Tuesday, September 23, 2014

Các hàm R phổ biến 7: Phân tích tổng hợp (meta-analysis)

Dưới đây là một số hàm trong package metafor có thể dùng cho phân tích tổng hợp. Biến phân tích là biến nhị phân và biến liên tục.



Phân tích 
Hàm R
Phân tích biến nhị phân, 2 nhóm: chuẩn bị dữ liệu

Study = 1:13
N1 = số bệnh nhân nhóm 1
D1 = số biến cố nhóm 1
N0 = số bệnh nhân nhóm 2
D0 = số biến cố nhóm 2
S1 = N1-D1 # số không biến cố nhóm 1
S0 = N0-D0 # số không biến cố nhóm 2
bb = data.frame(Study,N1,D1,S1,N0,D0,S0)

Phân tích biến nhị phân, 2 nhóm: tính effect size 

library(metafor)
es = escalc(measure = "RR", ai=D1, bi=S1, ci=D0, di=S0, data=bb, append=T)

Phân tích biến nhị phân, 2 nhóm: random effects model  

re = rma(yi, vi, data = es);
summary(re);
plot(re) ;
forest(re, atransf=exp)

Phân tích biến liên tục, 2 nhóm: chuẩn bị dữ liệu (n=số đối tượng, m=trung bình, sd=độ lệch chuẩn) 

n1 = c(155,31,75,18,8,57,34,110,60)
m1 = c(55,27,64,66,14,19,52,21,30)
sd1 = c(47,7,17,20,8,7,45,16,27)
n2 = c(156,32,71,18,13,52,33,183,52)
m2 = c(75,29,119,137,18,18,41,31,23)
sd2 = c(64,4,29,48,11,4,34,27,20)
los = data.frame(n1,m1,sd1,n2,m2,sd2)

Phân tích biến liên tục, 2 nhóm: tính effect size  

library(metafor)
es = escalc(measure="MD", n1i=n1, m1i=m1, sd1i=sd1, n2i=n2, m2i=m2, sd2i=sd2, data=los, append=T)

Phân tích biến liên tục, 2 nhóm: random effects model   

re = rma(yi, vi, data=es, method="FE")
plot(re)
forest(re)




No comments:

Post a Comment