森林情節解釋

對於我的研究，我進行了病毒載量測量的元分析，以測試A和B之間的特定交互是否影響其水平。森林情節解釋

這是我獲得使用R中的森林圖：

不過，我不知道如何解釋它。我知道這個結果是有意義的，因爲p = 0.0073，因爲整體效應估計值95％CI不會重疊0.然而，這意味着鑽石在森林的右側是什麼？

2016-09-20 Svalf

這意味着整體效果是積極的。由於效應是一種相互作用，這意味着隨着B的增加，A的影響變大（或者更積極，或者更不積極），反之亦然。請注意，這個問題不是關於程序設計，而是關於統計數據，因此在這裏是無關緊要的。 – Axeman

這取決於如何計算各個效果大小。這似乎是對每種病毒載量（您指示關聯p值）A和B之間相關性的元分析的森林圖。也許你使用不同病毒載量和相關標準偏差（？）的z轉換關聯的差異。如果是這樣，你計算這種差異的方式將幫助你解釋整體效應的大小。它是作爲大型病毒載量值減去小型病毒載量值計算的嗎？如果是這樣，總體估計顯示A和B之間在大病毒載量中的相互作用有較大影響。（如果鑽石位於垂直虛線的左側 - 即「無效」線 - 它會在小病毒載量中反映出較大的相互作用效果。）

一個附加評論：您似乎使用隨機效應估計整體效應大小（順便說一下，每個單獨研究的黑色方塊的大小反映了分配給該研究的權重）。異質性檢驗似乎不顯着（參見異質性p值），這意味着異質性不會影響meta分析的結果。當這個測試結果顯着時，您需要考慮一個混合效應模型（即在數據集中找到幫助您解釋這種異質性的主持人）。否則結果是不可靠的。

來源

2016-09-20 13:45:48 Luminita

謝謝Luminita的回答和所有解釋。爲了執行森林圖，這些是我使用的變量：組羣的名稱，估計值（這是測試版）和標準誤差。然後我使用R包「metafor」（使用'method =「FE」'）執行一個固定效果模型。我應該使用REML還是ML？如果我的理解正確，異質性測試是不重要的，否則我將不得不做一個混合效應模型。是對的嗎？ – Svalf

當我們通過相同的方法獲得樣本的觀察/研究時，我們通常使用固定效應模型，並且我們有充分的理由認爲在所有研究中真實效應的大小都是完全相同的。否則，我們應該使用隨機效應來解釋這些觀察/研究之間的異質性。我不確定你的調查設置是什麼，但在這裏它是一個資源，可以幫助你爲你的情況做出最好的選擇：[FEvsRE]（https://www.meta-analysis.com/downloads/Meta - 分析％20固定％20效應％20vs％20random％20effects.pdf） – Luminita

關於異質性測試，是的，它是不重要的。或者，您也可以查看異質性指標I2（在您的模型結果中提供），該指標顯示研究之間異質性對Meta分析的影響。研究對整體異質性的貢獻不同。然而，我們關心的不是研究間異質性本身，而是如何影響薈萃分析的結果。 – Luminita

森林情節解釋

回答

相關問題