Bạn có thể tính toán / tính gần đúng các lỗi tiêu chuẩn thông qua các giá trị p. Đầu tiên, chuyển đổi giá trị p hai mặt thành giá trị p một phía bằng cách chia chúng cho 2. Vì vậy, bạn nhận được và . Sau đó chuyển đổi các giá trị p này thành các giá trị z tương ứng. Với , đây là và với , đây là (chúng là âm, vì tỷ lệ chênh lệch dưới 1). Các giá trị z này thực sự là số liệu thống kê kiểm tra được tính bằng cách lấy nhật ký của tỷ lệ cược chia cho các lỗi tiêu chuẩn tương ứng (nghĩa là ). Vì vậy, nó theo sau , mang lạip=.0115p=.007p=.0115z=−2.273p=.007z=−2.457z=log(OR)/SESE=log(OR)/zSE=0.071cho nghiên cứu thứ nhất và cho nghiên cứu thứ hai.SE=.038
Bây giờ bạn có mọi thứ để làm một phân tích tổng hợp. Tôi sẽ minh họa cách bạn có thể thực hiện các tính toán với R, bằng cách sử dụng gói metafor:
library(metafor)
yi <- log(c(.85, .91)) ### the log odds ratios
sei <- c(0.071, .038) ### the corresponding standard errors
res <- rma(yi=yi, sei=sei) ### fit a random-effects model to these data
res
Random-Effects Model (k = 2; tau^2 estimator: REML)
tau^2 (estimate of total amount of heterogeneity): 0 (SE = 0.0046)
tau (sqrt of the estimate of total heterogeneity): 0
I^2 (% of total variability due to heterogeneity): 0.00%
H^2 (total variability / within-study variance): 1.00
Test for Heterogeneity:
Q(df = 1) = 0.7174, p-val = 0.3970
Model Results:
estimate se zval pval ci.lb ci.ub
-0.1095 0.0335 -3.2683 0.0011 -0.1752 -0.0438 **
Lưu ý rằng phân tích tổng hợp được thực hiện bằng cách sử dụng tỷ lệ tỷ lệ cược log. Vì vậy, là tỷ lệ cược log được ước tính dựa trên hai nghiên cứu này. Hãy chuyển đổi tỷ lệ này trở lại tỷ lệ cược:−0.1095
predict(res, transf=exp, digits=2)
pred se ci.lb ci.ub cr.lb cr.ub
0.90 NA 0.84 0.96 0.84 0.96
Vì vậy, tỷ lệ cược gộp là 0,90 với 95% CI: .84 đến 0,96.