管家婆一票一码资料,使用R语言进行单组率的Meta分析(全流程)~超详细干货

管家婆一票一码资料,使用R语言进行单组率的Meta分析(全流程)~超详细干货

孤独的旅程 2024-10-08 本地 15 次浏览 0个评论

  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


转载请注明来自东莞市一辉油压机械有限公司,本文标题:《管家婆一票一码资料,使用R语言进行单组率的Meta分析(全流程)~超详细干货》

百度分享代码,如果开启HTTPS请参考李洋个人博客
每一天,每一秒,你所做的决定都会改变你的人生!

发表评论

快捷回复:

评论列表 (暂无评论,15人围观)参与讨论

还没有评论,来说两句吧...

Top