如何在R中合并同研究OR值并开展随机效应模型Meta分析

拟采用随机效应模型开展Meta分析，数据包含研究名称、比值比（Odds Ratio, OR）及95%置信区间。因分析变量由多个子变量构成（如物质使用障碍包含酒精使用障碍、大麻使用障碍等），部分研究针对同一变量存在多个效应量。为控制同研究的影响，需要先合并每个研究的效应量，再将合并后的效应量用于随机效应模型Meta分析。

数据结构如下：

dput(data)
structure(list(author = c("Study 1", "Study 1", 
"Study 2", "Study 3", "Study 3", 
"Study 4", "Study 5", "Study 5"
), OR = c(2.88, 0.75, 1.09, 4.24, 2.64, 2.77, 2.6, 3.2), ci.low = c(1.07, 
0.31, 0.39, 0.89, 1.25, 1.63, 1.2, 1.6), ci.high = c(13.38, 1.81, 
3.03, 20.25, 5.62, 4.69, 5.7, 6.2), row.names = 4:8, class = "data.frame")

尝试使用metagen函数并设置cluster = author参数，但随机效应模型的结果在使用该参数前后无差异，未实现正确调整。代码如下：

metagen(TE = OR, lower = ci.low, upper = ci.high, 
        studlab = author, fixed = F, random = T, cluster = author,
        sm = "OR", data = data)

需要解决的问题：如何正确合并单个研究的多个效应量，并将其用于随机效应模型以获得合并OR值？

你需要分两步完成：先按研究合并内部的多个效应量，得到每个研究的单一合并效应量；再用这些合并后的结果进行随机效应Meta分析。

步骤1：合并同一研究内的多个效应量 #

使用meta包的metagen函数，按研究分组，对每个研究内部的效应量进行合并（同一研究内的效应量通常针对同一总体子指标，异质性较低，推荐用固定效应模型）。

library(meta)

# 按研究分组，合并每个研究内的效应量（OR需先取对数，避免偏倚）
study_level_meta <- by(data, data$author, function(subdata) {
  metagen(TE = log(subdata$OR),
          lower = log(subdata$ci.low),
          upper = log(subdata$ci.high),
          sm = "OR",
          fixed = TRUE,
          random = FALSE)
})

# 提取每个研究合并后的核心结果
merged_data <- do.call(rbind, lapply(study_level_meta, function(x) {
  data.frame(
    author = x$studlab[1],
    merged_OR = exp(x$TE.fixed),
    merged_ci_low = exp(x$lower.fixed),
    merged_ci_high = exp(x$upper.fixed),
    se_logOR = x$seTE.fixed
  )
}))

步骤2：用合并后的研究水平效应量做随机效应Meta分析 #

基于步骤1得到的merged_data，再次使用metagen函数进行随机效应模型分析：

final_meta <- metagen(TE = log(merged_OR),
                      seTE = se_logOR,
                      studlab = author,
                      sm = "OR",
                      fixed = FALSE,
                      random = TRUE,
                      data = merged_data)

# 查看合并结果
print(final_meta)
# 绘制森林图
forest(final_meta)

关键说明 #

• cluster参数的局限性：metagen中的cluster参数是用于直接在Meta模型中考虑同一研究内效应量的相关性，而非先合并研究内效应量，这和你的需求逻辑不符，因此之前用该参数无法得到预期结果。
• 对数转换的必要性：OR属于右偏分布，取对数后近似正态分布，合并结果更准确，最后再转换回原始OR尺度。
• 研究内合并模型选择：若同一研究内子指标异质性较大，也可改用随机效应模型合并，但需在结果中解释合理性。

内容的提问来源于stack exchange，提问作者Noa