カテゴリー: Systematic Review

Rにはメタアナリシスを行うための便利なパッケージがいくつかあります。代表的なものを紹介しますね。

• metafor: メタアナリシスのための強力なパッケージで、固定効果モデルやランダム効果モデルの適用、フォレストプロットの作成などが可能です。
• meta: メタアナリシスのための包括的なパッケージで、異質性の評価や出版バイアスの検討など、多くの機能を備えています。
• rmeta: よりシンプルなメタアナリシスの実装を提供するパッケージで、基本的な統計解析を行うのに適しています。

これらのパッケージを使えば、メタアナリシスのデータ統合や異質性の評価、視覚化などがスムーズに行えます。どのパッケージを選ぶかは、分析の目的や必要な機能によります。試してみたいものはありますか？

meta パッケージを使って、分散逆数法 に基づくランダム効果モデルを適用し、二値変数アウトカムのメタアナリシスを実行するRスクリプトを紹介します。フォレストプロットとファンネルプロットを 新規ウインドウ に出力します。

スクリプト

# 必要なパッケージの読み込み
library(meta)

# 仮のデータセット
dat <- data.frame(
  study = c("Study 1", "Study 2", "Study 3", "Study 4", "Study 5"),
  rt = c(10, 20, 15, 25, 30),  # 介入群のイベント数
  nt = c(100, 200, 150, 250, 300),  # 介入群の総数
  rc = c(5, 15, 10, 20, 25),  # 対照群のイベント数
  nc = c(100, 200, 150, 250, 300)   # 対照群の総数
)

# メタアナリシスの実行（分散逆数法を用いたランダム効果モデル）
meta_analysis <- metabin(rt, nt, rc, nc, data = dat, 
                         studlab = study, sm = "RR", method = "Inverse", 
                         fixed = FALSE, random = TRUE)
                         common = FALSE
# メタアナリシスの結果をコンソールに出力
print(meta_analysis)

# 新規ウインドウでフォレストプロットを作成
windows()
forest(meta_analysis, xlab = "Risk Ratio", ref = 1)

# 新規ウインドウでファンネルプロットを作成
windows()
funnel(meta_analysis)

ポイント

• metabin() 関数を使用して、二値変数アウトカムのメタアナリシスを実行。
• sm = "RR" でリスク比（Risk Ratio）を指定。
• method = "Inverse" で 分散逆数法 を適用。
• random = TRUE で ランダム効果モデル を使用。
• windows() を使って 新規ウインドウ にプロットを出力。

このスクリプトを実行すれば、分散逆数法を用いたメタアナリシスを適切に実施できます。試してみて、調整したい点があれば教えてくださいね！詳しい解説は こちら で確認できます。

その部分だけを示します。

# Begg検定（順位相関検定）
begg_test <- metabias(meta_analysis, method = "rank")
print(begg_test)

# Egger検定（回帰分析による検定）
egger_test <- metabias(meta_analysis, method = "linreg")
print(egger_test)

関連したところだけを以下に示します。また、addpredとなっていた引数名をpredictionに訂正してあります。

# メタアナリシスの結果をコンソールに出力（予測区間を含む）
print(meta_analysis, prediction = TRUE)

# フォレストプロットの作成（予測区間を追加）
forest(meta_analysis, xlab = "Risk Ratio", ref = 1, prediction = TRUE)

その通りです！meta パッケージのフォレストプロットで 予測区間 (Prediction Interval, PI) を追加するには、prediction = TRUE を指定します。

予測区間を出力し、フォレストプロットに追加する方法

# 必要なパッケージの読み込み
library(meta)

# 仮のデータセット
dat <- data.frame(
  study = c("Study 1", "Study 2", "Study 3", "Study 4", "Study 5"),
  rt = c(10, 20, 15, 25, 30),  # 介入群のイベント数
  nt = c(100, 200, 150, 250, 300),  # 介入群の総数
  rc = c(5, 15, 10, 20, 25),  # 対照群のイベント数
  nc = c(100, 200, 150, 250, 300)   # 対照群の総数
)

# メタアナリシスの実行（リスク比を使用）
meta_analysis <- metabin(rt, nt, rc, nc, data = dat, 
                         studlab = study, sm = "RR", method = "Inverse", 
                         fixed = FALSE, random = TRUE)

# メタアナリシスの結果をコンソールに出力（予測区間を含む）
print(meta_analysis, prediction = TRUE)

# フォレストプロットの作成（予測区間を追加）
forest(meta_analysis, xlab = "Risk Ratio", ref = 1, prediction = TRUE)

ポイント

• print(meta_analysis, prediction = TRUE) を指定すると、統合値の 予測区間 がコンソールに出力されます。
• forest(meta_analysis, prediction = TRUE) を指定すると、フォレストプロットに 予測区間 が追加されます。

この方法を試してみて、さらにカスタマイズしたい点があれば教えてくださいね！詳しい解説は こちら で確認できます。

その通りです！meta パッケージの metabin() 関数では、固定効果モデルとランダム効果モデルの指定方法が fixed ではなく、common（固定効果モデル）と random（ランダム効果モデル）を使います。

正しいメタアナリシスの実行方法

# 必要なパッケージの読み込み
library(meta)

# 仮のデータセット
dat <- data.frame(
  study = c("Study 1", "Study 2", "Study 3", "Study 4", "Study 5"),
  rt = c(10, 20, 15, 25, 30),  # 介入群のイベント数
  nt = c(100, 200, 150, 250, 300),  # 介入群の総数
  rc = c(5, 15, 10, 20, 25),  # 対照群のイベント数
  nc = c(100, 200, 150, 250, 300)   # 対照群の総数
)

# メタアナリシスの実行（リスク比を使用）
meta_analysis <- metabin(rt, nt, rc, nc, data = dat, 
                         studlab = study, sm = "RR", method = "Inverse", 
                         common = FALSE, random = TRUE)

# メタアナリシスの結果をコンソールに出力（予測区間を含む）
print(meta_analysis, prediction = TRUE)

# フォレストプロットの作成（予測区間を追加）
forest(meta_analysis, xlab = "Risk Ratio", ref = 1, prediction = TRUE)

ポイント

• common = FALSE で 固定効果モデルを無効化。
• random = TRUE で ランダム効果モデルを適用。
• print(meta_analysis, prediction = TRUE) で 予測区間を出力。
• forest(meta_analysis, prediction = TRUE) で フォレストプロットに予測区間を追加。

この方法を試してみて、さらにカスタマイズしたい点があれば教えてくださいね！詳しい解説は こちら で確認できます。

meta パッケージの forest() 関数における ref 引数は、フォレストプロットの参照線の位置 を指定するためのものです。通常、効果量の基準値（例えば 1 や 0）を設定します。

ref 引数の使い方

forest(meta_analysis, xlab = "Risk Ratio", ref = 1)

• ref = 1 → リスク比 (RR) の場合、1 を基準線として設定
• ref = 0 → 標準化平均差 (SMD) の場合、0 を基準線として設定

ポイント

• ref を指定すると、フォレストプロットに 垂直の基準線 が追加されます。
• オッズ比やリスク比 の場合は ref = 1 が一般的。
• 標準化平均差 (SMD) の場合は ref = 0 を使用。

詳しい解説は こちら で確認できます。試してみたい設定はありますか？