Metagear effort_redistribute无法让它执行我想要的操作

Question

有人使用Metagear进行大型meta分析数据筛选吗？

我正在尝试将一个有2个审阅者的大型数据集的1%重新分发给新的修订者。可以很容易地重新分发50:50，尝试使用effort =，但字符串参数(是99,1,0)或(98,1,1)等不断出现错误。使用vignette代码和示例数据集进行测试，得到以下结果...

    # load package
    library(metagear)

    # load a bibliographic dataset with the authors, titles, and abstracts of multiple study references
    data(example_references_metagear)

    #initialise refs
    theRefs <- effort_initialize(example_references_metagear)

    # randomly distribute screening effort to a team, but with Luc handeling      80% of the work
    theTeam <- c("Christina", "Luc")
    theRefs_unscreened <- effort_distribute(theRefs, reviewers = theTeam,    effort = c(20, 80))

    #results in christina with 2 papers, luc with 9

    #give a small amount of work to new reviewer, patsy 
    theRefs_Patsy <- effort_redistribute(theRefs_unscreened,
                                 reviewer = "Luc",
                                 remove_effort = "20", # move 20% of Luc's work to Patsy
                                 reviewers = c("Luc", "Patsy")) # team members loosing and picking

    #results in christina with the same 2 papers, luc with 5 and patsy with 4
    #shouldn't end up with chris 2, luc with 8, patsy with 2? 

Answer 1

运行上面给出的代码会出现以下错误

Error in remove_effort/(number_reviewers - 1) : 
  non-numeric argument to binary operator

因为effort_redistribute需要一个数值参数。删除百分比周围的引号"“将解决您在vignette代码和示例数据集方面遇到的问题。最终，Christina有2个，Patsy有2个，Luc有7个(总共11个)。

根据我对你的问题的理解，你似乎有一个很大的数据集已经分布在两个审阅者之间。最初，您将使用类似以下代码的代码分发数据集：

# load package
library(metagear)

# load a bibliographic dataset with the authors, titles, and abstracts of multiple study references
data(your_large_dataset)

#initialise refs
theRefs <- effort_initialize(your_large_dataset)

# randomly distribute screening effort to a team, with Reviewer1 and Reviewer2 equally sharing the work.
OriginalTeam <- c("Reviewer1", "Reviewer2")
theRefs_unscreened <- effort_distribute(theRefs, reviewers = OriginalTeam)

到目前为止，我们的裁判在Reviewer1和Reviewer2之间各占一半。

现在，如果你想使用effort_redistribute将1%的工作分配给一个新的评审者，你必须选择谁的工作是分布式的，Reviewer1还是Reviewer2。在本例中，我将从Reviewer1中删除。

theRefs_New <- effort_redistribute(theRefs_unscreened, 
                                 reviewer = "Reviewer1",
                                 remove_effort = 1, # move 1% of Reviewer1's work to new reviewer, Reviewer3
                                 reviewers = c("Reviewer1", "Reviewer3")) # team members loosing and picking up work

这样，您将分别使用Reviewer1、Reviewer2和Reviewer3完成49%、50%和1%的工作。或者，如果您想要从每个Reviewer1和Reviewer2中移除0.5%的工作量，以使Reviewer 3总共获得1%的工作量，您可以连续使用effort_redistribute两次，从每个原始评审中移出0.5%，并将其分配给新的评审。

当您使用effort_distribute时，完全不必重新分发，并从一开始就将工作分配为98:1:1 (或者您想要的其他方式)会更容易。请记住，为了使其工作，描述reviewers的向量和描述effort的向量的长度应该相同。

reviewers：将承担额外工作的每个团队成员的姓名的向量。

effort：用于在每个团队成员之间分配筛选任务的百分比向量。如果未显式调用，则假定在所有成员之间平均分配工作量。长度必须与团队成员的数量相同，并且总和必须为100。

Team_vector <- c("Reviewer1", "Reviewer2", "Reviewer3")
Effort_vector <- c(98, 1, 1)
theRefs_distributed <- effort_distribute(theRefs, reviewers = OriginalTeam, effort = Effort_vector)