メタフォアまたはメタを使用して比率をメタ分析する

Question

これらのパッケージを使用して、各研究で表示される割合と95％CIが正確な二項性95％CIの単純な割合である割合の森林プロットを作成したパッケージはプールされた加重比率を計算します---下段に表示されますか？ プーリングの方法を選択できますか？

Answer 1

では、binom.test()関数を使用して「正確な」95％CIを計算してから、これらの境界をforest()に渡すことでこれを行うことができます。比率をプールするために使用できるさまざまなモデルがありますので、あなたが探しているモデルがどちらか分かりませんが、しばしば「2項正規モデル」（本質的にランダム効果ロジスティック回帰モデル）が良い選択です。これはrma.glmm()に適合します。結果はaddpoly()機能を使用してフォレストプロットに追加できます。次に例を示します。

library(metafor) 

dat <- data.frame(id = 1:5, xi = c(2, 5, 3, 10, 6), ni = c(20, 25, 15, 40, 30)) 
dat <- escalc(measure="PR", xi=xi, ni=ni, data=dat) 
tmp <- t(sapply(split(dat, dat$id), function(x) binom.test(x$xi, x$ni)$conf.int)) 
dat$ci.lb <- tmp[,1] 
dat$ci.ub <- tmp[,2] 

res <- rma.glmm(measure="PLO", xi=xi, ni=ni, data=dat) 

par(mar=c(5,4,1,2)) 
with(dat, forest(yi, ci.lb=ci.lb, ci.ub=ci.ub, ylim=c(-1.5,8), xlim=c(-.5,1), refline=predict(res, transf=transf.ilogit)$pred)) 
addpoly(res, row=-1, transf=transf.ilogit) 
abline(h=0) 
text(-0.5, 7, "Study", pos=4) 
text(1, 7, "Proportion [95% CI]", pos=2) 

モデル（res）からの結果は以下のとおりです。

Random-Effects Model (k = 5; tau^2 estimator: ML) 

tau^2 (estimated amount of total heterogeneity): 0 
tau (square root of estimated tau^2 value):  0 
I^2 (total heterogeneity/total variability): 0.00% 
H^2 (total variability/sampling variability): 1.00 

Tests for Heterogeneity: 
Wld(df = 4) = 1.7806, p-val = 0.7760 
LRT(df = 4) = 2.0582, p-val = 0.7251 

Model Results: 

estimate  se  zval  pval ci.lb ci.ub 
-1.3863 0.2193 -6.3225 <.0001 -1.8160 -0.9565  *** 

--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

た森林プロット：