深夜meta有感

想着推进一下meta的进度，不知不觉就转钟了。
发了两封邮件，纠结了一下CALERIE的问题。
对发邮件真的有点PTSD，最开始和老板发邮不回，最近和各个paper的通讯教授发邮件询问数据，感觉体验总是很差。
不知道是普遍现象还是我表达/运气不太好。
记下CALERIE吧。拿在手上的paper多少有点不合适。或者干脆没有数据只有图，或者数据只给了baseline，或者都给了形式却不太好。
最开始是想拿着25分的柳叶刀子刊做。baseline没给SD，我也确实没查到为什么，兄弟说可能是数据不好看所以选择性隐藏了。
在另一篇里面找到了数据，添在一起合并一下倒是也没问题了。
但是change score怎么转化成final value，就这么个让我有点哭笑不得的问题，缠了很久。
不得不吐槽我看到的一些医学工作者(又或许各个领域都这样)，对于非领域内问题很容易打马虎眼。做meta的人那么多，对统计学问题有认真研究探索的没看到几个。
竟然也有大神拿着一元二次方程求根公式发帖指点江山，丝毫不讲原理出处的丢出一个“工具包”excel，还博得一片喝彩。
看到两层评论尤其啼笑皆非：“师兄这个工具非常好！就是算出来的结果总是不对” . “感谢楼主的工具，我用了你的表格在引用时候怎么说呢？”
作为本科生，五味杂陈，不知如何是好。

说回实在的，从baseline+change到final，绝非随便一下换算完事儿，中间的关键在于pre-post的相关系数。这个指标往往在这样的场景下是获取不到的。
于是有一位大神就出来说:“这个太简单，初中知识(上述一元二次方程)，R取0.4或者0.5就好了！”
那问题不就是R怎么来的吗？也看到有人质疑，但是没人给出结果。google了一下，仍然不是很清晰。有一个说法还算认可，大致意思是取同类型研究里eligible的实验算一个相关系数，用在未知实验里做估算。
可以接受吧，但是很麻烦，我不干。看到mhealth里都”In accordance with practice”了一个0.5，那我也0.5好了。
兄弟笑话我说：“我还以为你是一个富有钻研精神的理想主义者”，不语。
再三查阅没啥结果，潜意识里还是没接受0.5的事实。遂回到CALERIE主页，找来了实验数据集。这下好！所有被试的数据清清楚楚，“只”需要再重新做计算得一个mean+SD，问题不就没有了吗？
不过这并不是正面解决了上面的估算疑惑吧，只是找到了更本源的方案不需要再做估算。松了口气，心里不由得欢快起来了。
我好像还是算一个富有钻研精神的理想主义者吧？我希望是。
还想感叹一下CALERIE实验的规模。两百多人，两年，当我打开database的时候我才意识到这中间到底有多少数据，多大工作量。
由衷的又有敬畏之心了。
零零碎碎的也不知道自己到底想说什么，就是有所感触，且做记录。
睡觉