目前不少文章用到了孟德尔随机化+meta分析，今天咱们也来介绍一下，孟德尔随机化+meta其实主要就是meta分析的过程，提取了孟德尔随机化文章的结果，实质上就是个meta分析，不过多个孟德尔随机化随机化的结果合并更加加强了结果的可靠性。有部分人可能对meta分析不是很了解，咱们今天先来介绍一下meta分析基础，为下一讲孟德尔随机化+meta分析做准备。
R语言进行进行meta分析咱们就做最基本的部分就行，不必搞得太复杂。咱们先导入数据和R包。很多R包都能做，咱们随便选个meta包就可以了。
r
library(meta)
bc<-read.csv("E:/r/test/senlintu1.csv",sep=',',header=TRUE)
names(bc)
这是一个很简单的数据，stud表示研究名称，a为实验组阳性人数，b为实验组总人数，c为对照组阳性人数，d为对照组总人数（公众号回复：森林图数据1，可以获得数据）。
咱们先来看下函数格式event.e就是实验组阳性人数，n.e，实验组总人数，event.c对照组阳性人数，n.c对照组总人数，data就是你的数据，studlab填入其他的项目，method这里选"Inverse"倒方差的方法就可以了，sm这里填入结果类型，如果你需要的是OR的结果就填入OR
r
metabin(event.e, n.e, event.c, n.c, data,studlab = paste(), sm, method = "Inverse")先生成meta分析结果，就按顺序把结果填进去就可以了
r
out<-metabin(event.e=a, n.e=b,event.c=c,n.c=d,data=bc,sm="OR",studlab = paste(study),
method = "Inverse")直接填进去也是可以的，这样方便点
r
out<-metabin(a,b,c,d,data=bc,sm="OR",studlab = paste(study),
method = "Inverse")解析结果
r
summary(out)
我简单解析一下，这类教程网络多得是，可以百度一下。先看异质性，如果有异质性应需用随机效应模型，否则可选用固定效应模型。我们这里选择随机效应模型。
我这里异质性I89.9%挺大的，我们可以使用剔除法来观察剔除单个观察后的异质性，我这里随便举例，假如我剔除第一个
先加个ID
r
bc$id<-1:13
删除第一项我们可以使用亚组函数subset来控制，使得subset=id>2就可以了
r
out<-metabin(a,b,c,d,data=bc,sm="OR",studlab = paste(study),
method = "Inverse",common=F,subset=id>2)
summary(out)
可以看到异质性较前下降了一点，接下来就可以绘制森林图了
r
out<-metabin(a,b,c,d,data=bc,sm="OR",studlab = paste(study),
method = "Inverse",common=F)
forest(out)
所有结果都可以在图上找到，结果主要是看最后的综合结果，我这里的OR是2.09.接下来做偏倚检查，主要是漏斗图和Egger法
漏斗图，比较理想的漏斗图应该是散点对称分布
r
funnel(out)
Egger法，P值大于0.05说明没有偏倚，还给出了参考文献
r
metabias(out,method.bias="Egger")
这里还有一个peters法，参考文献是篇JAMA的文章，应该也是蛮靠谱的
r
metabias(out,method.bias="peters")
这里简单的介绍了一下meta分析的操作，肯定没有别人专门将meta分析的详细，如果想进行孟德尔随机化+meta分析最好去补一补meta分析的知识。