R语言meta包中summary()与直接访问对象的亚组合并效应量差异问题
R语言meta包亚组合并效应量提取差异问题
使用meta包开展随机效应meta分析时,发现通过summary()函数获取的亚组合并效应量,与直接从meta分析对象元素中提取的结果存在显著差异:I²和tau²数值一致,但COR、95%置信区间上下限差异明显。以下是问题复现及解决方法:
可复现代码
# 加载meta包 library(meta) # 构建meta分析数据集 meta_data <- data.frame( subgroup = c("Subgroup1", "Subgroup1", "Subgroup2", "Subgroup2", "Subgroup1", "Subgroup2"), cor = c(0.5, 0.6, 0.7, 0.8, 0.7, 0.65), n = c(50, 60, 70, 80, 90, 85) ) # 执行随机效应meta分析(按亚组分层) x <- metacor( cor = meta_data$cor, n = meta_data$n, data = meta_data, common = FALSE, random = TRUE, subgroup = subgroup ) # 通过summary()获取亚组结果 summary(x)
summary()输出的亚组核心结果
k COR 95%-CI tau^2 tau Q I^2 subgroup = Subgroup1 3 0.6190 [0.4920; 0.7201] 0.0105 0.1022 3.24 38.3% subgroup = Subgroup2 3 0.7228 [0.6176; 0.8025] 0.0155 0.1247 4.35 54.0%
直接访问对象元素的原始代码及结果
# 直接提取对象元素的代码(未做转换) cbind(k=x$k.study.w, COR=round(x$TE.random.w, 3), `95%CI`= paste(round(x$lower.random.w, 3), round(x$upper.random.w, 3),sep = "; "), tau2 = round(x$tau2.w, 3), I2 = paste(round(x$I2.w*100, 2), "%", sep=""))
输出结果:
k COR 95%CI tau2 I2 Subgroup1 "3" "0.723" "0.539; 0.908" "0.01" "38.32%" Subgroup2 "3" "0.913" "0.721; 1.106" "0.016" "54%"
差异原因
meta包的metacor()函数默认会对相关系数进行Fisher's z转换——因为相关系数的分布不是正态分布,转换后更适合进行合并分析。summary()输出的是转换回原始相关系数尺度的结果,而直接提取TE.random.w、lower.random.w、upper.random.w得到的是z转换后的合并值,这就是两者差异的核心原因。
解决方法
需要将提取的z转换值通过meta::z2cor()函数转换回原始相关系数尺度,修正后的代码如下:
# 修正后的亚组结果提取代码 subgroup_results <- data.frame( k = x$k.study.w, COR = round(meta::z2cor(x$TE.random.w), 4), lower_CI = round(meta::z2cor(x$lower.random.w), 4), upper_CI = round(meta::z2cor(x$upper.random.w), 4), tau2 = round(x$tau2.w, 4), I2 = paste(round(x$I2.w * 100, 1), "%", sep = "") ) # 格式化95%置信区间 subgroup_results$`95%-CI` <- paste0("[", subgroup_results$lower_CI, "; ", subgroup_results$upper_CI, "]") # 输出最终结果(与summary()一致) subgroup_results[, c("k", "COR", "95%-CI", "tau2", "I2")]
运行后输出:
k COR 95%-CI tau2 I2 Subgroup1 3 0.6190 [0.4920; 0.7201] 0.0105 38.3% Subgroup2 3 0.7228 [0.6176; 0.8025] 0.0155 54.0%
内容的提问来源于stack exchange,提问作者user115916
相关产品推荐
相关产品推荐

