CRAN 任务视图：Meta 分析

本任务视图涵盖了包含用于对来自主要研究的汇总统计数据进行 meta 分析的工具的包。本任务视图不考虑对单个参与者数据 (IPD) 的 meta 分析，这可以通过任何标准线性建模函数来处理，但它确实包含一些提供 IPD 特殊工具的包。

标准 meta 分析模型是一种加权最小二乘法，因此原则上任何提供加权最小二乘法的广泛 R 包都可以拟合该模型。使用专用包的优点是 (a) 它处理了必要的微调 (b) 它提供了一系列辅助函数来显示和调查模型。下面提到的模型指的是这个模型。

当汇总统计数据不可用时，可以对显著性水平进行 meta 分析。这与多重比较校正问题并不完全无关，但下面提供的包（主要是在遗传数据背景下提供此功能）也提供了其他功能。

单变量 meta 分析

准备 meta 分析

• The primary studies often use a range of statistics to present their results. Convenience functions to convert these onto a common metric are presented by: compute.es which converts from various statistics to d, g, r, z, and the log odds ratio, MAd which converts to mean differences, and metafor which converts to an extensive set of effect size measures for comparative studies (such as binary data, person years, mean differences and ratios, and so on), for studies of association (a wide range of correlation types), and for non-comparative studies (proportions, incidence rates, and mean change). It also provides for a measure used in psychometrics (Cronbach’s alpha). esc provides a range of effect size calculations with partial overlap with metafor but with some extras, noticeably for converting test statistics, and also includes a convenience function for collating its output for input to another package like metafor or producing a CSV file. estimraw estimates the cell frequencies from odds ratios, risk ratios, or risk differences. effsize contains functions to compute mean difference effect sizes (Cohen’s d and Hedges’ g) and measures of dominance (Cliff’s delta) and stochastic superiority (Vargha-Delaney A). effectsize provides a large number of different effect sizes and converts between them. psychmeta provides extensive facilities for converting effect sizes and correcting for various restrictions and measurement artifacts. metansue provides some methods for converting to effect sizes, while es.dif computes Cohen’s d, Hedges’ g, biased/unbiased c (an effect size between a mean and a constant), and e (an effect size between means without assuming variance equality) from raw data. MOTE provides a variety of conversions based on Cohen’s d. estmeansd converts between quantiles and means and standard deviations. metaBLUE estimates means and standard deviations from various order statistics. SingleCaseES provides basic effect sizes for single-case designs including parametric and non-overlap measures. smd computes standardised mean differences. CohensdpLibrary provides Cohen’s d from a variety of designs.
• meta 提供函数来读取和处理 RevMan 4 和 5 输出的文件。
• metagear 提供了许多用于系统评价过程的工具，包括筛选文章、下载文章、生成 PRISMA 图表，以及一些用于效应量的工具。 revtools 提供了从书目数据库下载的工具，并使用机器学习方法来处理它们。 citationchaser 帮助追溯引用。
• metavcov 计算多元 meta 分析的方差-协方差矩阵，当可以提供结果之间的相关性但不能提供治疗效果之间的相关性时。
• clubSandwich 和 metafor 提供函数来为多元 meta 分析估算方差-协方差矩阵。
• metafuse 使用融合套索将多个独立数据集的协变量估计值合并在一起。
• metapower 提供了 meta 分析和 meta 回归的功效分析。 POMADE 对依赖效应量的 meta 分析中的总体平均效应量做了同样的事情。
• PRISMA2020 生成符合 PRISMA 2020 版本的交互式流程图，PRISMAstatement 也生成符合 PRISMA 语句的流程图。
• reappraised 提供用于检查试验组完整性的工具。
• RTSA 提供试验序贯分析。
• 几个包提供帮助从已发布的图表中数字化数据：metaDigitise 和 juicr 提供图形界面并接受各种输入格式。 digitize 的功能范围更有限。

拟合模型

• 四个包提供逆方差加权、Mantel-Haenszel 和 Peto 方法：meta、metafor、rmeta 和 epiR。
• 对于二元和时间事件数据，metafor 还提供二项式-正态模型和泊松-正态模型。
• 使用特定效应量的包可能更适合某些科学领域的工作人员。 MAd 提供用于标准化均值差异的荟萃分析的功能，并提供一系列图形。
• psychmeta 实现 Hunter-Schmidt 方法（也称为心理测量荟萃分析），包括对可靠性和其他伪影的校正。
• 贝叶斯方法包含在各种包中。 bspmma 提供两种不同的模型：非参数模型和半参数模型。提供结果的图形显示。 bayesmeta 包括收缩估计、荟萃回归、后验预测 p 值和森林图，通过 metafor 或 forestplot。诊断图形输出可用。 metaBMA 使用模型平均提供贝叶斯方法；提供各种先验，用户可以定义新的先验。 MetaStan 包括二项式-正态分层模型，可以使用弱信息先验来估计异质性和治疗效果参数。 baggr 使用 Stan 为分层贝叶斯模型提供工具；提供图形工具。 brms 也可以使用 Stan 作为后端来拟合贝叶斯荟萃分析模型。 BayesCombo 使用贝叶斯方法提供工具，并具有图形工具。 RBesT 使用贝叶斯综合从各种来源生成先验。 metamisc 提供一种方法，该方法使用 Higgins 建议的先验。 RoBMA 提供一个框架，用于估计荟萃分析模型的集合，并使用贝叶斯模型平均来组合它们，它还提供荟萃回归。 ra4bayesmeta 在贝叶斯正态-正态模型中提供原则性参考分析。 metabup 使用基本不确定性合并提供贝叶斯方法。 mmeta 为可能相关的 2x2 表提供贝叶斯方法。
• 一些软件包专注于提供核心元分析功能的专业版本，而不提供全面的辅助功能。这些包括：metaLik，它使用更复杂的方法来处理似然函数；metatest，它提供另一种改进的置信区间获取方法；gmeta (已归档)，它将多种模型纳入置信分布方法，并提供图形显示；以及CoTiMA，它使用 OpenMx 作为引擎，在 SEM 框架下对具有不同时间滞后的研究进行重复测量变量的相关矩阵的元分析。
• metaplus拟合随机效应模型，通过提供 t 分布或混合正态分布，放宽了随机效应服从正态分布的通常假设。
• ratesci使用各种置信区间方法，对二元数据拟合随机效应模型。
• RandMeta使用高效算法估计随机效应模型中的精确置信区间。
• rma.exact估计随机效应正态-正态模型中的精确置信区间，并提供它们的图表。
• pimeta提供了一系列从随机效应模型中估计预测区间的方法，并具有图形功能。
• metamedian实现了多种方法来对报告中位数作为结果的一组或两组研究进行元分析。这些方法估计了一组情况下合并的中位数，以及两组情况下合并的组间中位数的原始差异。 meta 和 metafor 也提供了中位数的方法。
• MetaUtility提出了一种度量方法，用于估计超过科学重要性临界值的效应比例。
• metasens提供了缺失二元数据的插补方法。
• metagam 提供了一个用于广义加性模型的荟萃分析框架，包括无法跨地点共享个人参与者数据的案例，以及 EvidenceSynthesis 也结合了无法共享个人参与者数据的多个站点。
• metawho 实现了一种方法来合并研究内部的交互作用。
• metarep 在传统分析后提供可重复性分析。
• rema 使用排列方法来处理罕见事件数据的荟萃分析。
• meta.shrinkage 使用收缩方法来提供更好的荟萃分析中个体均值的估计。
• metaumbrella 提供了用于伞形综述的工具。
• vcmeta 提供了用于变系数荟萃分析的函数，作为通常的固定效应或随机效应方法的替代方法。
• robustmeta 提供了用于荟萃分析的方法，用于处理原始研究可能存在有影响力的离群值的情况。
• coefa 提供了一种基于共现矩阵进行因子分析荟萃分析的方法。
• CausalMetaR 提供了稳健且高效的方法，用于使用多源数据集估计目标人群中的因果效应。
• metainc 通过计算决策不一致指数 (DI) 和跨研究不一致 (ASI) 指数来评估荟萃分析中的不一致性。允许从各种包输入数据。

图形方法

提供了一系列广泛的图形程序。

• 森林图在 forplo、forestly（交互式图）、forestmodel（使用 ggplot2）、forestplot、forestploter、meta、metafor、metansue、psychmeta 和 rmeta 中提供。虽然最基本的图可以由任何一个包生成，但它们都提供了自己的增强选择。 metaviz 提供了一系列增强功能。
• 漏斗图在 meta、metafor、metansue、rmeta 和 weightr 中提供。除了标准漏斗图之外，metasens 中提供了用于极限荟萃分析的漏斗图，而 metaviz 提供了一系列广泛的增强漏斗图，以及在视觉推断背景下使用它们的工具。
• 径向图（Galbraith 图）在 meta 和 metafor 中提供。
• L’Abbe 图在 meta 和 metafor 中提供。
• Baujat 图在 meta 和 metafor 中提供。
• meta 提供帘式图。
• MetaAnalyser 提供了荟萃分析结果的交互式可视化。
• metaviz 提供了热带雨林图，它是森林图的增强版本。它接受来自 metafor 的输入。
• DTAplots 为诊断研究生成各种图，包括森林图和 SROC 图。
• GOSH 图在 metafor 中提供。
• robvis 可用于可视化偏倚风险 (rob) 评估的结果。
• xmeta 提供了星系图，它是多元荟萃分析漏斗图的类似物。

研究异质性

• 异质性参数的置信区间在 metafor 中提供。
• altmeta 展示了各种用于测量和检验异质性的替代方法，重点关注对异常研究的稳健性。
• mc.heterogeneity 实施了基于蒙特卡罗的异质性检验。
• boot.heterogeneity 为均值差异、相关性和优势比提供了异质性的自举检验。

模型批评

• 在 metafor 中提供了一系列用于检测异常值和影响研究的诊断统计量图。
• metaplus 提供异常值诊断。
• EValue 提供了未测量混杂因素影响的敏感性分析。
• boutliers 为异常值检测和影响诊断提供了自举分布。
• metaconfoundr 提供多种方法来可视化荟萃分析中的混杂关系。
• RoBMA 允许比较不同的荟萃分析模型。

小型研究偏差 / 未观察到的研究 / 出版偏差

小型研究是否与大型研究得出不同的结果，可以通过目视检查上述漏斗图来解决。此外

• meta 和 metafor 提供了 Begg 和 Mazumdar 提出的非参数秩相关检验，以及一系列模仿 Egger 方法的回归检验。
• metamisc 提供漏斗图和不对称性检验。
• xmeta 提供多元荟萃分析中小型研究效应的方法。

荟萃分析中另一个相关问题是未观察到的研究和发表偏差。

• Rosenthal 的安全失败 n 由 MAd 提供。 metafor 也提供了它，以及 Orwin 和 Rosenberg 的两种更新的方法。
• fsn 计算具有置信区间的安全失败数。
• Duval 的修剪和填充方法由 meta 和 metafor 提供。
• metasens 提供 Copas 选择模型，以及 Rücker 及其同事提出的极限荟萃分析方法（一种基于回归的处理小型研究效应的方法）。
• RobustBayesianCopas 拟合 Copas 选择模型的稳健版本。
• selectMeta 提供各种选择模型：Iyengar 和 Greenhouse 的参数模型，Dear 和 Begg 的非参数模型，并提出了一种新的非参数方法，该方法施加了单调性约束。
• weightr 提供使用 Vevea 和 Hedges 的权重函数模型的功能。 metafor 也提供了它的实现以及各种其他选择模型。
• RoBMA 包括选择模型的贝叶斯版本。
• phacking 仅对非肯定性研究进行建模，以允许选择研究和在研究中进行选择。
• puniform 提供仅使用统计显著性研究的方法，针对复制研究的特殊情况的方法，以及样本量确定。
• PublicationBias 对所需未发表研究数量进行敏感性分析，以产生特定影响。
• The metansue 包允许通过多重插补包含仅已知具有非显著结果的研究。
• publipha 使用贝叶斯框架估计考虑发表偏差或 p 值作弊的模型。
• metafor 提供过剩显著性检验。
• multibiasmeta 对内部偏差和发表偏差的联合影响进行敏感性分析。
• metabias 为几个其他包提供通用组件（类、方法、文档），以调查荟萃分析中的研究内部和研究间偏差。

其他研究设计

• SCMA 提供单案例荟萃分析。它是致力于单案例设计的软件包套件的一部分。
• joint.Cox 提供对联合时间到事件和疾病进展研究进行荟萃分析的功能。
• dfmeta 提供 I 期剂量寻找临床试验的荟萃分析。
• metaRMST (已归档) 实现对具有受限平均生存时间差异的试验进行荟萃分析。
• metamisc 提供对预后研究进行荟萃分析。
• metamicrobiomeR 提供通过 GAMLSS 模型拟合的零膨胀 beta 微生物组数据的荟萃分析。
• metaSurvival 从主要研究生存曲线中提取的数据估计生存曲线。

显著性值的荟萃分析

• Fisher 方法和 Lancaster 方法在 aggregation、metap、metapro 和 poolr 中可用。
• Stouffer、Tippett 和 Wilkinson 方法在 metap 和 poolr 中可用。
• Edgington 方法、逆 t、logit、p 值均值和 z 值均值都在 metap 中可用。

在所有情况下，poolr 除了考虑独立的 p 值外，还考虑了相关的 p 值。以上其他方法则没有。

• TFisher 使用硬阈值和软阈值两种方法提供 Fisher 方法。在 metap 中有一个用于硬阈值情况的包装器。
• harmonicmeanp 使用一种基于 p 值调和平均值的方法，该方法对 p 值之间的相关性具有鲁棒性。
• amanida 使用 p 值和倍数变化提供代谢物数据的荟萃分析。
• metap 提供简单的图形，包括信天翁图。

一些方法也提供在下面提到的某些遗传学包中。

多元荟萃分析

上面概述的标准方法假设效应量是独立的。这种假设可能会以多种方式被违反：在每个主要研究中，多个治疗方法可能与同一个对照组进行比较，每个主要研究可能报告多个终点或多个评估，或者主要研究可能被聚类，例如因为它们来自同一个国家或同一个研究团队。

• mvmeta 假设研究内的协方差是已知的，并提供各种选项来拟合随机效应。metafor 提供固定效应和基于似然的随机效应模型拟合程序。这两个包都包含荟萃回归，metafor 还提供聚类和层次模型。
• mixmeta 为标准荟萃分析及其扩展（如多元和剂量反应模型）提供了一个集成接口。
• mvtmeta 使用矩方法进行多元荟萃分析，以获得随机效应，但没有荟萃回归。
• clubSandwich、robumeta 和 metafor 为聚类和层次估计提供聚类稳健方差估计。
• wildmeta 使用聚类野生引导法对荟萃回归模型进行单系数检验和多对比假设检验。
• metaSEM 通过将元分析嵌入结构方程框架并使用 OpenMx 进行结构方程建模，提供多元（和单变量）元分析和元回归。它可以提供三级元分析，考虑聚类并允许二级和三级异质性。它还通过两阶段方法提供相关或协方差矩阵的元分析。
• dosresmeta 专注于单个研究提供有关剂量反应关系的信息的情况。 MBNMAdose 使用网络元分析对剂量反应研究进行贝叶斯分析。
• CIAAWconsensus 具有在原子量和估计同位素比率的背景下进行多元元分析的功能。
• BayesMultMeta 为多元随机效应模型的参数提供贝叶斯推断，并应用于多元元分析。
• remaCor 当效应量之间的相关性已知时，提供多元元分析。
• xmeta 提供多种多元元分析方法。
• crwbmetareg 使用 Stanley 和 Doucouliagos 的 WLS 估计量，无论是否使用协变量，然后使用聚类稳健野生引导方法计算相关 p 值。

诊断测试研究的元分析

多元元分析的一个特例是总结诊断测试研究的情况。这导致了双变量二元元分析，其中研究内部相关性假设为零，尽管研究间相关性是估计的。这是一个活跃的研究领域，有各种方法可用，包括这里提到的 Reitsma 方法和分层汇总接收者操作特征 (HSROC) 方法。在许多情况下，这些是等效的。

• mada 提供各种描述性统计量和单变量方法（诊断优势比和 Lehman 模型），以及 Reitsma 的双变量方法。提供元回归。
• bamdit 使用双变量随机效应模型提供贝叶斯元分析（使用 JAGS 实现 MCMC 方法）。
• meta4diag 提供双变量诊断测试研究的元分析贝叶斯推断分析和广泛的图形方法。
• diagmeta 考虑了主要研究使用多重截断点进行分析的情况。
• NMADiagT 使用 Stan 作为引擎，在贝叶斯框架中提供诊断测试的网络元分析。
• DTAplots 为诊断研究生成各种图，包括森林图和 SROC 图。上述软件包还提供各种图形方法。
• MVPBT 提供诊断测试元分析中小型研究效应的检验。
• dmetatools 提供汇总 ROC 曲线 AUC 的置信区间和相关方法。

元回归

如果存在合适的调节变量，则可以使用元回归将其包含在内。所有这些软件包都在上面提到过，这里只是将这些信息汇总在一起。

• metafor 提供元回归（支持多个调节变量）。各种软件包依赖于 metafor 来提供元回归（meta 和 MAd），所有这些软件包都提供气泡图。 psychmeta 也使用 metafor。
• metaLik、metansue、metaSEM 和 metatest 也提供元回归。
• mvmeta 提供多元元分析的元回归，metafor 和 metaSEM 也提供元回归。
• mada 提供诊断测试研究的元回归。
• GENMETA 使用广义元分析来处理研究并非都使用相同回归变量的情况。
• jarbes 使用分层元回归的贝叶斯方法。
• metacart 使用分类和回归树来识别调节变量之间的交互作用。
• metaforest 使用随机森林来调查异质性。请注意，它与森林图无关。
• pema 提供了一种用于元回归的惩罚方法，适用于观察结果相对于调节变量数量较多的情况。
• bayesmeta 在贝叶斯框架中包含元回归。
• CAMAN 提供了使用有限半参数混合作为随机效应模型的替代方案的可能性，其中存在异质性。可以包含协变量以提供元回归。
• crwbmetareg 使用加权最小二乘法拟合元回归模型，然后使用聚类稳健野生引导方法进行推断。

个体参与者数据 (IPD)

如果所有研究都提供个体参与者数据，则用于分析多中心试验或多中心队列研究的软件应该足够，但这超出了本任务视图的范围（有关相关软件包，请参见 MixedModels 任务视图）。其他提供与 IPD 相关的功能的软件包包括

• ecoreg 专为生态学研究而设计，可以从汇总数据或个体数据中估计个体水平逻辑回归。
• multinma 为汇总数据、个体患者数据及其混合提供网络元分析和网络元回归模型。
• MetaIntegration 将 IPD 数据与外部模型相结合。
• bipd 使用贝叶斯方法进行 IPD。它包括使用 mice 进行多重插补的功能。

网络元分析

也称为多重治疗比较，这是一个非常活跃的研究和开发领域。请注意，上面提到的多元元分析中的一些软件包也可以通过适当的设置用于网络元分析。

• netmeta 在频率框架中工作。它提供了一系列广泛的图形和其他显示，包括网络图和用于显示不一致性和异质性的热图。还提供 SUCRA 的频率模拟。
• pcnetmeta 提供了一个贝叶斯框架，它使用 JAGS。它提供了一些数据集。 nmaINLA 使用集成嵌套拉普拉斯近似作为 MCMC 的替代方案。它提供了一些数据集。 NMADiagT 在贝叶斯框架中使用 Stan 作为引擎，提供诊断测试的网络元分析；提供图形输出。 gemtc 充当 BUGS 或 JAGS 的前端， bnma 使用 JAGS 作为引擎提供基于臂的方法，而 metapack 提供使用内置 MCMC 代码的方法。
• multinma 为汇总数据、个体患者数据及其混合提供网络元分析和网络元回归模型。
• nmathresh 提供决策不变偏差调整阈值和间隔，即导致决策改变的数据的最小变化。 NMAoutlier 使用前向搜索检测 NMA 中的异常值。
• pcnetmeta 提供网络图。 nmaplateplot 使用热图样式显示 NMA 的结果，并显示 SUCRA。
• nmarank 评估网络荟萃分析中证据层次结构。
• rnmamod 使用贝叶斯方法执行 NMA，同时解决（汇总）缺失的参与者结局数据，并提供图形。
• viscomp 提供多种可视化工具，用于探索多组分干预措施的网络荟萃分析中组分的行为。
• OssaNMA 计算在预先指定的功效或固定总样本量下，每个治疗组的最佳分配所需的最小总样本量。
• MBNMAtime 提供使用贝叶斯框架分析来自研究的多个时间点的功能。
• crossnma 可用于在贝叶斯框架中对单个参与者数据、汇总数据及其混合进行网络荟萃分析。
• PINMA 提供改进的方法来构建网络荟萃分析的预测区间。
• rankinma 在 NMA 中提供治疗排名。
• ssifs 评估 NMA 中的一致性。
• NMA 使用基于对比的方法，并包括标准诊断和图形方法。它使用改进的 REML 估计程序。

遗传学

有许多专门针对遗传数据的软件包：catmap 结合病例对照和家族研究数据，提供图形化工具，CPBayes 使用贝叶斯方法研究跨表型遗传关联，etma (已归档) 提出了一种新的统计方法来检测上位性，gap 结合 p 值，getmstatistic 量化系统异质性，getspres 使用标准化预测随机效应来探索遗传关联荟萃分析中的异质性，GMCM 使用高斯混合copula模型进行高通量实验，MendelianRandomization 提供了几种方法来使用汇总数据进行孟德尔随机化分析，MetaIntegrator 提供基因表达数据的荟萃分析，metaMA 提供 p 值或调整后的效应量的荟萃分析，以查找差异表达基因，metaRNASeq 对来自多个 RNA 测序实验的进行荟萃分析，MetaSubtract 使用留一法来验证荟萃 GWAS 结果，ofGEM 提供了一种使用荟萃过滤识别基因-环境相互作用的方法，RobustRankAggreg 提供了聚合基因列表的方法，SPAtest 结合关联结果，MetaSKAT 提供 SKAT 的荟萃分析，metaGE 提供用于研究基因型 x 环境相互作用的全基因组关联研究荟萃分析的功能。

数据集

• metadat 提供大量用于荟萃分析的数据集。
• psymetadata 提供更多来自心理学研究荟萃分析的数据集。
• nmadb 提供对网络荟萃分析数据库的访问。
• KenSyn 提供与农业科学元分析法语书籍配套的数据集。
• metabolic 提供已发表的元分析的数据和代码。

接口

• Rcmdr 的插件由以下提供：RcmdrPlugin.EZR 使用 meta 和 metatest，RcmdrPlugin.MA 使用 MAd 和 metafor，以及 RcmdrPlugin.RMTCJags 用于使用 BUGS 代码进行网络元分析。
• JASP 和 jamovi 都提供以 R 为后端的元分析（后者通过 MAJOR 模块）。
• miniMeta 为 meta 提供一个 Shiny 接口。

CRAN 包

相关链接

• 元分析的 R 邮件列表

其他资源

• CRAN 任务视图：MixedModels