诊断试验是一种常见的meta分析的类型，诊断试验如何使用R语言进行meta分析呢?下面小编带大家实操展示，小伙伴别掉队啦。

　　使用R语言新版本R version 3.6.1，下载地址https://www.r-project.org/。使用的镜像大陆的镜像，要是发现下载不流畅，选择另一个镜像。注意!镜像选错，就无法下载。

　　使用新版本的Rstudio，下载地址https://www.rstudio.com/。

　　数据库的格式改为.csv格式，使用Excel即可搞定，在Excel保存的格式中选择.csv即可。其实，.xls文件也能在R语言下运行，但是.csv文件更小，在R中运行效果更好，所以要尽量转变为.csv格式。

　　下面的操作依据这个表格进行。

　　导入数据库，首先将代码读取到R软件中，执行代码。

　　library(readr)

　　rate <- read_csv("D:/Scheidler.csv")

　　也可以进行菜单操作，打开菜单顺序：file-import dateset-fromtest(readr)，打开后出现如下图

　　安装数据包，执行命令install.packages("metamisc")，结果如图

　　然后安装JAGS，因为metamisc程序包的计算内核是通过JAGS(Just Another Gibbs Sampler)软件3.0及以上版本来实现的，因此使用该程序包时，还需提前在电脑上安装JAGS软件，并同时在R中安装及加载对应的rjags程序包来调用JAGS软件。

　　JAGS可以通过这个网站下载https://sourceforge.net/projects/mcmc-jags/。直接百度一下也能找到。JAGS软件安装完成后，使用下述命令安装及加载rjgas程序包：install.packages("rjags")，结果如下图所示

　　library(rjags)

　　library(metamisc)

　　> workbook <-"D:/Scheidler.csv"

　　> data<-read.csv(workbook,1)

　　> data

　　其中workbook，1 指的是工作表的sheet1，显示如下结果

　　整体结果分析

　　执行代码

　　> fit<-riley(data,type="test.accuracy",optimization="Nelder-Mead")

　　> summary(fit)

　　代码解读：test.accuracy 为确定该数据为诊断数据;Nelder-Mead为统计方法，结果如下图

　　结果解读：Sens是敏感度，FPR是假阳性率，betal是敏感度的logit值，beta2是假阳性率的logit值，psil是betal的抽样误差，psi2是beta2的抽样误差，rho是psil与psi2间的相关性。sens的值就是我们所需要的合并敏感度。

　　以modality为分亚组依据，首先进行modality=1这一组的分析。

　　执行命令

　　>fit2<-riley(Scheidler[which(Scheidler$modality==1),],type="test.accuracy",optimization = "Nelder-Mead")

　　>summary(fit2)

　　上述命令中，“modality==1”为分亚组依据;Scheidler[which(Scheidler$modality==1),]代表数据中modality标记为1数据，其余与整体分析中的命令意义一致。

　　命令运行后的结果如下

　　第二组、第三组也是相同的方法

　　绘制图表

　　使用plot()命令绘制图标

　　这个是对亚组的作图

　　执行

　　> plot(fit2,plotnumerics=FALSE,add=TURE,pch=1)

　　结果如下图

　　这个是对整体的作图，执行命令

　　plot(fit,plotsumm=TRUE,plotnumerics=TRUE,CEX.numerics=1)

　　结果如图

　　以上就是小编给大家分享的在SCI科研论文写作中如何使用R语言对诊断试验进行meta分析，更多SCI论文写作技巧>>点击咨询<<360期刊网专业论文服务老师。360期刊网专注医学，与进行，拥有500+专业的医学资深编辑，累计，好评率达99.6%!【现在咨询】