metafor包是否仅接受单研究单行的长格式数据？多行数据需转置吗？

metafor包并非仅接受单研究对应一行的格式，需根据数据类型和分析需求灵活处理：

• 若你的数据是「单研究的实验组、对照组各占一行」（每行对应一个组，通过研究ID关联），使用escalc计算组间效应量（如SMD、RR、OR等）时，确实需要将数据转换为单研究单行的宽格式——因为escalc需要明确传入两组各自的统计量（如样本量、均值、标准差）。不过这个转换可以用数据工具快速完成，无需手动操作。

  举个实际操作例子：
  假设你有长格式分组数据：

  dat_long <- data.frame(
    study = c(1,1,2,2),
    group = c("treat", "control", "treat", "control"),
    n = c(50,50,40,40),
    mean = c(10,8,12,9),
    sd = c(2.3,2.1,3.0,2.8)
  )
  

  用tidyr转为宽格式：

  library(tidyr)
  dat_wide <- dat_long %>%
    pivot_wider(
      id_cols = study,
      names_from = group,
      values_from = c(n, mean, sd),
      names_sep = "_"
    )
  

  再传入escalc计算效应量：

  library(metafor)
  dat_wide <- escalc(measure = "SMD", 
                     m1i = mean_treat, n1i = n_treat, sd1i = sd_treat,
                     m2i = mean_control, n2i = n_control, sd2i = sd_control,
                     data = dat_wide)
  

• 若你的数据是「单研究内包含多个效应量」（比如同一研究的不同结局指标、亚组分析结果各占一行），这种长格式反而更适合直接分析，无需转置为单行。可以用rma.mv等函数构建多级元分析模型，处理研究内的聚类效应：

  dat_multi <- data.frame(
    study = c(1,1,2,2),
    outcome = c("A", "B", "A", "B"),
    yi = c(0.8, 0.6, 1.0, 0.7),
    vi = c(0.05, 0.04, 0.06, 0.03)
  )
  
  model <- rma.mv(yi ~ 1, V = vi, random = ~ 1 | study/outcome, data = dat_multi)
  

简单总结：如果是组间对比的分组数据，需要转宽格式给escalc；如果是同一研究的多个效应量，长格式可直接用于后续分析。

内容的提问来源于stack exchange，提问作者shizzle