Doing Meta-Analysis with R: A Hands-On Guide

انجام متاآنالیز با R: راهنمای عملی به عنوان مقدمه ای در دسترس در مورد نحوه انجام متاآنالیز در R عمل می کند. مراحل ضروری برای متاآنالیز شامل محاسبه و ادغام معیارهای نتیجه، نمودارهای جنگلی، تشخیص ناهمگونی، تجزیه و تحلیل های زیرگروهی، متارگرسیون، روش های کنترل برای سوگیری انتشار، ارزیابی خطر سوگیری و ابزار ترسیم. موضوعات پیشرفته اما بسیار مرتبط مانند متاآنالیز شبکه، متاآنالیزهای چند سطحی، رویکردهای متاآنالیز بیزی و متاآنالیز SEM نیز پوشش داده شده است. یک بسته R همراه، dmetar، در ابتدای راهنما معرفی شده است. این شامل مجموعه داده ها و چندین تابع کمکی برای بسته meta و metafor است که در راهنما استفاده شده است.

برنامه نویسی و پیشینه آماری پوشش داده شده در این کتاب در سطح غیر کارشناسی نگهداری می شود و کتاب را به طور گسترده در دسترس قرار می دهد.

ویژگی ها
• شامل دو فصل مقدماتی در مورد نحوه راه اندازی یک محیط R و انجام واردات/دستکاری اولیه داده های متاآنالیز، از جمله تمرینات است
• شرح می دهد مفاهیم آماری به طور واضح و مختصر قبل از استفاده از آنها در R
• شامل راهنمایی گام به گام از طریق کدگذاری مورد نیاز برای انجام متاآنالیزها و یک بسته R همراه برای کتاب

Doing Meta-Analysis with R: A Hands-On Guide serves as an accessible introduction on how meta-analyses can be conducted in R. Essential steps for meta-analysis are covered, including calculation and pooling of outcome measures, forest plots, heterogeneity diagnostics, subgroup analyses, meta-regression, methods to control for publication bias, risk of bias assessments and plotting tools. Advanced but highly relevant topics such as network meta-analysis, multi-three-level meta-analyses, Bayesian meta-analysis approaches and SEM meta-analysis are also covered. A companion R package, dmetar, is introduced at the beginning of the guide. It contains data sets and several helper functions for the meta and metafor package used in the guide.

The programming and statistical background covered in the book are kept at a non-expert level, making the book widely accessible.

Features
• Contains two introductory chapters on how to set up an R environment and do basic imports/manipulations of meta-analysis data, including exercises
• Describes statistical concepts clearly and concisely before applying them in R
• Includes step-by-step guidance through the coding required to perform meta-analyses, and a companion R package for the book