RStudio - Metafor | Cálculo de la diferencia de medias estandarizadas

Como ya es bien conocido, un meta-análisis trabaja con el concepto de tamaños del efecto. Uno de los tamaños del efecto más comunes cuando existen datos de la media, desviación típica y tamaño muestral del grupo control y experimental es la diferencia de medias estandarizadas. (Standarized Mean Difference o SMD en inglés).

En esta entrada vamos a partir de la base de datos de Excel que hemos introducido en entradas anteriores de este mes y que hemos cargado en RStudio. Puedes hacer clic en el siguiente botón para aprender o refrescar cómo se debe hacer la carga de los datos correctamente. 

• Recordemos que estamos usando el archivo MA Basico, que previamente hemos importado a RStudio con un ordenador Mac. No obstante, estas operaciones son similares en un ordenador Windows. Recordemos que el nombre de la base en R es MAbasico (que podría haber sido otro nombre).

Bibliotecas necesarias

Recordemos que para que lo que vamos a ver hoy funcione, tenemos que tener activas las bibliotecas:

> library (metafor)

> library (tidyverse)

> library (xlsx)

Cálculo de diferencia de medias estandarizadas

Para calcular la diferencia de medias estandarizadas (SMD; Standarized Mean Differences en inglés) debemos pedir que RStudio añada dos nuevas columnas con los tamaños del efecto y la varianza de esos tamaños del efecto.

En primer lugar, debemos "traducir" las funciones de nuestra base de datos a las funciones de la biblioteca metafor. Para ello, vamos a solicitar que los nombres de MAbasico se transformen. Para ello, debemos usar la función escalc (que se es el acrónimo de effect size calculation) en la que también pediremos la instrucción de measure = "SMD" [diferencias de medias estandarizadas]. A continuación, se debe introducir el nombre de las variables que pone metafor seguido del nombre que habíamos puesto en nuestra base de datos. En metafor los nombres son m1i (mean group 1 intervention; media del grupo 1), sd1i (standard deviation 1 intervention; desviación típica del grupo 1), n1i (n group 1 intervention; muestra del grupo 1), m2i (mean group 2 intervention; media del grupo 2), sd2i (standard deviation 2 intervention; desviación típica del grupo 2) y n2i (n group 2 intervention; muestra del grupo 2). En este caso, grupo 1 hace referencia al grupo experimental y grupo 2 al grupo control. Entonces, después de cada uno de estos nombres tendremos que escribir la correspondencia con nuestra base de datos. En nuestro caso será m1i = med_int, sd1i = dt_int, n1i = n_int, m2i = med_cont, sd2i = dt_cont; n2i = n_cont. Por último, se debe poner la función data = nombre de la base de datos. Integrado en la siguiente función tendremos:

> MAbasico = escalc (measure = "SMD", m1i = med_int, sd1i = dt_int, n1i = n_int, m2i = med_cont, sd2i = dt_cont, n2i = n_cont, data = MAbasico)

Nótese que hemos usado el mismo nombre para esta función que nuestra anterior base de datos. Esto es así para que tengamos una nueva base de datos con el mismo nombre pero que incluya los cálculos del tamaño del efecto.

Entonces, después de esta función, si invocamos el nombre MAbasico veremos que aparecerán dos nuevas columnas: yi y vi que corresponden con el tamaño del efecto (columna yi) y con la varianza del tamaño del efecto (vi).

Seguir aprendiendo

Ahora ya estamos listos para realizar el primer paso del meta-análisis. En la siguiente entrada veremos cómo se efectúa un meta-análisis de efectos aleatorios. Haz clic en el siguiente botón para acceder a este contenido:

Jacob Sierra Díaz y Alti