从R中的输出中提取meta分析估计和CI 库（meta） m1

95%CI由

summary.meta

函数提供：

library(meta)
m1 <- metaprop(4:1, c(10, 20, 30, 40))
m2 <- update(m1, sm="PAS")
m3 <- update(m1, sm="PRAW")
m4 <- update(m1, sm="PLN")
m5 <- update(m1, sm="PFT")
#
forest(m5)

---

很常见的情况是，控制台上显示的输出（或图形输出）中的“神秘值”实际上不是复杂对象的一部分，而是由一个（或多个）的

打印来计算。

，

绘图。

，或

摘要。

与对象的某个类关联的函数。在本例中，我首先查看了帮助页面（在那里我没有发现任何有用的内容），然后查看了

getAnywhere（print.metaprop）

的代码，然后使用

m5

的第二个类

getAnywhere（print.meta）

然后看到使用了一个

摘要

函数。

为了计算随机效应模型（95%置信区间）估计的比例，

m5$TE.random

，

m5$lower.random

和

m5$upper.random

值需要根据

metaprop

中指定的

sm

选项进行反变换
让我们考虑选择logit变换来计算总体比例的第一种情况：

summary(m5)
Number of studies combined: k = 4

                     proportion           95%-CI  z  p-value
Fixed effect model       0.0775 [0.0272; 0.1449] --       --
Random effects model     0.1093 [0.0138; 0.2589] --       --

Quantifying heterogeneity:
 tau^2 = 0.0229; H = 1.78 [1.05; 3.04]; I^2 = 68.6% [9.1%; 89.2%]

Test of heterogeneity:
    Q d.f.  p-value
 9.56    3   0.0227

Details on meta-analytical method:
- Inverse variance method
- DerSimonian-Laird estimator for tau^2
- Freeman-Tukey double arcsine transformation
- Clopper-Pearson confidence interval for individual studies

然后我们使用

meta:：：backtransf

函数

meta

(random.est1 <- c(m1$TE.random,m1$lower.random,m1$upper.random))

###############
[1] -1.9788316 -3.2521123 -0.7055509

或者直接使用logit反向转换

logit2p

：

meta:::backtransf(random.est1, sm="PLOGIT")
#######
[1] 0.12144344 0.03725106 0.33058266

这相当于：

meta:::logit2p(random.est1)
#######
[1] 0.12144344 0.03725106 0.33058266

现在我们考虑使用Freeman Tukey双正弦变换的第二个例子：

plogis(random.est1)
#######
[1] 0.12144344 0.03725106 0.33058266

m2
plogis(random.est1)
#######
[1] 0.12144344 0.03725106 0.33058266

m2 <- metaprop(4:1, c(10, 20, 30, 40), sm="PFT")
summary(m2)

###################
Number of studies combined: k = 4

                     proportion           95%-CI  z  p-value
Fixed effect model       0.0775 [0.0272; 0.1449] --       --
Random effects model     0.1093 [0.0138; 0.2589] --       --

Quantifying heterogeneity:
 tau^2 = 0.0229; H = 1.78 [1.05; 3.04]; I^2 = 68.6% [9.1%; 89.2%]

Test of heterogeneity:
    Q d.f.  p-value
 9.56    3   0.0227

Details on meta-analytical method:
- Inverse variance method
- DerSimonian-Laird estimator for tau^2
- Freeman-Tukey double arcsine transformation
- Clopper-Pearson confidence interval for individual studies
###################

random.est2 <- c(m2$TE.random,m2$lower.random,m2$upper.random)
unlist(lapply(random.est2, meta:::backtransf,  sm="PFT", n=1/mean(1/m2$n)))
########
[1] 0.10932841 0.01376599 0.25889792

unlist(lapply(random.est2, meta:::asin2p,  n=1/mean(1/m2$n))) 
##########
[1] 0.10932841 0.01376599 0.25889792