筆者在之前簡單介紹了診斷型統合分析（Diagnostic meta-analysis; DMA）的傳統方法（https://reurl.cc/Ldg5jx）以及現今的主流方法（https://reurl.cc/XkgZDM）的概念及原理。本篇文章旨在介紹以免費且功能強大的 R 套件，然而 R 套件支援 DMA 的數量眾多，本篇文章主要介紹具有比較型（Comparative）功能的套件，例如可以比較不同次群體或組別。
根據筆者的搜尋，目前 R 支援 DMA 的套件至少有：mada, metatron, metadisc, meta4diag, HSROC, bamdit, NMADiagT, CopulaDTA 等。其中筆者經實際測試後，確定具有比較型功能的 R 套件有：mada、meta4diagnosis 以及 CopulaDTA，以下就進行各套件主要功能的比較與說明。
- Arm-based vs. Contrast-based
首先是這三個套件都是「Arm-based」的研究設計，也就是資料格式是「每個研究的每一個檢驗值」是一筆橫列的格式，例如某一個研究同時報告了三個檢驗值的結果，那麼這個研究就會有三筆橫列的資料筆數。有另外一個 R 套件「NMADiagT」要求資料是「Contrast-based」，意思是每個研究只能有一筆橫列的資料筆數，而且當該研究只有報告單一檢驗值的結果，那麼那就不符合「Contrast-based」的要求，無法納入分析。
- Basic model
此三個套件的基礎模型都不太一樣，「mada」是雙變量模型（bivariate model）、「meta4diag」是基於貝氏推論的雙變量模型、以及「CopulaDTA」是基於貝氏推論的β-二項式分布（beta-binomial）。
- 共變數效果
接著是很重要的比較型功能，分成連續型與類別型解釋變項兩種。在連續型共變數部分，筆者實測後確定「meta4diag」可以執行，「mada」確定沒有支援連續型共變數。然而，筆者不確定「CopulaDTA」是否支援連續型共變數的功能，因為套件說明確實具有此功能，但筆者實測卻無法成功執行。
再來是類別型共變數，三個套件都具有此功能（事實上是必須具有支援此功能的套件，筆者才會介紹），但三者比較的呈現結果略有不同，「mada」呈現組別在敏感度/特異度的邏輯值（logit）差異、「meta4diag」呈現組別在敏感度/特異度的差異（平均百分比的差異），而「CopulaDTA」則是呈現組別之間相對敏感度/特異度的結果。
換句話說，「mada」與「meta4diag」是用相減的，只是差別有沒有將邏輯值作轉換；而「CopulaDTA」是用相除的，例如呈現兩個次群體的敏感度/特異度相除之後的結果。
- HSROC圖形
「mada」跟「meta4diag」都可以產生 HSROC 的圖形，但前者的圖形較為簡陋，後者的圖形功能較多而且較為美觀。而「CopulaDTA」則沒有支援 HSROC 的功能。
- 執行時間
「mada」的執行時間很短就會有結果（數秒鐘）。「meta4diag」由於使用到貝氏推論，因此計算時間會稍微久一點，大約數分鐘。「CopulaDTA」的運算時間最久，筆者試過以 100 筆左右的筆數，大約需執行數十分鐘。
以上即為簡單介紹支援比較型功能的診斷型統合分析 R 套件，之後筆者也會分享實際的分析過程。
留言列表
{{ article.title }}