Questions tagged «funnel-plot»


1
替代漏斗图,无需使用标准误差(SE)
在提交荟萃分析之前,我想作一个漏斗图以测试异质性和发表偏见。我有合并的效应大小和每个研究的效应大小,它们的取值范围是-1至+1。我有每个研究的患者和对照的样本量n1,n2。由于无法计算标准误差(SE),因此无法执行Egger回归。我不能在垂直轴上使用SE或precision = 1 / SE。 问题 我还能在水平轴突上用效应大小在垂直轴上用总样本大小n(n = n1 + n2)进行漏斗图吗? 这样的漏斗图应如何解释? 一些发表的论文提出了这样的漏斗图,在垂直轴上具有总样本大小(已发布的PMID:10990474、10456970)。同样,维基百科漏斗图维基对此也表示同意。但是,最重要的是,Mathhias Egger在BMJ 1999上的论文(PubMed PMID:9451274)显示了这样的漏斗图,没有SE,只有垂直轴上的样本大小。 更多问题 当标准误差未知时,这样的图可接受吗? 它与标准轴突上SE或presicion = 1 / SE的经典漏斗图相同吗? 它的解释不同吗? 我应该如何设置直线以形成等边三角形?

1
Metafor软件包:偏差和灵敏度诊断
我正在进行多层次的荟萃分析,其中包括一些具有多种结果的文章。因此,我正在使用该rma.mv()功能。示例代码: test.main = rma.mv(yi,vi,random = ~1|ID, data = data) 我有两个问题: 我在上一个查询中了解到,使用时rma.mv(),ranktest()它不是漏斗图不对称性的可靠测试。但是,如果将样本方差作为主持人添加到原始模型中,则此模型将类似于Egger的检验: test.egger = rma.mv(yi,vi, mod = vi, random = ~1|ID, data = data) 该代码对该指南是否正确解释?另外,漏斗图作为rma.mv()模型的工具也(或多或少)无用吗? 既不评估模型结果的敏感性leave1out()也无法trimfill()与之rma.mv()合作。当前是否可将其他敏感性分析工具用于rma.mv()不精通R的模型?

2
您将如何可视化细分渠道?(您可以使用Python做到吗?)
我在Moz上看到了这篇帖子,其中介绍了细分的营销渠道: 这种事情在我的工作中将具有很大的价值。我不知道如何可视化原始数据以显示像这样的分段漏斗。这个想法是销售线索来自不同的来源(我们将其用于细分数据),并在转化为交易时经历了多个阶段。从每个阶段到另一个阶段都有下降。每个切片的宽度由每个切片中引线的绝对数量确定。[ 编辑:注意,当涉及每个切片右侧指定的数字时,此处用作参考的图像会产生误导。切片的宽度和数量之间似乎没有任何关系。该图像仅应作为分段漏斗设计的参考]。 无论如何,任何想法如何形象化?如果可能的话,我很想用Python做到这一点。 如果有人需要一些虚拟数据,这是一个Google文档。 期待您的见解。谢谢!
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.