多層次分析Meta分析

Question

我想用多層次方法進行Meta分析，使用社區干預前後測量的比例。在metafor哪個衡量標準容易使用「PLO」或PFT「？我也有4個主持人。在17項研究中，我有4項研究有2個社區，每個都有不同的干預措施，即不同劑量的相同藥物。

salt<- escalc(measure="PLO", xi=pos, ni=sur, data=salt,add=1/2, to="all") 

model1<-rma(yi, vi, method="FE", data=salt) for fixed effects model (Traditional MA) 
model2<-rma(yi, vi, data=salt) for Random effects vmodel (Traditional MA) 
model3<-rma(yi, vi, mods=~factor(intcode)+factor(smrsz)+durint+basemf+percap, data=salt) for mixed effects model including moderators (Traditional MA) 
model4<-rma.mv(yi, vi, random=~1|stdy, data=salt) - random effect multilevel model 
model5<-rma(yi, vi, mods=~factor(intcode)+factor(smrsz)+durint+basemf+percap, random=~1|stdy, data=salt) 

這裏STDY給出了研究ID。哪條命令我應該使用？

適合我想要做的分析類型，這些命令？

Answer 1

是否使用分對數變換比例(measure="PLO"）或者像反正弦平方根變換比例（measure="PAS"）或Freeman-Tukey雙反正弦變換比例（measure="PFT"）取決於各種因素，最重要的是研究的規模以及利益的結果是否非常罕見非常常見（即基礎真實比例是否預期接近到0或1）。但最終，無論如何進行敏感性分析可能是一個好主意，無論您使用哪種測量方法，檢查結論是否保持不變。

至於模型，模型1-3是標準的元分析模型，這裏的語法很好。在模型4中，您只是在研究層面添加隨機效應，但是這假設所有的異質性都是由於研究之間的差異以及研究內部沒有異質性。這通常是不正確的，所以你應該在研究和結果水平上添加隨機效應。事情是這樣的：

salt$id <- 1:nrow(salt) 
rma.mv(yi, vi, random=~1|stdy/id, data=salt) 

參見：http://www.metafor-project.org/doku.php/analyses:konstantopoulos2011

在模型5，你有一個錯字 - 你應該使用rma.mv()，不rma()，當您使用random說法。再次使用random=~1|stdy/id。