|
眾所周知，R具有免費(fèi)、源代碼開(kāi)放，以及出色的統(tǒng)計(jì)計(jì)算和繪圖表現(xiàn)能力等一系列優(yōu)點(diǎn)，頗受科研人員的喜愛(ài)。當(dāng)然，這些優(yōu)勢(shì)在meta分析上也表現(xiàn)得極為突出。 本教程以標(biāo)準(zhǔn)平均差(cohen’s d)作為效應(yīng)量的meta分析為例進(jìn)行演示，適用于比較兩種實(shí)驗(yàn)條件之間因變量的差異。例如“有、無(wú)干預(yù)條件下社交焦慮程度的差異”、“集中注意、分散注意條件下n-back任務(wù)的正確率差異”等等。 簡(jiǎn)單來(lái)講，實(shí)證研究中，可以進(jìn)行t檢驗(yàn)的結(jié)果，都可以參考以下教程，對(duì)數(shù)據(jù)進(jìn)行meta分析。 接下來(lái)，我們邀請(qǐng)到FarAway將逐步介紹用R做meta分析的基本步驟。 本文以軟件實(shí)操講解為主，如果讀者對(duì)meta分析的原理感興趣，推薦以下兩本書(shū)自行學(xué)習(xí)。  一、 準(zhǔn)備 工欲善其事必先利其器，先來(lái)說(shuō)說(shuō)準(zhǔn)備工作： 1. 下載并安裝R studio，在往期推文中我們已經(jīng)詳細(xì)介紹了R和Rstudio的安裝教程，按步驟操作即可！ 2. 安裝三個(gè)工具包：meta、metafor和xlsx 3. 準(zhǔn)備好上述需要進(jìn)行meta分析的數(shù)據(jù)，存放在電腦中，以備調(diào)用。  為方便講解，我們引用了《meta分析導(dǎo)論》里的一組數(shù)據(jù)（后臺(tái)回復(fù)“元分析資料”即可獲得案例數(shù)據(jù)），如下： 從左到右，依次是納入的研究效應(yīng)量的編號(hào)(No)、第一作者的姓名(author)、發(fā)表年份(year)、實(shí)驗(yàn)組因變量均值(exp_mean)、實(shí)驗(yàn)組均值的標(biāo)準(zhǔn)差(exp_sd)、實(shí)驗(yàn)組樣本量(exp_n)、控制組因變量均值(con_mean)、控制組均值的標(biāo)準(zhǔn)差(con_sd)、控制組樣本量(con_n)、效應(yīng)量(cohen’s d)、效應(yīng)量95%置信區(qū)間下限(lower)、效應(yīng)量95%置信區(qū)間上限(upper)、施測(cè)的地區(qū)(area)。 從上到下，每一行數(shù)據(jù)都代表一個(gè)原始研究(single study)的一個(gè)效應(yīng)量，如果一個(gè)原始研究中包括多個(gè)效應(yīng)量（如：有好幾個(gè)實(shí)驗(yàn)（或成對(duì)比較）及其結(jié)果），那么每一個(gè)效應(yīng)量應(yīng)該作為獨(dú)立的一行列在表格中。 我們注意到，很多實(shí)證研究中只報(bào)告均值、標(biāo)準(zhǔn)差/標(biāo)準(zhǔn)誤、樣本量等描述統(tǒng)計(jì)結(jié)果，并未提供效應(yīng)量，因此，通常在meta分析前，我們需要自己計(jì)算效應(yīng)量及其置信區(qū)間。文末有效應(yīng)量計(jì)算工具的推薦。 二、 配置環(huán)境和工具包 相信用過(guò)R軟件的小伙伴一定對(duì)工具包的安裝不陌生（可參見(jiàn)：R語(yǔ)言安裝及入門(mén)；以及RStudio介紹及入門(mén)）。 如圖輸入代碼-用鼠標(biāo)選中代碼內(nèi)容-點(diǎn)擊Run運(yùn)行代碼，R會(huì)自動(dòng)運(yùn)行下載安裝步驟。  **如果xlsx安裝不上，可能是電腦java環(huán)境配置的問(wèn)題，可以參考這篇文章《解決在R Studio中無(wú)法加載xlsx包的教程及方法配置java環(huán)境》。 網(wǎng)址鏈接如下： https://blog.csdn.net/qq_28557167/article/details/103563390?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task **如果仍然無(wú)法安裝xlsx package，也可以嘗試其他調(diào)用數(shù)據(jù)的方法： 例如：采用Rstudio導(dǎo)入數(shù)據(jù)的工具  三、導(dǎo)入數(shù)據(jù) 以代碼調(diào)用數(shù)據(jù)為例，如圖輸入數(shù)據(jù)存放的路徑代碼。  此條代碼中，路徑后的藍(lán)色1代表調(diào)用xlsx里sheet1的數(shù)據(jù)，如果需要調(diào)用sheet2里的數(shù)據(jù)，則將1改成2即可。 這里對(duì)需要分析的數(shù)據(jù)賦名為“metagen”，此后需要用metagen()函數(shù)執(zhí)行meta分析。 選中8-10行代碼，點(diǎn)擊Run，則完成數(shù)據(jù)導(dǎo)入。 **查詢路徑的方法是找到數(shù)據(jù)文檔，右鍵屬性，查看位置。  數(shù)據(jù)導(dǎo)入成功后，可以看到Console欄里出現(xiàn)數(shù)據(jù)內(nèi)容。  在Environment欄里也能看到metagen數(shù)據(jù)集，點(diǎn)擊紅框處，可以看到編列如表格的數(shù)據(jù)。  四、計(jì)算綜合效應(yīng)量 終于到了小伙伴們最關(guān)心的綜合效應(yīng)量計(jì)算環(huán)節(jié)了！ 對(duì)cohen’s d進(jìn)行綜合之前，我們還需要完成一步數(shù)據(jù)轉(zhuǎn)換的工作。Metagen()函數(shù)實(shí)現(xiàn)cohen’s d的meta分析是基于d值及其標(biāo)準(zhǔn)誤，以下是效應(yīng)量標(biāo)準(zhǔn)誤計(jì)算的代碼：  運(yùn)行后，可以看到Console窗口里增加了一列se。  接著，就需要載入meta工具，運(yùn)行如下代碼：
分析之后可以看到console報(bào)告的結(jié)果： 紅框 顯示的是meta分析里納入的每一個(gè)研究（或效應(yīng)量）所對(duì)應(yīng)的作者名、年份、Cohen’s d值，置信區(qū)間，以及固定效應(yīng)模型(fixed)和隨機(jī)效應(yīng)模型(random)計(jì)算出的權(quán)重。本次納入meta分析的研究（或效應(yīng)量）有6個(gè)，因此k=6。 黃框 顯示的是綜合效應(yīng)量的結(jié)果。如圖可見(jiàn)： 1. 固定效應(yīng)模型（fixed effect model）計(jì)算的綜合效應(yīng)量為0.4166，95%CI為[0.2906; 0.5426]，z檢驗(yàn)值為6.48，p<0.0001。【結(jié)果顯著】 2. 隨機(jī)效應(yīng)模型（random effects model）計(jì)算的綜合效應(yīng)量為0.3602，95%CI為[0.1534; 0.5671]，z檢驗(yàn)值為3.41，p=0.0006。【結(jié)果顯著】 **可以看到這里采用兩個(gè)模型計(jì)算出的顯著結(jié)果略有不同，研究中通常會(huì)采用更加保守的隨機(jī)效應(yīng)模型。感興趣的小伙伴可以進(jìn)一步了解兩個(gè)模型的區(qū)別。 藍(lán)框 顯示的是異質(zhì)性檢驗(yàn)的結(jié)果。主要看Q檢驗(yàn)的結(jié)果，以及I^2(I2)的值，一般來(lái)講，I2 值0%-25%為低異質(zhì)性, 50%-75%為中等異質(zhì)性，>75% 為高異質(zhì)性。異質(zhì)性越高，代表納入的研究（或效應(yīng)量）間差異越大，在實(shí)證研究中，這種差異可能是由于實(shí)驗(yàn)范式、被試特征、施策時(shí)間、施策地點(diǎn)差異等造成，因此大部分meta分析會(huì)進(jìn)一步假設(shè)可能的影響因素，再做亞組分析（詳見(jiàn)第七步）。 五、繪制森林圖 在meta分析的論文里森林圖是最為常見(jiàn)的結(jié)果可視化圖形，它可以直觀表現(xiàn)每個(gè)效應(yīng)量以及綜合效應(yīng)量的結(jié)果。 利用R繪制森林圖十分簡(jiǎn)單，運(yùn)行如下代碼即可。 在Plots窗口就可以看到自動(dòng)生成的森林圖，可以通過(guò)export導(dǎo)出圖片，簡(jiǎn)單的處理后就可以插入論文啦！ 六、發(fā)表偏倚檢驗(yàn) Meta分析的發(fā)表偏倚通常會(huì)通過(guò)：肉眼看漏斗圖的對(duì)稱分布主觀判斷和基于egger’s test的統(tǒng)計(jì)結(jié)果來(lái)判斷，以下就是兩種方法的代碼 1. 漏斗圖代碼： 運(yùn)行后在Plots可以查看并導(dǎo)出漏斗圖。 2. egger’s test代碼 運(yùn)行后可以在console窗口可以查看分析結(jié)果，p>0.05，說(shuō)明不存在發(fā)表偏倚，對(duì)應(yīng)的檢驗(yàn)圖在plots窗口可以查看并導(dǎo)出。 假設(shè)上述分析發(fā)現(xiàn)，存在發(fā)表偏倚，可以再做trim-and-fill method剪補(bǔ)法來(lái)檢驗(yàn)這一發(fā)表偏倚是否會(huì)影響到綜合效應(yīng)量的結(jié)果。 3. 剪補(bǔ)法 運(yùn)行如下代碼： 剪補(bǔ)法分析后，結(jié)果可以在Console窗口查看： 從分析結(jié)果看，原數(shù)據(jù)還是存在一定的偏差，漏斗右側(cè)少了兩個(gè)效應(yīng)量（此時(shí)k=9，剪補(bǔ)法分析后的漏斗圖右側(cè)多了3個(gè)空心圓，代表補(bǔ)上的效應(yīng)量）。 通過(guò)算法自動(dòng)補(bǔ)齊后，得到了一個(gè)新的綜合效應(yīng)量0.56，顯著性跟剪補(bǔ)法分析前的沒(méi)有變化，因此，在一定程度上可以說(shuō)明綜合效應(yīng)量不會(huì)受發(fā)表偏倚的影響。 七、亞組分析并繪制森林圖 在meta分析中，我們通常需要對(duì)單個(gè)研究進(jìn)行分類討論，類似于將單個(gè)研究按照變量分成不同的水平。在本范例中，我們假設(shè)納入的部分單個(gè)效應(yīng)量數(shù)據(jù)采集自A區(qū)域，另一部分采集自B區(qū)域，我們想要考察兩類問(wèn)卷測(cè)量出的結(jié)果是否存在差異，可以對(duì)問(wèn)卷進(jìn)行亞組分析，并繪制森林圖。運(yùn)行如下代碼： Console窗口顯示兩個(gè)亞組各自的綜合效應(yīng)量，可以看到： 固定效應(yīng)模型和隨機(jī)效應(yīng)模型的亞組分析都沒(méi)有發(fā)現(xiàn)組間(between groups)顯著的差異，表明數(shù)據(jù)采集的地區(qū)并不調(diào)節(jié)綜合效應(yīng)的結(jié)果。 八、元回歸分析 在meta分析里，我們對(duì)分類變量的調(diào)節(jié)作用的考察可以通過(guò)亞組分析來(lái)完成，對(duì)連續(xù)變量的調(diào)節(jié)作用，我們可以通過(guò)元分析來(lái)考察。例如：我們想知道文章發(fā)表年份(year)是否調(diào)節(jié)綜合效應(yīng)量的結(jié)果，我們可以采用如下代碼進(jìn)行元回歸分析： 可以看到元回歸并沒(méi)有發(fā)現(xiàn)顯著的結(jié)果，即year并不調(diào)節(jié)綜合效應(yīng)量，回歸系數(shù)為0.1035，p值為0.6395，截距為0.2993，R方為0.00%。 九、敏感性分析 我們也看到很多的meta分析論文會(huì)做額外的敏感性分析，尤其在發(fā)現(xiàn)綜合效應(yīng)量的異質(zhì)性較大的情況下，通過(guò)敏感性分析可以查看是否存在某些極端的納入研究，產(chǎn)生對(duì)綜合效應(yīng)量的影響。 運(yùn)行代碼后，我們看到結(jié)果顯示依次逐個(gè)剔除納入的研究，綜合效應(yīng)量的顯著性并未發(fā)生明顯的改變，表明納入的研究不存在極端的現(xiàn)象。 **meta工具包還可以自動(dòng)生成一些符合期刊要求的圖型，假設(shè)你想投醫(yī)學(xué)期刊JAMA，可以在繪圖前設(shè)置jama參數(shù)，代碼如下： 接著再繪制圖形，就會(huì)生成符合JAMA要求的圖形啦！例如，在設(shè)置后再次運(yùn)行繪制森林圖，就可以獲得如下圖形： 想要恢復(fù)默認(rèn)設(shè)置，輸入以下代碼即可：
效應(yīng)量計(jì)算工具有很多，在這里推薦一款專業(yè)的在線計(jì)算效應(yīng)量的神器：Practical Meta-Analysis Effect Size Calculator，基本上可以滿足大多數(shù)效應(yīng)量計(jì)算的需要。 網(wǎng)址如下： http://www./escalc/html/EffectSizeCalculator-SMD-main.php 這款工具最近也開(kāi)發(fā)了R的程序包，感興趣的朋友可以關(guān)注，它可以實(shí)現(xiàn)一些比網(wǎng)頁(yè)版更高級(jí)的功能。 esc package網(wǎng)址如下： https://strengejacke./esc 作者：FarAway |
|
|
