在提取数据之前,两位研究者(追果少女和方生方死方生方死)讨论决定需要提取的信息内容,并制作表格。两位研究者分别提取纳入荟萃分析的6篇文章的数据,通过仔细阅读全文和附录获取信息,主要包括文献的基本信息(作者、发表年份、标题、研究线路、随访时间、病例总数等)、病人特征(年龄、性别、种族、疾病病理类型、ECOG得分、IPI得分、先前治疗、桥接治疗等)、干预措施特征(CART种类、剂量、来源、结构等)以及病人的反应(OR、CR、PR、SD、PD、PFS、EFS、OS等)。
分别提取完毕后,两位研究者核对数据,并对有争议的数据再次寻找文献依据,最终通过讨论达成一致意见。
2.1二分类变量
2.1.1工具
使用Excel、R4.2.1和Rstudio进行数据的汇总与处理。
2.1.2具体流程
在Excel中整理所需数据,另存为“OR.csv”文件,如:
2024年香港资料免费大全下载
在R4.2.1中安装meta程序包:install.packages(“meta”) 选择就近的地址进行下载。
打开Rstudio,安装并运行meta程序包:
install.packages(“meta”)
library(meta)
打开“OR.csv”文件的存储路径,赋值data,如:
setwd(dir="D:/file")
2024年新澳门正版资料大全免费
data <- read.csv("OR.csv",header = T)
data
验证数据是否符合正态分布,如:
rate <- transform(data,p=OR/N)
shapiro.test(rate$p)
当p值>0.05时,没有转换的原始率(OR/N)符合正态分布,即sm=”PRAW”。
当p值<0.05时,没有转换的原始率(OR/N)不符合正态分布,需要进行转换验证,只有当转换的结果符合正态性分布的时候才可以进行卡方检验。
对数转换(sm=”PLN”)
rate <- transform(data,log=log(OR/N))
shapiro.test(rate$log)
logit转换(sm=”PLOGIT”)
rate <- transform(data,logit=log((OR/N)/(1-OR/N)))
shapiro.test(rate$logit)
反正弦转换(sm=”PAS”)
rate <- transform(data,arcsin.size=asin(sqrt(OR/(N+1))))
shapiro.test(rate$arcsin)
Freeman-Tukey双重反正弦转换(sm=”PFT”)
rate<-transform(data,darcsin=0.5*(asin(sqrt(OR/(N+1)))+asin((sqrt(OR+1)/(N+1)))))
当以上五种转换都不符合正态性分布时,需要进行非参数检验。
定义meta,如:
meta<-metaprop(OR,N,data=data,studlab=paste(data$Author,data$Year,sep="-"),sm="PRAW",incr=0.5,allincr=TRUE,addincr=FALSE, subgroup = group)
meta
根据p值和I2值选择固定效应模型(p>0.05,I2<50%)或者随机效应模型(p<0.05,I2>50%),将结果(包括分组的发生率、95%置信区间、组间差异p值、总体差异p值)复制到Excel表中。
forest(meta)
在右下窗格中输出保存森林图。
data <- data[1:4]
data
meta<-metaprop(OR,N,data=data,studlab=paste(data$Author,data$Year,sep="-"),sm="PRAW",incr=0.5,allincr=TRUE,addincr=FALSE)
metabias(meta,method="linreg",plotit=TRUE,k.min=6)
在右下窗格中输出保存Egger检验的漏斗图。
2.1.3源代码:
install.packages("meta")
library(meta)
getwd()
data <- read.csv("OR.csv",header = T)
data
rate <- transform(data,p=OR/N)
shapiro.test(rate$p)
meta<-metaprop(OR,N,data=data,studlab=paste(data$Author,data$Year,sep="-"),sm="PRAW",incr=0.5,allincr=TRUE,addincr=FALSE, subgroup = group)
meta
forest(meta)
jpeg("Forest plot.jpeg",height = 1300,width = 800)
forest(meta,digits=4,family="sans",fontsize=9.5,lwd=2,col.diamond.fixed="lightslategray",col.diamond.lines.fixed="lightslategray",col.diamond.random="maroon",col.diamond.lines.random="maroon",col.square="skyblue",col.study="lightslategray",lty.fixed=4,plotwidth="8cm",colgap.forest.left="1.5cm",colgap.forest.right="1cm",just.forest="right",colgap.left="0.95cm",colgap.right="0.5cm")白小姐三肖三期必出一期开奖百度
data <- data[1:4]
data
meta<-metaprop(OR,N,data=data,studlab=paste(data$Author,data$Year,sep="-"),sm="PRAW",incr=0.5,allincr=TRUE,addincr=FALSE)
metabias(meta,method="linreg",plotit=TRUE,k.min=6)
按照以上操作反复进行,根据所选指标和分组依据修改表格的文字。当文献数据NA时,删除对应文献。
2.2连续型变量
metabin是对二分类变量做分析,metacont是对连续型变量做分析
连续型变量分析时需要mean和sd,mean为均数,sd为标准差
2.2.1工具
使用Excel、R4.2.1和Rstudio进行数据的汇总与处理。
2.2.2具体流程
在Excel中整理所需数据,另存为“data0.csv”文件,如:
例如以下数据
在R4.2.1中安装meta程序包:install.packages(“meta”) 选择就近的地址进行下载。
打开Rstudio,安装并运行meta程序包:
install.packages(“meta”)
library(meta)
找到默认文件位置,打开“data.csv”文件的存储路径,赋值data,如:
getwd()
data <- read.csv("data0.csv",header=T)
data
定义meta2,如:
meta2 <- metamean(n,mean,sd,data=data,studlab = paste(data$Author,data$Year,sep="-"))
meta2
forest(meta2)
在右下窗格(Plots)中输出保存森林图。
funnel(meta2)
metabias(meta2,method="linreg")
metabias(meta2,method="linreg",plotit = TRUE,k.min=10)
jpeg("Sensitivity analysis results.jpeg",height = 1300,width = 800)
forest(metainf(meta2,pooled = "random"),comb.random=TRUE,family="sans",fontsize=9.5,lwd=2,col.diamond.fixed="lightslategray",col.diamond.lines.fixed="lightslategray",
col.diamond.random="maroon",col.diamond.lines.random="maroon",col.square="skyblue",col.study="lightslategray",
lty.fixed=4,plotwidth="8cm",colgap.forest.left="1cm",colgap.forest.right="1cm",just.forest="right",colgap.left="0.5cm",
colgap.right="0.5cm")
tf1 <- trimfill(meta2,comb.random = TRUE)新澳天天开奖资料大全三中三
summary(tf1)
funnel(tf1)#
2.2.3源代码:
install.packages("meta")
library("meta")
getwd()
data <- read.csv("data0.csv",header=T)
data
meta2 <- metamean(n,mean,sd,data=data,studlab = paste(data$Author,data$Year,sep="-"))
meta2
forest(meta2,digits=2,family="sans",fontsize=9.5,lwd=2,col.diamond.fixed="lightslategray",col.diamond.lines.fixed="lightslategray",col.diamond.random="maroon",col.diamond.lines.random="maroon",col.square="skyblue",col.study="lightslategray",lty.fixed=4,plotwidth="8cm",colgap.forest.left="1cm",colgap.forest.right="1cm",just.forest="right",colgap.left="0.5cm",
colgap.right="0.5cm")#森林图
funnel(meta2)#漏斗图
metabias(meta2,method="linreg")
metabias(meta2,method="linreg",plotit = TRUE,k.min=10)#漏斗图的不对性检验
jpeg("Sensitivity analysis results.jpeg",height = 1300,width = 800)
forest(metainf(meta2,pooled"random"),comb.random=TRUE,family="sans",fontsize=9.5,lwd=2,col.diamond.fixed="lightslategray",col.diamond.lines.fixed="lightslategray",col.diamond.random="maroon",col.diamond.lines.random="maroon",col.square="skyblue",col.study="lightslategray",lty.fixed=4,plotwidth="8cm",colgap.forest.left="1cm",colgap.forest.right="1cm",just.forest="right",colgap.left="0.5cm",
colgap.right="0.5cm")#敏感性分析
tf1 <- trimfill(meta2,comb.random = TRUE)
summary(tf1)
funnel(tf1)#剪补法评价
2.3质量评估
使用Cochrane工具评估偏倚风险,在Excel中整理并输出为“bias.csv”文件,如:
在R4.2.1中安装meta程序包:install.packages(“robvis”) 选择就近的地址进行下载。7777788888精准管家婆
打开Rstudio,安装并运行robvis程序包:
install.packages(“robvis”)
library(robvis)
打开“OR.csv”文件的存储路径,赋值data,如:
setwd(dir="D:/file")
data <- read.csv("bias.csv",header = T)
data
rob_summary(data = data, tool = "ROB1",overall = TRUE,weighted = FALSE, colour = c("#194d6f","#ff8f36","#7dceb2"))
在右下窗格中输出保存偏倚风险评估图。
或者交通灯图:
rob_traffic_light(data = data, tool = "ROB1",colour = c("#194d6f","#ff8f36","#7dceb2"),psize = 10)
在右下窗格中输出保存偏倚风险评估图澳门天天开好彩正版挂牌。
install.packages("robvis")
library(robvis)
getwd()
data <- read.csv("bias.csv",header = T)
data
rob_summary(data = data, tool = "ROB1",overall = TRUE,weighted = FALSE, colour = c("#194d6f","#ff8f36","#7dceb2"))
rob_traffic_light(data = data, tool = "ROB1",colour = c("#194d6f","#ff8f36","#7dceb2"),psize = 10)
部分素材来自网络,版权归原创者,如有侵权请联系删除
在此感谢“全哥的学习生涯”等无私奉献的内容创作者
还没有评论,来说两句吧...