R语言meta/forest对象如何自定义展示疫苗有效性VE等效应量

无需修改meta、metafor包的底层效应量计算入口，直接通过包内置的transf参数传入自定义转换函数，即可实现VE（1-RR/1-OR）的自定义汇总展示，不需要额外依赖其他工具包。

常见误区说明 #

测试时发现transf参数不支持自定义规则，通常是因为尝试直接给escalc()的measure参数传入不存在的"1-RR"值。实际上效应量计算环节不需要自定义，只需要在模型汇总、森林图绘制环节做尺度转换即可，逻辑完全自洽，结果和直接计算VE的效应量完全一致。

metafor包实现代码 #

### 加载metafor包
library(metafor)

### 加载BCG疫苗数据集
data(dat.bcg)

### 第一步：按标准RR口径计算效应量（不需要自定义measure参数）
dat <- escalc(measure="RR", ai=tpos, bi=tneg, ci=cpos, di=cneg, data=dat.bcg)

### 第二步：拟合Meta分析模型（随机/固定效应均可）
res <- rma(yi, vi, data=dat, method="REML")

### 第三步：编写自定义VE转换函数
### 注意：metafor存储的yi是对数转换后的RR，需要先取指数还原为原始RR，再计算1-RR
trans_ve <- function(log_rr) {
  1 - exp(log_rr)
}

### 绘制自带VE汇总值的森林图
forest(res,
       transf = trans_ve, # 传入自定义转换函数
       xlab = "疫苗有效性（VE = 1-RR）",
       refline = 0, # VE=0对应RR=1，即无保护效应
       xlim = c(-1.5, 0.8), # 根据实际VE范围调整坐标轴区间
       at = c(-1, -0.5, 0, 0.5, 0.75), # 自定义坐标轴刻度
       header = c("研究", "VE [95%CI]"))

如果需要计算基于OR的VE，只需要把escalc()里的measure参数改为"OR"即可，转换函数逻辑不需要调整。

meta包实现代码 #

library(meta)
### 计算标准RR效应量
m_bcg <- metabin(event.e = tpos, n.e = tpos+tneg,
                 event.c = cpos, n.c = cpos+cneg,
                 data = dat.bcg,
                 sm = "RR",
                 method.tau = "REML")

### 绘制VE尺度森林图
### 注意：meta包metabin对象存储的是原始尺度RR，不需要做指数转换
forest(m_bcg,
       transf = function(rr) 1 - rr,
       xlab = "疫苗有效性（VE = 1-RR）",
       refline = 0,
       leftlabs = "研究名称",
       rightlabs = "VE [95%CI]")

关键注意事项 #

• 转换前务必确认原效应量的存储尺度：metafor的rma类对象默认存储对数转换后的RR/OR，必须先exp()还原再计算VE；meta包的metabin、metagen对象默认存储原始尺度的效应值，直接计算1-值即可，尺度搞错会出现完全错误的结果
• VE的置信区间方向和RR/OR相反：RR值越大对应VE值越小，转换时包会自动处理置信区间的上下限反转，不需要手动调整，只要转换函数逻辑正确即可
• 该方法仅改变效应量的展示尺度，不会改变模型的合并效应值、异质性检验、亚组分析等所有核心计算结果，统计可靠性和标准RR/OR输出完全一致

内容的提问来源于stack exchange，提问作者Nicolas