各位读者朋友们大家好啊，本次的教程其实于上一期已在B站（up主：全哥的学习生涯）上进行了视频教学，但因为偏倚风险评估在meta分析中的地位尤为重要，而在之前的文章中并未针对此有过说明，故为了方便大家阅读和快速掌握，我将上一期视频的内容浓缩成了本次文字版的教程。meta分析的偏倚风险评估图，也就是ROB图，Risk of bias，通常意义上，一篇正规meta分析一般往往会对偏倚风险或纳入原始研究的质量进行评估，所以最初就有Cochrane的偏倚风险评估工具，用Revman做出来的图形如图1所示，但是其缺点是无法对字体、颜色、格式等进行调整，其远远不如R语言实现起来更容易与方便。R语言完全可以重现ROB图。(需要本教程原始数据及完整程序命令的可在公众号(全哥的学习生涯)内回复“ROB”获取)

1. 准备工作

1.1 准备数据

首先假如我们纳入的原始研究是横断面研究，在这里我采用美国卫生保健质量和研究机构(AHRQ)为评估横断面研究质量而编制的量表（当然也可以自定义条目或者采取其它量表），其条目共分11项，每一项对应YES,NO,UNCLEAR三项，也即低风险，UNCLEAR和高风险，因为是为大家演示之用，所以自定义取前十条评估某meta分析的各原始研究，其原始数据如图2所示，Overall代表此原始研究整体风险情况（按评分来划分），Weight则代表每个研究的权重，在这里可以采用森林图上经过倒方差法计算出来的权重值（注意区分固定效应模型与随机效应模型），或者直接采用原始研究的样本量作权重，图2所示的为样本量作为数据权重的情况。

图 2

1.2 安装加载R包

作ROB图最为经典的包就是robvis包了（也可以使用dmetar包，其table参数指定为TRUE时绘制的就是图1Revman风格的图片），我们需要安装和加载此包。若同时还想生成图片的标题与副标题，需同时安装并加载ggplot2包。

install.packages(c(“robvis”,”ggplot2”))

library(robvis)

library(ggplot2)

1.3 导入数据

setwd(dir="C:/Users/86187/Desktop") #设置工作路径

data <- read.csv("C:/Users/Desktop/data.csv") #导入数据

2. 制作Summary图

rob_summary(data = data,tool="ROB1",overall = TRUE,weighted = TRUE,colour=c("orange","green","skyblue"))+ggtitle(主标题,副标题)+theme(plot.title = element_text(hjust=0.5))

图 3

图形效果如图3所示，在上述代码中，weighted代表是否按权重作图，默认为TRUE，可以改为FALSE；colour是对图片颜色的定义，可以用颜色代码表示；tool代表不同的评估方法，ROB1可以自定义，其他评估方法参数的解释如下：

ROB2:the new Cochrane risk of bias tool for randomized controlled trials;

ROBINS-I:the Risk of Bias in Non-randomized Studies-of Interventions tool;

QUADAS-2,the Quality and Applicability of Diagnostic Accuracy Studies,Version 2;

在ggtitle(主标题,副标题)中可以设置你自己研究的主副标题。

theme(plot.title = element_text(hjust=0.5))表示设置主标题居中。

3. 制作traffic light图

图 4

rob_traffic_light(data = data,tool="ROB1",colour=c("orange","green","skyblue"),psize = 10)+ggtitle(主标题,副标题)+theme(plot.title = element_text(hjust=0.5))

图形效果如图4所示，上述代码中，data,colour等参数功能均与上述代码相同；psize表示中间圆圈的大小，可以自行修改数值来调整大小。

4. 导出图片

可以保存成PDF、PNG、JPEG、TIFF等格式，在图5中1处修改即可，因为默认生成的图片会很挤，因此可以自行调整图片的宽和高，可在图5中2处修改尺寸即可，再点击save即可保存到工作路径。

图 5