<0.01"),fill=cc) ####Contour-enhanced funnel plot with user-chosen colours##funnel(meta1,comb.fixed=TRUE,level=0.95,contour=c(0.9,0.95,0.99),col.contour=c("darkgreen","green","lightgreen"),lwd=2,cex=2,pch=16,studlab=TRUE,cex.studlab=1.25) legend(0.05,0.05,c("0.1>p>0.05","0.05>p>0.01","<0.01"),fill=c("darkgreen","green","lightgreen"))par(oldpar)labbe LÁbbe plotDescriptionGeneric function for drawing a L\’Abbe plot.Usagelabbe(x,y,...)Argumentsx The x coordinates of points of the L\’Abbe plot.Alternatively,an object of class metabin.y The y coordinates of the L\’Abbe plot,optional if x is an appropriate structure....Parameters used in other L\’Abbe plot functions.DetailsGeneric function for drawing a L\’Abbe plot.Author(s)Guido Schwarzer<sc@imbi.uni-freiburg.de>ReferencesL’Abbe KA,Detsky AS,O’Rourke K(1987),Meta-analysis in clinical research.Annals of Internal Medicine,107,224–233.See Alsolabbe.metabin,metabinExamplesdata(Olkin95)meta1<-metabin(event.e,n.e,event.c,n.c,data=Olkin95,studlab=paste(author,year),sm="RR")####L'Abbe plot##labbe(meta1)labbe.metabin LÁbbe plotDescriptionDraw a L\’Abbe plot.Usage##S3method for class'metabin':labbe(x,y,xlim,ylim,xlab=NULL,ylab=NULL,TE.fixed=x$TE.fixed,TE.random=x$TE.random,comb.fixed=x$comb.fixed,comb.random=x$comb.random,axes=TRUE,pch=21,text=NULL,cex=1,col="black",bg="lightgray",lwd=1,lwd.fixed=lwd,lwd.random=lwd,lty.fixed=2,lty.random=9,sm=x$sm,weight,studlab=FALSE,cex.studlab=0.8,...)##Default S3method:labbe(x,y,xlim,ylim,xlab=NULL,ylab=NULL,TE.fixed,TE.random,comb.fixed=FALSE,comb.random=FALSE,axes=TRUE,pch=21,text=NULL,cex=1,。

应用R语言netmeta程序包实现网状Meta分析

应用R语言netmeta程序包实现网状Meta分析张超1 耿培亮2 郭毅3 曾宪涛1,4*1. 湖北医药学院附属太和医院循证医学与临床研究中心（湖北十堰 442000）；2. 中国人民解放军总医院肿瘤中心（北京 100853）；3. 武汉大学公共卫生学院流行病学教研室（武汉 430071）；4. 湖北医药学院附属太和医院口腔医学中心（湖北十堰 442000）摘要 netmeta 程序包是基于经典频率学派研发、在R 语言框架下运行的专用于网状Meta 分析的程序包。

该程序包克服了基于贝叶斯统计学派研发的软件及程序包实现网状Meta 分析时对先验设定的难点，同时具备操作流程简单、操作难度小等优点。

此外，该程序包还能同时以随机效应与固定效应模型展现单个配对研究及Meta 分析合并的结果，并能绘制森林图。

本文通过实例展示了应用netmeta 程序包实现网状Meta 分析的过程。

关键词网状Meta 分析；贝叶斯学派；频率学派；netmeta 程序包；R 软件Application of netmeta Package in R Language to Implement Network Meta-AnalysisZHANG Chao 1, GENG Pei-liang 2, GUO Yi 3, ZENG Xian-tao 1,4*1. Center for Evidence-based Medicine and Clinical Research, Taihe Hospital, Hubei University of Medicine, Shiyan 442000, China;2. Cancer Center, Division of Internal Medicine, Chinese PLA General Hospital & Chinese PLA Medical School, Beijing 100853, China;3. Department of Epidemiology, School of Public Health, Wuhan University, Wuhan 430071, China;4. Department of Stomatology, Taihe Hospital, Hubei University of Medicine, Shiyan 442000, ChinaAbstract The netmeta package is specialized for implementing network meta-analysis. This package was developed based on the theories of classical frequentist under R language framework. The netmeta package overcomes some difficul-ties of the software and/or packages based on the theories of Bayesian, for these software and/or packages need to set prior value when conducting network meta-analysis. The netmeta package also has the advantages of simple operation process and ease to operate. Moreover, this package can calculate and present the individual matched and pooled results based on the random and fixed effect model at the same time. It also can draw forest plots. This article gives a briefly introduction to show the process to conduct network meta-analysis using netmeta package.Key words Network meta-analysis; Bayesian; Frequentist; netmeta package; R languageDOI: 10.7507/1672-2531.20140103基金项目：湖北省教育科学“十二五”规划2012年度重点课题（编号：2012A050），湖北医药学院附属太和医院2013年循证医学“苗圃基金”项目（编号：EBM2013004）作者简介：张超，男（1988年～），本科，住院医师，以循证医学、系统评价与Meta 分析为主要研究方向。

应用R语言netmeta程序包实现网状Meta分析

该程序包克服了基于贝叶斯统计学派研发的软件及程序包实现网状Meta 分析时对先验设定的难点，同时具备操作流程简单、操作难度小等优点。

此外，该程序包还能同时以随机效应与固定效应模型展现单个配对研究及Meta 分析合并的结果，并能绘制森林图。

本文通过实例展示了应用netmeta 程序包实现网状Meta 分析的过程。

R语言网状meta分析命令

mean=list(m1, m2, m3),sd=list(sd1, sd2, sd3),data=data2,studlab=study)
p1
网状meta
net1 <- netmeta(p1)
net1
两两分析异质性
net1$Q.decomp
森林图
forest(net1, ref="A")
漏斗图
funnel(net1$TE,net1$seTE)
网状meta分析
net1 <- netmeta(logRR, selogRR, treat1, treat2,data=data,studlab=study,comb.random=T,sm="RR",reference="placebo")
net1
详解异质性
net1$Q.decomp
森林图
forest(net1, ref="placebo")
第三部分间接转化计数资料
调表格
data<-read.table(file.choose(),header=T,sep=",")
查看
edit(data)
生成中间变量
logRR <- with(data, log((case1/tot1) / (case0/tot0)))
selogRR <- with(data, sqrt(1/case1 + 1/case0-1/tot1-1/tot0))
第四部分间接转化计量资料
前同（略）
生成中间变量
MD <- with(data, m1-m2)
seMD <- with(data, sqrt(sd1^2/n1+sd2^2/n2))

Meta分析方法及RevMan软件使用

Meta分析方法及RevMan软件使用一、综述亲爱的读者们，你是否曾经遇到过这样的问题：在研究某个课题时，觉得需要参考大量的文献，但又不知道如何有效地整理和分析这些资料？今天我要给大家介绍一种非常有用的方法Meta分析方法，以及一款强大的辅助工具RevMan软件。

当我们面对众多文献时，常常会觉得无所适从。

这时Meta分析方法就像一位智慧的向导，帮助我们梳理出文献中的关键信息，从而更深入地理解研究问题。

简单地说Meta分析就是把我们手中的文献当作一个个“证据”，通过整合和分析这些证据，得出更全面的结论。

这种方法的神奇之处在于，它能让我们从宏观的角度，对已有的研究进行一个全面、深入的扫描，就像是在已有的知识地图上添加新的路标。

在这个过程中，我们可以避免重复劳动，更重要的是，我们可以避免遗漏某些重要的信息或者陷入一些误区。

这对于我们的研究工作来说，无疑是一大福音。

接下来我要给大家介绍的是RevMan软件。

这款软件可以说是Meta分析的得力助手。

有了它我们可以轻松地进行数据分析、图表制作等操作。

想象一下以前可能需要花费大量时间进行手动操作的工作，现在只需要轻轻一点就能完成。

使用RevMan软件就像拥有了一把神奇的钥匙，打开了我们通往知识宝库的大门。

它不仅方便易用，而且功能强大。

无论是新手还是专业人士，都可以轻松上手。

有了它我们的研究工作将会更加高效、准确。

Meta分析方法和RevMan软件就像是一把利剑和一把盾牌，帮助我们更好地面对研究中的挑战。

在接下来的内容中，我会给大家详细介绍这两种方法和软件的具体使用方法和技巧。

让我们一起踏上这个充满智慧和乐趣的旅程吧！XXX分析简介接下来我们会详细聊聊Meta分析是怎么一回事儿，还会介绍一款非常实用的软件RevMan软件。

有了它进行Meta分析就像打游戏一样轻松。

别担心我会尽量用简单易懂的语言来解释，让大家都能快速上手。

咱们这就开始吧！XXX分析的目的与重要性你是否曾经遇到过这样的情况：在阅读文献时，发现不同的研究得出了不同的结论，让你感到困惑？这时Meta分析就像是一位智者，帮助你解决这种困惑。

R做meta

用R程序做meta分析的一般步骤1.如何安装meta分析模块工具菜单中“程序包”—> “安装程序包”，会出现下载数据源的镜像列表，然后选择离自己距离最近的镜像，我自己选的是China(Beijing 1)。

如下图然后会出现程序包列表，此时向下拖动列表，找到“meta”模块，点确定，然后等待安装完毕。

如下图2. 如何加载meta分析模块工具菜单“程序包”—>加载程序包，首先请先选择“grid”，点确定，然后再操作一遍，“程序包”—>加载程序包，然后选择“meta”，点确定。

至此，meta分析模块加载完毕。

如下图3.如何录入及保存数据3.1 创建数据框此时开始就需要命令操作了。

在命令窗口中输入td <- data.frame(name=c("a","b"))，然后回车。

（注：td为数据框名字，name为变量名，a，b为临时变量）。

此处的数据框里内容为权宜之计，因为在建立数据框时必须含有变量，而如果此时就将分析所需的变量在此处输入比较麻烦，所以选择简单的变量作为框的支架，待框建起来就可以按照分析所需的变量进行变量定义了。

3.2 录入数据工具菜单“编辑”—>“数据编辑器”，然后出现对话框。

填入你刚刚创建的数据框名字。

点确定后，会出现传统的数据录入列表。

从下图看出，刚刚我创建的name变量名，临时变量a，b都在里面。

数据编辑器与STATA软件的数据编辑器一样，都可以随时改变变量名及数据。

现在才正式录入数据按照如下格式可以将数据进行录入。

输入完数据后，直接点击关闭，（窗口右上角的X），不用担心数据丢失。

3.3 保存数据工具菜单“文件”—>“保存工作空间”，然后把你的数据保存到你所需要保存的地方。

4. 对连续性变量绘制森林图及漏斗图4.1 对连续性变量绘制森林图4.1.1 建立数据集在命令窗口中，输入td<-metacont(Total1,Mean1,SD1,Total2,Mean2,SD2,studlab=Study,data=TmpData1,sm="MD",comb.ran dom=TRUE,comb.fixed=FALSE,label.e="Treatment",label.c="Control"然后回车。

网状Meta分析中对R软件nlme程序包的开发与应用

网状Meta分析中对R软件nlme程序包的开发与应用作者：王凤岐来源：《软件工程》2017年第01期摘要：nlme程序包是以广义最小二乘法和线性混合效应模型的基础上研发的，能够对R 软件进行广义线性和非线性混合的Meta分析。

Nlme程序包能够对网状Meta进行分析，在此过程中要转换数据，这样才能够使其为对数值进行之后运算。

本文主要介绍了R软件nlme程序包的网状Meta分析过程，并且详细介绍了数据转化的过程步骤。

关键词：网状Meta；R软件；nlme程序包；开发和应用中图分类号：TP311 文献标识码：A1 引言（Introduction）目前，网状Meta分析在不断的发展，基于此，越来越多的软件被陆续研究及开发出来，运算模型也逐渐进入到人们的视野中，受到人们的密切关注，其中包括广义线性模型。

广义线性模型的主要特点就是不强制性的改变数据的自然度量，并且GLM模型中的Y分布能够以各种形式指数分布（要想详细了解网状Meta分析及广义线性模型的读者建议阅读参考文献[5]）。

nlme程序是基于S语言通过S-PLUS软件实现混合效应模型分析的一款软件。

所以，它不仅能够进行线性模型，还能够进行非线性混合效应模型分析，nlme程序还能够实现Meta分析。

本文就以《R软件nlme程序包在网状Meta分析中的应用》文中的实例进行分析。

2 软件和程序包的安装和加载（The installation and loading of the software and package）要想研究网状Meta分析对R软件nlme程序包的开发和应用，首先就要安装R软件，其安装根据电脑提示步骤完成即可，本文使用的是R-3.0.1。

完成上述步骤以后，安装nlme程序包，安装程序包的命令为：install.package（“nlme”），在程序包安装过程中，会有一个对话框，选中对话框中的CRAN安装，然后安装成功，利用library命令完成加载步骤。

网状Meta分析中对R软件nlme程序包的开发与应用

文献［５】）。
ＣＲＡＮ安装，然后安装成功，利用ｌｉｂｒａｒｙ命令完成加载步骤。那么，软件和程序包就算是安及预处理（Ｄａｔａｌｏａｄｉｎｇａｎｄｐｒｅｐｒｏｃｅｓｓｉｎｇ）
ｌ引言（Ｉｎｔｒｏｄｕｃｔｉｏｎ）
目前，网状Ｍｅｔａ分析在不断的发展，基于此，越来越多的软件被陆续研究及开发出来，运算模型也逐渐进入到人们的视野中，受到人们的密切关注，其中包括广义线性模型。广义线性模型的主要特点就是不强制性的改变数据的自然度量，并且ＧＬＭ模型中的Ｙ分布能够以各种形式指数分布（要想详细了解网状Ｍｅｔａ分析及广义线性模型的读者建议阅读参考
Ａｂｓｔｒａｃｔ：ＴｈｅｎｌｍｅｐａｃｋａｇｅｉｓｄｅｖｅｌｏｐｅｄｂａｓｅｄｏｎＧＬＳ（ＧｅｎｅｒａｌｉｚｅｄＬｅａｓｔＳｑｕａｒｅｓ）ｍｅｔｈｏｄｓａｎｄＬＭＥ（ＬｉｎｅａｒＭｉｘｅｄ
（１）加载数据实现Ｒ软件ｎｌｍｅ程序包中网状Ｍｅｔａ分析的实现和应用主要是将因变量ｙ变为效变量，把自变量ｘ变为干预措施，之后根据干预措施进行比较以此计算线性关系。本文中将ｙ设置成
ＤｅｖｅｌｏｐｍｅｎｔａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＮＬＭＥＰａｃｋａｇｅｉｎＲ－ＳｏｆｔｗａｒｅｉｎｔｈｅＮｅｗｏｔｒｋＭｅｔａ－Ａｎａｌｙｓｉｓ

r语言跑网络meta分析的流程

r语言跑网络meta分析的流程下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。

文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor.I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!R语言进行网络Meta分析的详细流程网络Meta分析是一种统计方法，用于整合多个研究结果，特别是在存在多种干预措施或比较组时。

Meta分析和R软件的使用学习

Meta分析和R软件的使用学习最近在学习网络meta分析，现把本版关于网络系统评价的资源做一总结：一网络meta分析科普贴1 网络荟萃分析/Network Meta-Analysis /bbs/thread/193035852 Network Meta分析入门文献/bbs/topic/23771695二网络meta分析的工具1 R软件的meta分析操作/bbs/topic/186165382 wibbugs免费下载地址三网络meta分析实战演示1 网络meta分析之一：运用R软件中R2WinBUGS包进行网络meta分析操作/bbs/topic/251122642 网络meta分析之二：网状图的构建/bbs/topic/251466323 网络meta分析之三：一致性的检测/bbs/topic/25168024四 R软件在meta分析中的应用/bbs/topic/18616538/bbs/topic/20225778/bbs/thread/18627385/bbs/thread/18623606五网状meta分析的视频讲义下载地址：原创视频讲解R软件在网状meta分析中的应用/bbs/topic/25521217最近学习网络meta分析，似乎需要一定的R语言基础才能把网络meta分析理解透彻，在此对本版的R软件使用的相关资源汇总一 R软件的下载与安装1 下载地址：2 R软件菜单命令的安装：/bbs/topic/186273853 R软件读入其他统计软件类型数据的方法：/bbs/topic/186195064 R软件的meta分析程序包介绍：/bbs/topic/186230775 媲美Stata的免费R软件学习资料：/bbs/topic/199628696 R软件中文教程 /bbs/topic/245901147 R软件常见问题解答 /bbs/topic/245901278 用R软件做Meta分析所显示的森林图不完整解决方法/bbs/thread/24173793二 R软件在meta分析中的应用1 R软件的meta分析操作：/bbs/topic/186165382 用R软件进行Meta分析：/bbs/topic/186041093 手把手讲授如何用R软件做单个样本率（患病率、检出率、低估率、标化率）的meta分析/bbs/topic/21231614 4 R软件在meta分析中的应用，欢迎指正/bbs/topic/22307243 5 R软件和Stata的Meta分析功能比较/bbs/topic/18623606 6 R软件的meta分析中的亚组分析操作/bbs/topic/20225778。

用R做meta分析（附效应量计算神器）

⽤R做meta分析（附效应量计算神器）Hello，这⾥是⾏上⾏下，我是喵君姐姐~众所周知，R具有免费、源代码开放，以及出⾊的统计计算和绘图表现能⼒等⼀系列优点，颇受科研⼈员的喜爱。

当然，这些优势在meta分析上也表现得极为突出。

本教程以标准平均差(cohen’s d)作为效应量的meta分析为例进⾏演⽰，适⽤于⽐较两种实验条件之间因变量的差异。

例如“有、⽆⼲预条件下社交焦虑程度的差异”、“集中注意、分散注意条件下n-back任务的正确率差异”等等。

简单来讲，实证研究中，可以进⾏t检验的结果，都可以参考以下教程，对数据进⾏meta分析。

接下来，我们邀请到FarAway将逐步介绍⽤R做meta分析的基本步骤。

本⽂以软件实操讲解为主，如果读者对meta分析的原理感兴趣，推荐以下两本书⾃⾏学习。

（扫码即可购买，满100减50，还可叠加优惠券哟~）⼀、准备⼯欲善其事必先利其器，先来说说准备⼯作：1. 下载并安装R studio，在往期推⽂中我们已经详细介绍了R和Rstudio的安装教程，按步骤操作即可！2. 安装三个⼯具包：meta、metafor和xlsx3. 准备好上述需要进⾏meta分析的数据，存放在电脑中，以备调⽤。

为⽅便讲解，我们引⽤了《meta分析导论》⾥的⼀组数据（后台回复“元分析资料”即可获得案例数据），如下：从左到右，依次是纳⼊的研究效应量的编号(No)、第⼀作者的姓名(author)、发表年份(year)、实验组因变量均值(exp_mean)、实验组均值的标准差(exp_sd)、实验组样本量(exp_n)、控制组因变量均值(con_mean)、控制组均值的标准差(con_sd)、控制组样本量(con_n)、效应量(cohen’s d)、效应量95%置信区间下限(lower)、效应量95%置信区间上限(upper)、施测的地区(area)。

从上到下，每⼀⾏数据都代表⼀个原始研究(single study)的⼀个效应量，如果⼀个原始研究中包括多个效应量（如：有好⼏个实验（或成对⽐较）及其结果），那么每⼀个效应量应该作为独⽴的⼀⾏列在表格中。

网状Meta分析中敏感性分析和一致性分析在R软件中的实现

网状Meta 分析中敏感性分析和一致性分析在R 软件中的实现杨博文1,2，陈欣1,2，孙皓1,2，时景璞1,2*1. 中国医科大学附属第一医院临床流行病学教研室（沈阳 110001）；2. 辽宁省循证医学中心（沈阳 110001）摘要目的介绍网状Meta 分析的敏感性和一致性检验及其在R 软件中的应用。

方法以实例演示的方式，采用随机效应模型与固定效应模型比较的方法实现敏感性分析，并采用R 软件metafor 包和combinat 包实现一致性分析。

结果随机效应模型与固定效应模型所得结果相近，数据较稳健。

一致性检验结果表明，各环的可信区间均与空白值相交，说明网状Meta 分析计算结果与直接比较计算结果无明显差异，一致性较好。

结论网状Meta 分析作为一种间接比较的分析方式，敏感性尤为重要，而一致性的引入使网状Meta 分析更准确。

通过R 软件实现网状Meta 分析的敏感性和一致性分析是一种可行的方法。

关键字网状Meta 分析；R 软件；WinBUGS 软件；敏感性；一致性Sensitivity and Homogeneity Analysis in Network Meta-analysis Using R Soft wareYANG Bo-wen 1,2, CHEN Xin 1,2, SUN Hao 1,2, SHI Jing-pu 1,2*1. Department of Clinical Epidemiology, First Alienated Hospital, China Medical University, Shenyang 110001, China;2. Evidence-Based Medicine Center of Liaoning Province, Shenyang 110001, ChinaAbstract Objective To introduce sensitivity and homogeneity tests in network meta-analysis and its implementation in R software. Methods Using an example, we performed sensitivity analysis by comparing the random effect model with the fixed effect model. Homogeneity analysis was performed using metaphor package and combinat package in R software. Results The results of the two models were similar, and the data was steady. The results of homogeneity analysis showed that the confidential intervals in all loops were crossed over with blank value; and direct and indirect estimates of the effects in network meta-analysis were not significantly different, with good homogeneity. Conclusion Network meta-analysis is a kind of indirect comparison analysis method, and its sensitivity is especially important. The introduction of homogeneity makes network meta-analysis more accurate. Using R software for sensitivity and homogeneity analysis in network meta-analysis is a feasible method.Key words Network meta-analysis; R software; WinBUGS; Sensitivity; HomogeneityDOI: 10.7507/1672-2531.20140262作者简介：杨博文，男（1988年～），硕士研究生，以脑血管疾病与循证医学为主要研究方向。

R语言网状meta分析命令

nr
研究间网络距离分析
netdistance(net1)
节点分析
直接比较和间接比较一致性
netsplit(net1,upper=TRUE,reference.group=net1$reference.group,baseline.reference=net1$baseline.reference,sep.trts=net1$sep.trts, quote.trts="",tol.direct=0.0005)
后略
直接打开excel表格命令：
library(xlsx)
library(rJava)
data<-read.xlsx(file.choose(),sheetIndex=1)
p1 <- pairwise(list(Treatment1, Treatment2, Treatment3, Treatment4),n=list(n1, n2, n3,n4),event=list(event1, event2, event3,event4),data=data,studlab=study)
p1 <- pairwise(list(Treatment1, Treatment2, Treatment3),n=list(n1, n2, n3),event=list(event1, event2, event3),data=data,studlab=study)
p1
Four arms’ data
做加尔布雷斯图
radial(net1$TE,net1$seTE)
偏倚回归分析
metabias(net1$TE,net1$seTE ,method="linreg")
网状关系图

在R软件中实现单个率的Meta分析

（中南大学公共卫生学院流行病与卫生统计学系，长沙 410078）
［摘要］目的介绍在 R 软件中实现单个率的 Meta 分析方法。方法在 R 软件中加载 Meta 分析程序包，
录入 Meta 分析数据，用实例数据进行 Meta 分析。结果单个率资料的 Meta 分析要求率的分布服从正态分布，R
sm ＝＂PRAW＂， Raw， i．e． untransformed， proportions （没有转换的原始率）。
sm＝＂PLN＂， Log transformation（对数转换）。 sm＝＂PLOGIT＂， Logit transformation（logit 转换）。 sm＝＂PAS＂，Arcsine transformation（反正弦转换）。 sm＝＂PFT＂， Freeman-Tukey Double arcsine transformation （ Freeman - Tukey 双重反正弦转换）。［14］在进行 metaprop 分析之前，对原始率及按四种估计方法进行转换后的率进行正态性检验，根据检验结果选择接近正态分布的方法。transform 为对数据进行计算，p、log、logit、arcsin、dsrcsin 表示分别按上述五种方法估计率的函数、write 为保存转换后的数据，shapiro．test 为正态性检验。命令如下： transform （rate， p＝event ／ n， log＝log （event ／ n）， logit＝log（（event ／ n）／（1-event ／ n））， arcsin＝asin（sqrt （event ／（n ＋1）））， darcsin ＝0．5 * （asin （sqrt （event ／（n＋1）））＋asin （sqrt（（event＋1）／（n＋1）））））-＞rate write．csv （rate，file＝＂rate．csv＂） shapiro．test （rate p）； shapiro．test （rate log）； shapiro．test （rate logit）； shapiro．test （rate arcsin）； shapiro．test （rate darcsin） metaprop 函数用于计算各个独立研究的率及 95％可信区间，并按照率的分布选择合适的估计方法，得到合并的率及 95％可信区间。命令如下： metarate ＜- metaprop （event， n， study， data ＝ rate， sm＝＂PLOGIT＂， incr＝0．5， allincr＝TRUE， addincr＝FALSE， title＝＂＂） sm 表示估计样本率的方法，根据正态性检验结果选择合适的估计方法。本例原始率的分布为

HR值及其可信区间的网络meta分析（R软件gemtc程序包）

HR值及其可信区间的网络meta分析（R软件gemtc程序包）没有什么能够阻挡，你对自由的向往。

——前记大家好，我是一个网络meta分析爱好者，很高兴借freescience 联盟这个平台，和大家见面。

我们知道肿瘤学的研究，HR是非常重要的指标，它既包括事件，也涵盖了时间因素。

因此，几乎每个关于肿瘤药物的生存率事件都报告了HR值及其上下可信区间。

如果能利用这些现成的HR值及其可信上下区间的数据类型进行网络meta分析，无疑对研究意义重大。

那么这类meta分析该如何实现呢？接下来让郭哥和大家一起来挖掘gemtc程序包。

打开R 软件，安装“gemtc”、”jags”程序包#输入加载程序包的命令library('gemtc')library('rjags')#建立数据# Create a new network by specifying allinformation.treatments <>id description1 'Treatment A'2 'Treatment B'3 'Treatment C'4 'Treatment D'\'), header=TRUE)data <->study treatment diff std.err1 1 1.058 1.6541 2 NA NA2 1 0.005 0.6352 2 NA NA3 1 -0.409 1.6403 2 NA NA4 1 0.273 1.6424 2 NA NA5 3 -0.159 0.6125 1 NA NA6 3 0.027 0.7136 1 NA NA7 3 -1.138 1.1587 1 NA NA8 3 -0.029 1.4178 1 NA NA9 3 -0.154 0.0709 2 -0.209 0.0729 1 NA 0.0669 4 0.055 0.064\'), header=TRUE)#构建网络network <- work(data.re="data,description='Example'," treatments="">#制作网络图plot(network)#建立模型model<-mtc.model(network,type='consistency', factor="">#设置参数，进行运算results <- mtc.run(model,="" n.adapt="10000," n.iter="100000," thin="10,sampler">#输出森林图forest(relative.effect(results,'1'))#输出排序结果rank.probability(results,preferredDirection=-1)OK，Gemtc程序包实现HR数据类型的网络meta分析运行结束接下来倒过来讲这个数据集的数据是如何得来的我们之前讲到大部分研究会直接给出HR值及其可信上下区间。

网络Meta分析在R软件中的实现

网络Meta分析在R软件中的实现张天嵩;熊茜【期刊名称】《循证医学》【年(卷),期】2012(012)003【摘要】目的介绍网络Meta分析方法及其在R软件的实现.方法以实例说明,采用R软件lme()函数,通过对来自5个预防人类免疫缺陷病毒感染者发生复合鸟分支杆菌感染事件随机对照研究的3种药物和安慰剂进行直接和间接比较,进行网络Meta分析.结果直接和间接比较结果表明,所有药物较之于安慰剂均可以减少人类免疫缺陷病毒感染者出现复合鸟分支杆菌事件发生,克拉霉素和阿奇霉素较之于利福平均可以减少人类免疫缺陷病毒感染者出现复合鸟分支杆菌事件发生;而对无直接比较证据的克拉霉素与阿奇霉素,间接比较结果显示两者差异无统计学意义.结论合并多个干预措施效果和没有所有干预措施直接比较证据时,采用网络Meta分析方法合并直接和间接比较结果是一种正规的方法.【总页数】4页(P185-188)【作者】张天嵩;熊茜【作者单位】上海市静安区中心医院科教部,上海200040;上海市静安区中心医院中医科,上海200040;上海市静安区中心医院科教部,上海200040【正文语种】中文【中图分类】R195.1【相关文献】1.在R软件中实现单个率的Meta分析 [J], 罗美玲;谭红专;周权;王莎亚;蔡畅;郭亚伟;沈琳2.应用R软件meta4diag程序包实现诊断准确性试验的Meta分析 [J], 何倩;王晓娜;喻亚宇;桂裕亮;张超;牛玉明3.应用R软件bamdit程序包实现诊断准确性试验的Meta分析 [J], 王权;何倩;吴君怡;陶圆;张超;牛玉明4.应用R软件metamisc程序包及CopulaREMADA程序包实现诊断准确性试验的Meta分析 [J], 王权;杨廉洁;何倩;喻亚宇;许杨鹏;张超5.超几何-正态模型在稀疏二分类数据Meta分析中的应用及R软件实现 [J], 张天嵩因版权原因，仅展示原文概要，查看原文内容请购买。