比例的荟萃分析

Posted 2023-02-18

【中文标题】比例的荟萃分析

【英文标题】：Meta-analysis of proportion

【发布时间】：2021-12-30 02:55:32

【问题描述】：

我尝试对单个比例进行荟萃分析。这是R代码：

# Packages
library(metafor)

# Data
dat <- dat.debruin2009 #from metafor package

# Metafor package ----
dat <- escalc(measure = "PLO", xi = xi, ni = ni, data = dat)

## Calculate random effect
res <- rma(yi, vi, data = dat)
res
predict(res, transf = transf.ilogit)

这是 res 对象的原始结果（logit）：

Random-Effects Model (k = 13; tau^2 estimator: REML)

tau^2 (estimated amount of total heterogeneity): 0.4014 (SE = 0.1955)
tau (square root of estimated tau^2 value):      0.6336
I^2 (total heterogeneity / total variability):   90.89%
H^2 (total variability / sampling variability):  10.98

Test for Heterogeneity:
Q(df = 12) = 95.9587, p-val < .0001

Model Results:

estimate      se     zval    pval    ci.lb   ci.ub 
 -0.1121  0.1926  -0.5821  0.5605  -0.4896  0.2654    

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

这是predict()的结果：

   pred  ci.lb  ci.ub  pi.lb  pi.ub 
 0.4720 0.3800 0.5660 0.1962 0.7660 

所以，我的问题是我从原始结果中得到了一个不显着的结果（p = 0.5605）。但是，来自predict() 的 CI 不超过零（CI = 0.3800, 0.5660），这表明结果很重要。我是否误解了某些内容或错过了 R 代码中的某个步骤？或者任何解释为什么结果是矛盾的？

================================================ ====

编辑： 我尝试使用 meta 包，我得到了与 metafor 类似的矛盾结果。

meta_pkg <- meta::metaprop(xi, ni, data = dat)
meta_pkg$.glmm.random

这是结果（与上面的predict() 类似的结果）：

> meta_pkg
Number of studies combined: k = 13
Number of observations: o = 1516
Number of events: e = 669

                     proportion           95%-CI
Common effect model      0.4413 [0.4165; 0.4664]
Random effects model     0.4721 [0.3822; 0.5638]

Quantifying heterogeneity:
 tau^2 = 0.3787; tau = 0.6154; I^2 = 87.5% [80.4%; 92.0%]; H = 2.83 [2.26; 3.54]

Test of heterogeneity:
      Q d.f.  p-value             Test
  95.96   12 < 0.0001        Wald-type
 108.77   12 < 0.0001 Likelihood-Ratio

Details on meta-analytical method:
- Random intercept logistic regression model
- Maximum-likelihood estimator for tau^2
- Logit transformation

与 metafor 类似的原始结果：

> meta_pkg$.glmm.random

Random-Effects Model (k = 13; tau^2 estimator: ML)

tau^2 (estimated amount of total heterogeneity): 0.3787
tau (square root of estimated tau^2 value):      0.6154
I^2 (total heterogeneity / total variability):   90.3989%
H^2 (total variability / sampling variability):  10.4155

Tests for Heterogeneity:
Wld(df = 12) =  95.9587, p-val < .0001
LRT(df = 12) = 108.7653, p-val < .0001

Model Results:

estimate      se     zval    pval    ci.lb   ci.ub 
 -0.1118  0.1880  -0.5946  0.5521  -0.4804  0.2567    

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

【问题讨论】：

试试transf.ilogit(0)，看看你会得到什么。

我猜transf.ilogit(0) 并没有真正对 logit 标度进行逆变换，因为我使用 res 对象得到了相同的结果。我尝试使用 meta 包得到与 metafor 相同的结果。

【参考方案1】：

p值是检验logit转换后的平均比例是否与0显着不同。这与检验比例是否与0显着不同。实际上transf.ilogit(0)给出的是0.5，所以这是正在测试的比例的相应值。您会注意到 0.5 在反向转换后落在置信区间内。所以一切都是完全一致的。