这里以我的一篇meta分析为例，详细描述meta分析的一般步骤，该例子实现的是效应量β的合并
R包:metafor或meta包，第一个例子以metafor包为例。
1.准备数据集
2.异质性检验
install.packages("metafor")library(metafor)metamod
可以看到I^2为28.34%，属于低度异质性，可采用固定效应模型。异质性低的时候可以采用固定效应模型和随机效应模型，结果差别不大，但高异质性只能选择随机效应模型，否则会使结果外推性受到约束。此处选择随机效应模型是出于保守情况考虑。
fixed-effect model是基于跨研究间不存在异质性的假设，也就是其合并时，默认运算是认为所纳入合并的研究均为同质；random-effect model是基于跨研究间存在异质性的假设，该合并模型承认研究间异质性的存在，但是不对异质性加以处理；如果纳入合并的研究间存在异质性，尽管未达到我们常规设定的I^2>50%，但是在用fixed-effect model合并时，默认运算直接忽略这一部分异质性的存在，这样合并的结果会造成假阳性误差，而选用random-effect model合并时，尽管不处理异质性，但是其默认运算承认异质性的存在，合并结果更可信！
3.森林图绘制
forestplot
结果如下图
黑色方块表示的是权重大小，对应着右方的weight，水平横线是95%置信区间。菱形是合并效应值，95%置信区间小于0，意味着meta分析结果有统计学意义。
4.文献发表偏倚检验
可以用漏斗图及Begger's及Egger's检验
funnel(metamod)ranktest(metamod)#Begg's检验#regtest(metamod)#Egger's检验#
可能是由于文献数量的限制，漏斗图呈现明显不对称模式，无法判断是由于发表偏倚所致还是文献数量太少的缘故
可以看出Begg's检验及Egger's 检验的结果，P值都是大于0.05的，也就意味着没有发表偏倚。
5.敏感性检验
leavelout(metamod,digits = 3)
本文转载自CSDN一个人旅行*-*
往期内容：
R数据分析：贝叶斯定理的R语言模拟
R数据分析：用R语言做潜类别分析LCA
R可视化：如何用R做一个让别人一目了然的图
R语言：利用caret的dummyVars函数设置虚拟变量
R数据分析：R Markdown：数据分析过程报告利器，你必须得学呀
如果觉得《r语言数据变量分段_R数据分析：用R语言做meta分析》对你有帮助，请点赞、收藏，并留下你的观点哦！
