当研究结果的发表不仅取决于研究的质量,还取决于检验的假设,以及检测到的影响的意义和方向时,就会出现发表偏倚。对于meta分析,由于发表偏倚的存在,阴性结果无法获得,会过高的估计研究的效应。
漏斗图是用于检查是否存在发表偏倚的图表,在没有发表偏倚的情况下,它假设大样本的研究将绘制在平均值附近,而小样本的研究将均匀分布在平均值的两侧,形成大致漏斗状的分布。
绘图函数:funnel函数
library(meta)data(Olkin1995)m1 <- metabin(ev.exp, n.exp, ev.cont, n.cont,
data = Olkin1995, subset = c(41, 47, 51, 59),
studlab = paste(author, year),
sm = "RR", method = "I")funnel(m1)
Begg’s 检验、Egger’s 检验和 Macaskill’s 检验
begg基于标准化后的效应值和方差的相关性是否具有统计意义来判断,这里的相关使用的是kendall秩相关检验,Kendall’s 相关系数的取值介于 –1 到 +1 之间,越接近于 0,说明相 关性越弱;等于 0,可认为无相关,即不存在“发表偏倚”,
Egger 检验以标准化的效应值为应变量y和以效应估计量的精度(如标准误的倒数)为自变量 x,如果回归方程的截距接近于 0,则认为发表偏倚较小,若截距等于 0,即认为不存在“发表偏倚”。
Macaskill’s 检验直接以研究效应尺度为变量y和研究的样本例数为自变量 n,拟合加权线性回归方程,若斜率接近 0,并且无统计学意义,即认为不存在“发表偏倚”。
在r中使用meta包中的metabias函数实现,通过method.bias参数指定具体的检验方法
data(Olkin1995)m1 <- metabin(ev.exp, n.exp, ev.cont, n.cont,
data = Olkin1995, subset = 1:10,
sm = "RR", method = "I")metabias(m1)metabias(m1, plotit = TRUE)metabias(m1, method.bias = "Begg")
好久不见呀