R: méta-analyse CI de proportion non bornée correctement

Question

library(metafor) 
rma(yi = c(0.1, 0.3, 0.14, 0.3), vi = c(0.12, 0.2, 0.3, 0.1)) 

Je suis en train d'ajuster un modèle méta-analytique à effets aléatoires de proportions simples sur 4 études. Puisque les tailles d'effet sont toutes des proportions, elles sont bornées entre 0 et 1, tout comme les intervalles de confiance. Cependant, la sortie réelle montre

Random-Effects Model (k = 4; tau^2 estimator: REML) 

tau^2 (estimated amount of total heterogeneity): 0 (SE = 0.1220) 
tau (square root of estimated tau^2 value):  0 
I^2 (total heterogeneity/total variability): 0.00% 
H^2 (total variability/sampling variability): 1.00 

Test for Heterogeneity: 
Q(df = 3) = 0.2372, p-val = 0.9714 

Model Results: 

estimate  se  zval  pval ci.lb ci.ub   
    0.2175 0.1936 1.1232 0.2614 -0.1620 0.5970   

--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

, c'est-à-dire le CI est (-0,162, 0,597). Comment puis-je réparer cela?

Answer 1

Vous pouvez traiter la borne inférieure à 0. Vous pouvez également utiliser les proportions logit transformées (cotes de log) pour la méta-analyse. Après la rétrotransformation, l'estimation résultante et les limites de CI doivent être comprises entre 0 et 1. Vous pouvez également passer directement à un modèle mixte à effets logistiques pour votre analyse (voir help(rma.glmm)). Ce dernier est également basé sur les cotes de log et donc vous donnera des valeurs entre 0 et 1 après la rétrotransformation.