meta分析中如何制定漏斗图异常值剔除标准？（基于metafor）

我正在开展Meta分析，使用metafor包绘制漏斗图评估发表偏倚。首先通过以下代码绘制以1/SE为纵轴的漏斗图，探索数据集并识别异常值：

par(mfrow = c(1, 2))
funnel(Soil_total_NPK$lnrr, Soil_total_NPK$v, yaxis="seinv",
       #xlim = c(-3, 3),
       ylab = "Precision (1/SE)",
       xlab = "Effect size (RR)", col = Soil_total_NPK$unique_id, atransf = exp)

绘制后发现，效应量方差存在极小值导致出现异常值。我尝试了以下代码，但仅剔除了一个最小方差值：

Soil_total_NPK1 <- Soil_total_NPK[Soil_total_NPK$v != min(Soil_total_NPK$v), ]

请问如何制定标准来剔除所有极小方差值？

实用的剔除方案与代码实现 #

以下是几种常用的、可落地的剔除标准，你可以根据数据集特点选择：

• 绝对阈值法：如果你了解研究领域内效应量方差的合理范围，直接设定最小值阈值。例如假设方差小于0.001属于异常值：

# 保留方差≥0.001的样本
Soil_total_NPK1 <- Soil_total_NPK[Soil_total_NPK$v >= 0.001, ]

• 分位数截断法：用百分位数（如第5或第10百分位数）作为截断点，剔除尾部的极小值，避免单一极端值的影响：

# 计算方差的第5百分位数作为 cutoff
var_cutoff <- quantile(Soil_total_NPK$v, 0.05)
# 筛选符合条件的样本
Soil_total_NPK1 <- Soil_total_NPK[Soil_total_NPK$v >= var_cutoff, ]

• 标准差离群值法：以均值减去2-3倍标准差作为下限（若结果为负则取0），剔除偏离整体分布的极小值：

var_mean <- mean(Soil_total_NPK$v)
var_sd <- sd(Soil_total_NPK$v)
# 用均值减2倍标准差作为阈值，避免负数阈值
var_cutoff <- max(var_mean - 2*var_sd, 0)
Soil_total_NPK1 <- Soil_total_NPK[Soil_total_NPK$v >= var_cutoff, ]

• 视觉结合法：根据漏斗图的视觉结果，定位异常点对应的方差区间，针对性设定阈值。比如从图中观察到方差小于0.002的点均为异常，就用该值作为 cutoff。

关键注意事项 #

• 剔除前务必检查极小方差的来源：是否是数据录入错误、效应量计算错误（如样本量误写为极大值导致方差极小），优先修正数据而非直接剔除。
• 剔除后需重新绘制漏斗图验证效果，同时在分析报告中明确说明剔除标准，保证结果的可重复性。

内容的提问来源于stack exchange，提问作者madina_b