Freescience联盟
点击加入，一起做科研！
全国最大meta分析平台
智能meta分析平台
最强免费资源分享
Freescience联盟
Freescience联盟是由高校、医院FS公众号和科研技能公众号等百家单位联合创建的科研交流分享平台；创建于2015年。
联盟的宗旨：“
公正至上，自由分享，平等共赢
”。
两大核心技术平台：meta分析+生信大数据
欢迎您的关注，让我们共同学习进步
http://mp.weixin.qq.com/s/dmxxyOxdtAWcykqoBDpbxg
请多关注哦~
感谢大家！谢谢
各位能用实际
行动对freescience自由分享知识的理念表示支持，作为
freescience联盟的发起者，freescience联盟的全体主编
由衷地感到高兴，在接下来的日子里，我们一定会共享更
有价值的科研实用推送。
很多软件是去年搜集的，一些破解版软件已经失效，需
要再次征集，如果您手中恰好有一些实用软件，可以将网
盘链接发至本公众号后台 （直接发软件包到后台是收不到
的），我们会在下次一起推出。
3.6 森林图的绘制
接下来的问题是怎么将forest plot（森林图）做出来，meta分析森林图一般来说不能少 代码如下：
metaresult1studlab=paste(study, year),comb.random=FALSE)### 森林图的代码解释# 在上段代码中，多了comb.random=FALSE，代表本例不用随机效应模型进行效应量合并，而是采用固定效应模型。# 同理，如果需要用随机效应模型进行合并只要在后面改成comb.fixed=FALSE即可。在这里我们将meta分析的结果赋给metaresult1这个列表，然后用forest函数调用metaresult即可。# 得到森林图如下图所示forest(metaresult1)
# 各研究的RR值和95%可信区间、权重、效应量合并值以及异质性检验结果等都在该图中。
3.7 改变效应量画图
这类研究一般是随机对照研究（RCT研究），因此选择RR值可能更好。一般事件发生率比较低的情况下，RR约等于OR值。如果要使用OR值，只需将sm=“RR”改成sm=“OR”即可。
metaresult2studlab=paste(study, year),comb.random=FALSE)
forest(metaresult2)
临床意义和科研价值
RR和OR值及他们的可行区间都小于1,说明实验组比对照组死亡率低，我们理解为：心梗后服用阿司匹林能降低死亡率。
3.8 漏斗图的绘制
医学研究最怕的就是：发表偏倚的存在。发表偏倚是一个临床医学文献现象。具体表现为阳性的研究结果发表的机会更多。最终的结果是：阴性的结果和文献无法发表。但是，这些阴性的结果又客观存在，我们怎么把这些阴性结果找出来呢？
发表偏倚的检验由于纳入的研究个数小于10个，在cochrane手册中不建议做test，只要求做一个漏斗图。当研究个数大于等于10个的时候，对于这种四格表资料不建议使用egger检验或begg检验，可以使用Peters检验，power稍高。（所有的发表偏倚检验方法在研究个数不多的条件下，power都不高）。发表偏倚代码如下：
funnel(metaresult1)
漏斗图有无发表偏倚的量化：P值
# 可以使用Peters检验，power稍高。一般大于研究数目大于10的情况下用。我们这里有7个研究，做meta分析时，纳入4个以上的研究就行。# metabias(metaresult1, method.bias="peters")metabias(metaresult1, method.bias="peters",k.min = 4)
##
## Linear regression test of funnel plot asymmetry (based on sample size)
##
## data: metaresult1
## t = -1.2423, df = 5, p-value = 0.2692
## alternative hypothesis: asymmetry in funnel plot
## sample estimates:
## bias se.bias intercept
## -157.62156632 126.87496751 -0.06024317
metabias(metaresult1, method.bias="peters",k.min = 4)$p.value
## [1] 0.2692004
# p-value = 0.2692 > 0.05，说明研究未见明显发表偏倚。
3.9 减补法对发表偏倚进行校正
从该漏斗图中大致可以得出，该meta分析存在发表偏倚的可能性。在这种情况下，可以使用trim and filled或者copas模型等进行校正。以trim and filled为例进行校正。
tf1 summary(tf1)
## Number of studies combined: k = 10 (with 3 added studies)
##
## RR 95%-CI z p-value
## Fixed effect model 0.9272 [0.8802; 0.9767] -2.85 0.0044
## Random effects model 0.9353 [0.8460; 1.0339] -1.31 0.1907
##
## Quantifying heterogeneity:
## tau^2 = 0.0082; tau = 0.0906; I^2 = 38.1% [0.0%; 70.5%]; H = 1.27 [1.00; 1.84]
##
## Test of heterogeneity:
## Q d.f. p-value
## 14.55 9 0.1042
##
## Details on meta-analytical method:
## - Inverse variance method
## - DerSimonian-Laird estimator for tau^2
## - Trim-and-fill method to adjust for funnel plot asymmetry
funnel(tf1)
# 三行代码分别表示利用trimand filled方法进行校正，并将结果赋予tf1列表中，概括tf1结果，做出填补后的漏斗图。
减补法的结果解释和临床意义
如上图所示，我们可以看到，在漏斗图右侧，填补了3个研究，异质性检验还是没有统计学意义，因此还是采用固定效应模型，RR=0.9272，95%CI：0.8802-0.9767, 同时我们可以看到，随机效应模型的可信区间比固定效应模型要宽，且无统计学意义。经过校正后，合并的效应值还是有统计学意义，在做conclusion的时候更能说明干预的效果。说明增加了3个研究之后，我们理解为：心梗后服用阿司匹林能降低死亡率，这个结论很稳定。
freescience联盟QQ交流群：321950419
（点
