meta分析

网状meta分析基本技能5-实现生存分析的命令(HR风险比)

我们仅仅是代码的编辑者、整合者、搬运工,仅免费传授方法,下文数据和代码取自于网络和免费软件“R语言说明书”,如果您觉得我们侵犯了您的版权,请通知我们撤稿。请大家谅解,谢谢!

经过一段时间的学习,相信大家已经对R软件和Rstudio有了初步的了解,我们继续深入学习。。。

 

#第一部分  文献解读#

#1 文献来源####

#1.1中文题名:霍奇金淋巴瘤初始治疗策略-柳叶刀肿瘤;2013; 14: 943–52

#1.2英文题名

Effect of initial treatment strategy on survival of patients with advanced-stage Hodgkin’s lymphoma: a systematic review and network meta-analysis
Nicole Skoetz*, Sven Trelle*, Michaela Rancea, Heinz Haverkamp, Volker Diehl, Andreas Engert, Peter Borchmann

Lancet Oncol 2013; 14: 943–52

http://dx.doi.org/10.1016/S1470-2045(13)70341-3

 

#1.3英文摘要

Interpretation Six cycles of BEACOPPescalated significantly improves overall survival compared with ABVD and other regimens, and thus we recommend this treatment strategy as standard of care for patients with access to the appropriate supportive care.

6个周期的BEACOPP较其他治疗方案改善OS并值得我们推荐为标准方案。

 

# 1.4文中图表:

# 1.4.1流程图(龙哥的内容)

# 1.4.2 网状证据图(下一卷讲述)

# 1.4.3 相对比较森林图

# 1.4.4 模型代码-见附件(因字数限制,本文无法复制代码,需要代码者,请参看原文附件)

# 文献出处

Skoetz N, Trelle S, Rancea M, et al. Effect of initial treatment strategy on survival of patients with advanced-stage Hodgkin’s lymphoma: a systematic reviewand network meta-analysis. Lancet Oncol 2013; published online Aug 13. http://dx.doi.org/10.1016/S1470-2045(13)70341-3.

# 原文和附件放在百度盘http://pan.baidu.com/s/1dFNUNyp

 

#第二部分  HR数据实现#

#2.1 模拟的数据

研究ID 治疗方案 参考治疗方案 LnHR的均数 selnHR 是否多臂
study xtrt base mean se multi
1 1 1 0 0.066 1
1 2 1 0.055 0.063 1
1 3 1 -0.154 0.07 1
1 4 1 -0.209 0.072 1
2 2 1 0.276 0.203 0
3 4 1 -0.389 0.072 0
4 3 1 -0.453 0.07 0
5 2 1 0.105 0.063 0

 

#2.2 代码

#r-3.2.3运行--smok

#本例是HR的随机效应模型REM-monkey-HR数据

# 1设定路径和library ---------------------------

rm(list=ls())

getwd()

setwd("F:\\HRmodels_0003HR")

#1library#2调用软件包####

 

library(R2WinBUGS)

library(lattice)

library(coda)

library(boot)

library(foreign)

library(openxlsx)

library(data.table)

library(xtable)

 

# 2随机效应模型--建模 -------------------------------------------

# B)Random effects analysis

# 可以写入.txt或.bug文件

 

# 3设置和查看模型 ------------------------------------------

hrremodel <- file.path("F:\\HRmodels_0003HR","HRREmodel_hr_0003.bug")

# 也可以写入txt文件,用如下代码亦可

# hrremodel <- file.path("F:\\HRmodels_0003HR","HRREmodel_hr_0003_openbugs.txt")

 

## write model file:

write.model(HRREmodel, hrremodel)

## and let’s take a look:

file.show(hrremodel)

 

# 4.导入所需数据-------------------------------

REmodeldataone <- read.xlsx("./hazarddata0002forfreescience.xlsx",sheet = 1,startRow = 1,colNames = TRUE, rowNames = FALSE)

# 8行5列

###显示数据

View(REmodeldataone)

 

# 5.在程度中加载数据框中的数据------

#hazard 6个变量

study <- REmodeldataone$study

xtrt <- REmodeldataone$xtrt

base <- REmodeldataone$base

mean <- REmodeldataone$mean

se <- REmodeldataone$se

multi <- REmodeldataone$multi

#3个变量

# LnObs = 5, BnObs = 8, nTx = 4, nStudies = 5

#obs这里应该是指有多少行数据-sm

obs <- 8

ntrt <- 4

nstudies <- 5

# 总结一下,共hazard 6个变量+3个变量组成列表list

totaldata<-list("study","xtrt","base","mean","se","multi","obs", "ntrt", "nstudies")

 

# 6.构建初始值--------------

#Set Initial Values

inits<-function(){

#chain 1  5个研究所以,-0.5和0.5的个数是5,治疗臂是4个,所以beta中有4-1个0.5, sd为0.1 或1

list(alpha = c(-0.50,-0.50,-0.50,-0.50,-0.50), beta = c(NA,-0.5,-0.5,-0.5),sd = 0.1)

#chain 2

list(alpha = c(0.50,0.50,0.50,0.50,0.50), beta = c(NA,0.5,0.5,0.5),sd = 1)

}

 

# 7.1进行网络meta分析,第2种方式——

# 先需要安装winbugs软件,请参照丁香园winbugs安装教程

#结果如下:

#6保存数据并写入csv文件

#将数据导出后用gemtc包中的blobbogram画图,猴哥不再详述,具体可参照如下命令:

#图形导出为pdf,然后编辑一下得到相对效应森林图,神似文中的图3

plot(HRREmodel.sim)

 

#第三部分  HR数据实现openbugs#

#安装winbugs破解版太麻烦,猴哥比较懒,宁可写代码,也不会去辛苦安装winbugs,那么,怎么办呢?猴哥怎么带着飞呢?

#我们安装openbugs就好了,这样就可以继续飞了。。百度一下,安装。。

 

#go on

#还是原来的代码,只是放在HRREmodel_hr_0003_openbugs.txt文件中

schools.sim.openbugs0002<- bugs(totaldata,inits,"HRREmodel_hr_0003_openbugs.txt",parameters=c("beta","alpha","mu","hr"),n.chains=2,n.iter=40000)

print(schools.sim.openbugs0002, digits.summary=4)

#6保存数据并写入csv文件

# 7生成图片#############################################

# 这一讲,稍微有点复杂哦,操练起来比较痛苦,希望大家好好学习,痛并快乐着,争取发lancet哦

第一卷网状meta基本技能到此结束,我们下一卷主要讲述stata软件NMA实现,谢谢大家###

 

拓展知识:

SNPmeta

SNPMETA1

SNPMETA2_检索式

SNPMETA3_索要原始文献+数据提取

 

教你如何做一篇meta分析1_

教你如何做一篇meta分析2_

教你如何做一篇meta分析3_哈温平衡的计算

教你如何做一篇meta分析4_NOS量表的制作

 

网状emta分析必备技能

网状emta分析必备技能1

网状meta分析必备技能2_R软件gemtc包

网状Meta分析必备技能3_数据初始值的设定

网状Meta分析必备技能4_Gemtc实现生存分析

网状meta分析必备技能5_HR风险比

网状meta分析必备技能6_R+Rstudio运用meta包做简单meta分析

网状meta分析必备技能7_使用R、GeMTC和STATA软件实现连续变量的网状Meta分析

 

网状meta分析stata简易教程

NMA(网状meta分析)stata简易教程(1)

NMA(网状meta分析)stata简易教程(2)网状图

NMA(网状meta分析)stata简易教程(3)贡献图

NMA(网状meta分析)stata简易教程(4)漏斗图的制作

NMA(网状meta分析)stata简易教程(5)排序图的制作

 

诊断性meta分析简单实现

诊断性meta分析简单实现(1)之revman

诊断性meta分析简单实现(2)

诊断性meta分析简单实现(3)

诊断性meta分析简单实现(4)_meta-disc

诊断性meta分析简单实现(5)_结果的展示和解读

 

其他

meta分析统计方法-随机对照试验的风险评估rob

生物标记物(基因)联合诊断模型的stata实现ROC(AUC)

生物标记物(基因)联合诊断模型的R实现ROC(AUC)

(0)

热评文章

发表评论