5篇1章3节：二分类变量的Meta分析模型，分析公式构建和结果解读

Meta分析是一种将多个独立的研究结果进行综合分析的统计方法。对于二分类变量的Meta分析，目的是整合多个研究的结论，给出一个更加稳健的效应量。本文将基于Fleiss93数据集，利用Meta扩展包进行二分类变量的Meta分析，详细分析相关的统计方法与解读异质性与效应量。

一、背景介绍

数据介绍

Fleiss93数据集来自Meta扩展包，包含了20世纪70年代至80年代进行的七个关于阿司匹林预防心肌梗死后死亡的临床试验。这些研究探索了试验组（服用阿司匹林）与对照组（未服用阿司匹林）之间的死亡率差异。

Meta扩展包是专门用于进行Meta分析的R包。它支持处理二分类变量、连续变量以及生存分析数据，能够综合多个独立研究的结果，生成合并效应量和置信区间。Meta扩展包提供了多种效应量计算方法，如比值比（OR）、相对危险度（RR）和率差（RD）等，还支持固定效应模型和随机效应模型的选择。此外，Meta包还提供了异质性检验、漏斗图和森林图等可视化工具，帮助用户直观地分析研究间的异质性和偏倚。

library(meta)
data(Fleiss93)
str(Fleiss9