Meta分析:使用metafor包进行汇总估算的森林图

Question

我正在对来自约90项研究的数据进行元分析.这对如何以可访问的格式显示数据以便发布提出了一些挑战.我想仅显示不同荟萃分析的总体效应大小估计值,并排除研究特定的估计值.我可以使用metan包并添加summaryonly命令在Stata中执行此操作.是否可以使用metafor包(或任何其他元分析R包)抑制森林图输出中的研究级效应大小？

我一直在使用该addpoly命令来添加子样本的效果大小估计,如包文档中所述,例如:

res.a <- rma(n1i = Intervention_n, n2i = Control_n, m1i = intervention_d, m2i = control_d, sd1i = intervention_d_sd, 
         sd2i = control_d_sd, measure="MD", intercept=TRUE, data = Dataset.a, vtype="LS", method="DL", level=95, 
         digits=4, subset = (exclude==0 & child=="No"), slab=paste(Dataset.a$Label, Dataset.a$Year, sep=", "))
addpoly(res.a, row=7.5, cex=.75, font=3, mlab="Random effects model for subgroup")

Answer 1

如果我理解正确,您正在对这些~90项研究进行多项分析(例如,基于不同的子集),并且您的目标是仅在森林图中显示汇总估计(基于这些分析).那么最简单的方法是在向量​​中收集各种分析的估计值和相应的方差,然后将其传递给forest()函数.让我举一个简单的例子:

### load metafor package
library(metafor)

### load BCG vaccine dataset
data(dat.bcg)

### calculate log relative risks and corresponding sampling variances
dat <- escalc(measure="RR", ai=tpos, bi=tneg, ci=cpos, di=cneg, data=dat.bcg)

### fit random-effects models to some subsets
res.r <- rma(yi, vi, data=dat, subset=alloc=="random")
res.s <- rma(yi, vi, data=dat, subset=alloc=="systematic")
res.a <- rma(yi, vi, data=dat, subset=alloc=="alternate")

### collect model estimates and corresponding variances
estimates <- c(coef(res.r), coef(res.s), coef(res.a))
variances <- c(vcov(res.r), vcov(res.s), vcov(res.a))

### create vector with labels
labels <- c("Random Allocation", "Systematic Allocation", "Alternate Allocation")

### forest plot
forest(estimates, variances, slab=labels)

如果您不喜欢点大小不同(默认情况下,它们与方差成反比),您可以使用:

forest(estimates, variances, slab=labels, psize=1)

其他一些改进:

forest(estimates, variances, slab=labels, psize=1, atransf=exp, xlab="Relative Risk (log scale)", at=log(c(.2, .5, 1, 2)))

附录

如果您更喜欢估算的多边形形状,则可以执行以下操作.首先绘制如上图,但用于efac=0隐藏CI上的垂直线.然后用以下方法绘制摘要多边形addpoly():

forest(estimates, variances, slab=labels, psize=1, atransf=exp, xlab="Relative Risk (log scale)", at=log(c(.2, .5, 1, 2)), efac=0)
addpoly(estimates, variances, atransf=exp, rows=3:1, col="white", annotate=FALSE)

您还可以使用efac=1.5in addpoly()来垂直拉伸多边形.根据您的口味调整因子.