可以在 metafor 包中对随机效应元分析应用Mantel-Haenszel方法吗？

据我所知，命令 rma.mh 将Mantel-Haenszel应用于固定效应模型。

若不可行，R里还有其他解决办法吗？那 meta 包呢？

解决方案

“Mantel-Haenszel随机效应”方法在Cochrane综述中有时会被使用，其实只是标准的逆方差法；但在用DerSimonian-Laird推断异质性程度（即tau^2）时，该方法使用来自Mantel-Haenszel合并估计的值来计算Q 统计量（与使用来自标准等效应模型的合并估计不同）。差异通常可以忽略不计。下面是一个小例子：

library(metafor)

dat <- read.table(header=TRUE, text = "
study year treat.events treat.total placebo.events placebo.total
'Brumfitt' 1957 21 42 26 40
'Chapple' 1956 40 135 37 65
'De Meyere' 1992 18 82 59 91
")
dat

现在我们计算对数风险比：

dat <- escalc(measure="RR", ai=treat.events,   n1i=treat.total,
                            ci=placebo.events, n2i=placebo.total, data=dat)
dat

现在我们用tau^2的 DL估计量来拟合一个标准的随机效应模型：

res <- rma(yi, vi, data=dat, method="DL")
res
predict(res, transf=exp, digits=2)

这将得到以下结果：

Random-Effects Model (k = 3; tau^2 estimator: DL)

tau^2 (estimated amount of total heterogeneity): 0.1095 (SE = 0.1482)
tau (square root of estimated tau^2 value):      0.3309
I^2 (total heterogeneity / total variability):   74.38%
H^2 (total variability / sampling variability):  3.90

Test for Heterogeneity:
Q(df = 2) = 7.8053, p-val = 0.0202

Model Results:

estimate      se     zval    pval    ci.lb    ci.ub
 -0.6552  0.2219  -2.9534  0.0031  -1.0901  -0.2204  **

---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

 pred ci.lb ci.ub pi.lb pi.ub
 0.52  0.34  0.80  0.24  1.13

现在我们使用Mantel-Haenszel方法来获得从MH方法的合并估计所计算的Q 统计量：

res <- rma.mh(measure="RR", ai=treat.events,   n1i=treat.total, 
                            ci=placebo.events, n2i=placebo.total, data=dat)
res

现在我手动使用DL估计来计算tau^2的估计量，但在此使用来自MH方法的Q 统计量来做：

wi <- 1 / dat$vi
tau2 <- (res$QE - (res$k-1)) / (sum(wi) - sum(wi^2) / sum(wi))
res <- rma(yi, vi, data=dat, tau2=tau2)
res
predict(res, transf=exp, digits=2)

这将得到以下结果：

Random-Effects Model (k = 3; user-specified tau^2 value)

tau^2 (specified amount of total heterogeneity): 0.1180 (SE = 0.1563)
tau (square root of specified tau^2 value):      0.3435
I^2 (total heterogeneity / total variability):   75.78%
H^2 (total variability / sampling variability):  4.13

Test for Heterogeneity:
Q(df = 2) = 7.8053, p-val = 0.0202

Model Results:

estimate      se     zval    pval    ci.lb    ci.ub
 -0.6558  0.2282  -2.8740  0.0041  -1.1030  -0.2086  **

---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

 pred ci.lb ci.ub pi.lb pi.ub
 0.52  0.33  0.81  0.23  1.16

结果本质上相同。

这在 metafor 中并未直接实现，但可以按上述方式进行此分析。