评价

R包评价:观察研究和荟萃分析中未测量的混杂或选择偏差的敏感性分析。对观察研究或观察研究的荟萃分析中未测量的混杂因素进行敏感性分析。对于一个单独的观察研究,该包报告了E值,定义为风险比标度上的最小关联强度,未测量的混杂因素需要与治疗和结果同时存在,以充分解释特定治疗结果的关联,条件是测量的协变量。您可以使用evalues.XX()函数之一计算相关结果类型的E值。结果类型包括风险比、常见或罕见结果的优势比、常见或罕见结果的风险比以及标准化的结果差异。或者,可以使用bias_plot()函数将偏差因子绘制为两个灵敏度参数的函数。(详见VanderWeele&Ding,2017[<http://annals.org/aim/article/2643434>])对于meta分析,使用confounded_meta函数计算点估计值和推断:(1)真正因果效应大小比指定的科学重要性阈值更极端的研究比例;以及(2)将具有科学意义的真实效应量的研究比例降低到低于规定阈值所需的最小偏差因子和混杂强度。函数sens_plot()和sens_table()创建图表和表格,用于在一系列偏差值范围内可视化这些元分析指标。(详见Mathur&VanderWeele,2019年[<https://amstat.tandfonline.com/doi/full/10.1080/01621459.2018.1529598#.XKIJtOtKjdc>])本包中的大多数分析也可以使用基于网络的图形界面进行(对于单个观察研究:[<https://evalue.hmdc.harvard.edu>];对于meta-analysis:[<https://mmathur.shinyapps.io/meta_gui_2/>])。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换