By

文章目录

R语言之前看数据分析的时候想学来着，但是没有操作，最后选择了python。近日帮同学弄一个meta分析。
其实本质上就是利用meta库，求解
（1）加载meta库，镜像源选择“中国上海”
（2）看一下成功了没
（3）数据加载到rate变量
（4）看一下rate成功没
（5）进行换
（6）写入几个变换到csv文件里
（7）进行测试
（8）利用metaprop函数进行求解得到meterate
(9)后处理得到森林图，“Egger’s”图，和Gallbraith图
代码如下：
install.packages(“meta”)
library(meta)
rate<-read.csv(‘rate.csv’,sep=’,’,header=TRUE)
rate
transform(rate,p=event/n,log=log(event/n),logit=log((event/n)/(1-event/n)),arcsin=asin(sqrt(event/(n+1))),darcsin=0.5*(asin(sqrt(event/(n+1)))+asin(sqrt((event+1)/(n+1)))))->rate
write.csv(rate,file=’rate.csv’)
rate
shapiro.test (rate$p)
metarate<-metaprop(event,n,study,data=rate,sm=’PLOGIT’,incr=0.5,allincr=TRUE,addincr=FALSE,tile=”lanjie”)
funnel(metarate)
forest(metarate,digits=2)
metabias(metarate,method=”linreg”,plotit=TRUE,k.min=10)
metainf(metarate)|
表格的整理格式如下

table1

Study Event Num
M. Muzza et al 2014 13 30
F. Wang et al 2013 10 67
HyeYoung Jin et al 2014 20 43
Feng Sun et al 2018 66 110
C. Fu et al 2015 13 45
Kyoung-Jin Park 2015 19 112
Chunyun Fu 2016 13 45
Matsuo et al 2016 11 48
Hong Jiang 2016 10 12
M. Tan et al 2016 60 96
Long et al 2018 49 106
X. Fan et al 2017 21 66

tabel2

表头 表头 表头
内容 内容
内容		 内容
内容 内容 内容
文章目录