使用metafor计算SMD效应量：如何输入组间差异标准差而非各组独立SD？

核心逻辑 #

配对设计的SMD有两种主流计算口径，仅提供差值标准差时可以选择匹配的口径直接计算，无需两组各自的标准差：

• 基于差值标准差计算的标准化均数差（SMDd，又称Cohen's d for dependent samples），直接使用差值的统计量即可完成计算，适合所有配对设计场景
• 若需统一使用基于两组合并组内标准差的SMD口径，可通过填补配对相关系数反推所需参数

具体实现方案 #

方案1：直接用metafor内置函数计算 #

metafor的escalc函数支持单组标准化均值计算，直接传入差值的统计量即可得到校正后的效应量与方差：

library(metafor)
# 假设你的数据集dat包含字段：
# mdiff：两组差值的均数
# sdiff：两组差值的标准差
# n：配对样本量（配对设计两组样本量一致）
dat <- escalc(measure = "SM", m1 = mdiff, sd1 = sdiff, n1 = n, data = dat)

输出的yi列即为校正小样本偏差后的Hedges' g值，vi列为对应方差，可直接传入rma函数做后续meta合并。

方案2：手动计算效应量与方差 #

如果需要自定义校正规则，也可以手动计算：

# 未校正的Cohen's d
dat$d <- dat$mdiff / dat$sdiff
# Hedges小样本校正因子
dat$J <- 1 - 3/(4*(dat$n - 1) - 1)
# 校正后的Hedges' g
dat$g <- dat$d * dat$J
# g的抽样方差
dat$var_g <- 1/dat$n + (dat$g^2)/(2*dat$n)

注意事项 #

SMDd和基于两组独立合并标准差计算的SMD口径不统一，不可直接合并。如果你的纳入研究同时存在两种报告类型，有两种处理方式：

1. 将报告了两组SD的研究也转换为SMDd口径：先计算差值均数、差值标准差，再用上述方法计算效应量
2. 参考同领域相近研究的配对相关系数r（通常前后测设计r在0.5~0.8区间），通过公式sd_diff = sqrt(sd1² + sd2² - 2*r*sd1*sd2)反推缺失参数，统一使用常规SMD口径，建议取多个r值做敏感性分析验证结果稳定性。

内容的提问来源于stack exchange，提问作者Sara