一、载入包
library(BUGSnet)
library(readr)
data <- read_csv("diabetes.csv")
二、干预措施信息比较
在进行分析时首先使用data.prep函数对数据进行规整，主要用于干预措施（treatment）和研究（study）。
data <- data.prep(arm.data = data,
varname.t = "treatment",
varname.s = "study")BUGSnet程序包的 net.tab()函数可输出网状、干预和比较特征的统计数据，其中：
- network 输出的结果包含了网状的连通性、网状中的处理数量及事件数量等一些网状关系的基本特征
- intervention 输出的结果包含了不同干预措施的总发生事件数，总样本量等信息
- comparison 输出的结果包含了按不同治疗比较的事件数和总样本量等信息
network.char <- net.tab(data = data,
outcome = "responders",
N = "sampleSize",
type.outcome = "binomial",
time = NULL)
network.char$network
network.char$intervention
network.char$comparison三、网络证据图（ Network plot）
网络证据图使用net.plot()函数进行绘制，不需进行过多设置，便可以绘制比较好的图片。
net.plot(data)
四、模型选择（固定vs随机，一致vs不一致）
fixmodel <- nma.model(data=data,#固定效应模型
outcome = "responders",
N = "sampleSize",
reference="Placebo",
family="binomial",
link="log",
effects="fixed")
ranmodel <- nma.model(data = data,#随机效应模型
outcome = "responders",
N = "sampleSize",
reference="Placebo",
family="binomial",
link="log",
effects="random")
fixresults <- nma.run(fixmodel,
n.adapt=1000,
n.burnin=10000,
n.iter=50000)
ranresults <- nma.run(ranmodel,
n.adapt=1000,
n.burnin=10000,
n.iter=50000)上述代码中，
- 参数“outcome”用于指定结局变量；
- 参数reference用于设置对照组，通常是某种安慰剂或对照药物等；
- 参数family用于指定结果的分布类型，通常有“binomial”（二分类数据），“normal”（连续性数据），“poisson”（计数数据）可供选择；
- 参数 link用于指 定NMA 模型使用的函数，其中“logit”用于二分类数据的比值比（Odds Ratio），“log”用于二分类数据的风险比（Risk Ratio）或计数数据的比率（RateRatio）；“cloglog”用于二分类数据的危险比（Hazard Ratio）；identity用于连续性数据；
- effects用于设置效应模型的类型。
使用图形展示模型结果：
par(mfrow=c(1,2))
nma.fit(fixresults, main ="fixed model" )
nma.fit(ranresults, main= "random model")
可使用nma.diag()函数绘制模型诊断图：
nma.diag(ranresults)
五、网状meta分析森林图
使用nma.forest() 函数输出森林图，对药物在不同研究和不同效应量水平的合并结果进行比较，并显示了有效的干预措施。
nma.forest(nma = ranresults,
log.scale=FALSE,
central.tdcy="mean",
comparator = "Placebo")
六、累计疗效排序图（SUCRA plot）
使用nma.rank()函数进行干预措施的排序,结果可产生rankogram、longtable和sucraplot三种形式。
sucra.out <- nma.rank(ranresults,
largerbetter=T,
sucra.palette= "Set1")
sucra.out$rankogram
sucra.out$sucraplot
七、赛联表及赛联热图（ league heat plot）
两两比较使用nma.league() 函数可实现，结果可产出赛联表和赛联热图。
league.out <- nma.league(ranresults,
central.tdcy="mean",
high.colour = "cornflowerblue")
league.out$heatplot
#也可以产出赛联表，并导出EXCEL。
league.out$table
write.csv(league.out$table,"effectR.csv")特别申明：本文为转载文章，转载自天真的和感伤的石同学 ，不代表贪吃的夜猫子立场，如若转载，请注明出处：https://mp.weixin.qq.com/s/uFZthcuBdy2YRzZyJ8r9bg
微信扫一扫 
支付宝扫一扫 