Skip to contents

Kom godt i gang med metaanalyse i R

Source: vignettes/articles/meta-analysis-in-R.Rmd
meta-analysis-in-R.Rmd

UPDATÈR, NÅR DER ER TID

Her kommer nogle tips, tricks og gode råd til din helt spæde start som R-bruger:

  • R er tilgængeligt i VIVE’s softwarecenter. Hvilket betyder, at du ikke skal logge på fjernskrivebordet for at kunne tilgå det (fx som med STATA og NVIVO), da R bliver installeret lokalt på din computer.
  • Der findes tonsvis af hjælp, gode råd og introer online – så fortvivl ej! En googlesøgning kan ofte give svar på det meste.
  • For at komme bedst muligt i gang med R, kan man med fordel downloade pakken SWIRL, som giver en overskuelig introduktion til R’s basale syntaks.
  • Hjemmesiden ”datacamp” udbyder også en del gratis online kurser, som man kan have gavn af.
  • R4DS (R for Data Science) er formentlig den beste bog som introduktion til tidyversere, herunder dplyr og ggplot2, som vi benytter meget på vores reviews.

Okay. Nu har jeg lært den basale syntaks – men hvordan kommer jeg så bedst i gang med en meta-analyse?

Der findes forskellige pakker, som er målrettet metanalyse i R. Nogle af de vigtigste er nok:

  • meta: En god all-round pakke der rummer forskellige statistiske metoder til metaanalyser.
  • metafor: Hjælper en med udregning af effektstørrelser, fixed eller random models, meta-regression m.m). Den absolut vigtigste pakke at kende!
  • robumeta: Hjælper en med at lave en RVE meta-regression, og har også funktioner for sensitivitetanalyse og forestplot baseret på ens RVE-modeller. OUTDATED - brug istedet metafor sammen med clubSandwich og wildmeta. Man behøver ikke længere hente clubSandwich separat. Den er nu indbygget i metafor og kaldes automatisk ved at sætte clubSandwich=TRUE i robust(). Der kan dog være grunde til at loade clubSandwich separat, hvis man ønsker andre small-sample korrektioner, eksempelvis brug af jackknife variansestimation (type = CR3)
  • clubSandwich: Robust variance estimation (RVE) i meta-analyses. Ekstremt vigtigt, når man har mindre end 50 studier eller meget skævvrædet data, dvs. enkelte store studier, som bidrager med hovedparten af de inkluderede effektstørrelser.
  • wildmeta: Til at udregne cluster-wild-bootstrapping (CWB) p-værdier.
  • POMADE. Kan bruges til at udregne den statistske styrke af ens meta-analyse model.

Udover selve pakkerne ligger der også denne her seje hands-on guide til metaanalyse i R. Den kan altså også være god at kigge lidt på, hvis man føler sig en smule fortabt.

Hvis man vil nørde den helt ud kan tilmelde sig R meta-analysis mailing-listen. Alle tidligere diskusioner på listen kan findes her.

OBS! Dette er langt fra et færdigt dokument. Tilføj gerne, hvis der er tips og tricks, R-pakker til metanalyse eller andet, som er godt for os alle at vide noget om!