来自：Luke Prendergast的报告

提纲：

image.png

介绍：

image.png

汇报者的观点：

image.png

家庭作业：

image.png image.png

会使用2个R包，metafor和meta

image.png

文章例子：

image.png image.png image.png

R代码

读入数据

image.png

估计效应和方差：

使用metafor

image.png

yi是效应，vi是方差（假设不同分组的方差相同）

image.png

forest

image.png

使用 meta包

image.png

图示：

image.png

第二部分-理论

image.png

fixed model

image.png image.png

增加权重：

image.png
image.png

例子：

image.png image.png image.png

问题

image.png

固定效应：

image.png

使用随机模型

image.png

结果：

image.png

两个R包的使用

image.png

两种模型使用的tests不同

image.png image.png

不能正确的输出REM的分析结果，解决方法如下：

image.png
image.png image.png

4 错误的推断异质性

image.png

新的方法：

image.png image.png

不同模型选择，会出现不同的结果：

image.png
image.png
image.png

第五个问题-查看每个试验的贡献

image.png

第6个问题- 使用哪一种estimator

image.png

解决：

image.png

测试：


第7个问题-发表文章的偏差

image.png image.png

参考文献：

image.png

forest()函数

image.png

新的软件sPLINK（https://genomebiology.biomedcentral.com/articles/10.1186/s13059-021-02562-1）