贝叶斯软件genle教程_手把手教你用R的gemtc包对连续变量进行贝叶斯网状Meta分析....pdf

贝叶斯软件genle教程_⼿把⼿教你⽤R的gemtc包对连续变量

进⾏贝叶斯⽹状Meta分析...

来源：微信公众⼩侃数据

⼤家好，本教程将介绍如何使⽤R的gemtc包对连续变量进⾏贝叶斯⽹状Meta分析。

前提条件：

准备⼯作完成后，打开RStudio后，在console⾥输⼊install.packages(“gemtc”)

第⼀次安装的时候，安装速度可能⽐较慢，耐⼼等待⼀下。

等安装完成后，设置我们的⼯作⽬录，后⾯可以把待分析的数据放⼊这个⼯作⽬录，敲⼊：

setwd(D:R⽹状教程)#你可以更改为⾃⼰的⼯作⽬录，在后⾯环境变量增多的时候，在这⼀步前可以加⼀个rm(list=ls())清除环境变量。

然后敲⼊：

library(gemtc)#装载gemtc包

将我们的数据准备成如下格式（与stata做⽹状的格式相同）：

其中每⼀⾏代表研究的⼀个臂，study代表研究，treatment代表⼲预名称，mean代表连续变量的均值，std.dev代表连续变量的标准

差，sampleSize代表每⼀个研究中每⼀个臂的样本量。注意，以上英⽂单词必须准确⽆误，⼤⼩写都要⼀致，不然等会分析⽆法进⾏。

⼤家可以在excel⾥准备要分析的数据，然后另存为csv⽂件（以逗为分隔符的表格⽂件），在这⾥，我把数据⽂件存为data.csv（你可以

更改为⾃⼰想要的名字）。然后把这个⽂件放到我们的⼯作⽬录之下。

把刚刚准备好的数据导⼊到R⾥，敲⼊：

data-read.csv(data.csv,sep=,,header=T)#sep代表逗为分隔符，header=T代表把⾸⾏的数据作为标题，-是R⾥的赋值符

，你可以把它理解为=。-前⾯的变量名是可以⾃⼰任意指定的，以下类似。

把数据弄成gemtc的⽹络格式，敲⼊：

network-mtc.network(data)#这⾥-前⾯的network不⼀定⾮要叫network，改为其他的阿猫阿狗名称均可。以下类似，不再赘述。

输⼊：plot(network)

可以看到⽹状图如下：

当然了，这些⼤⼩、颜⾊、字体等等的参数都是可以调整的，但是跟stata做⽹状图相⽐还是太⿇烦了。Stata⼏乎不⽤调整⼀步到位，⼤家

可以参考我之前制作的stata教程做⽹状图。

然后开始建⽴模型：

model-mtc.model(network,type=consistency,n.chain=4,likelihood=normal,link=identity,linearModel=random)

其中，圆括⾥的第⼀个参数为我们刚刚新建的gemtc⽹络类型的变量network，第⼆个参数type=consistency，是指我们的模型为⼀

致性模型，n.chain指的是马尔科夫蒙特卡洛MCMC的链条数⽬，⼀般为2-4均可。因为我们进⾏的是连续变量的⽹状分析，所以

likelihood=normal,link=identity。linearModel=”random”指的是我们使⽤的模型为随机效应，当然也可以指定fixed作为固定效

应模型。这⼀步可能会跳出⼀些红⾊的warning，强迫症的同学看到可能会感到不安，但不⽤紧张，不影响后续的分析，不管它即可。

现在就可以进⾏迭代了，敲⼊：

results-mtc.run(model,n.adapt=20000,n.iter=50000,thin=1)

其中，model是我们上⼀步建⽴的模型名称，n.adapt为退⽕次数，n.iter为迭代次数。这个时候我们耐⼼等待，RStudio界⾯如下所⽰：

敲⼊：summary(results)可以看到如下结果：

其中结果包括DIC，DIC可以进⼀步与不⼀致性模型的DIC作⽐较，如果相差在5以内，就说明数据基本符合⼀致性的前提。DIC的绝对值没

有任何意义，只⽤于相对⽐较。以及I2的总体异质性参数。

敲⼊：

forest(relative.effect(results,Placebo))

可以看到每个⼲预相对于Placebo的森林图：

⼤家可以与之前我们⽤stata频率学和⽤OpenBugs贝叶斯做的⽹状结果对⽐⼀下，结果是不是差不多。

敲⼊：plot(results)#可以看到每个指标的收敛情况以及密度图

敲⼊：gelman.plot(results)#收敛性诊断

进⾏排序，敲⼊：

ranks-rank.prob