Làm thế nào để tính toán sai số chuẩn của tỷ lệ cược?


9

Tôi có hai bộ dữ liệu từ các nghiên cứu kết hợp trên toàn bộ gen. Thông tin duy nhất có sẵn là tỷ lệ chênh lệch và giá trị p cho tập dữ liệu đầu tiên. Đối với tập dữ liệu thứ hai, tôi có các Tỷ lệ lẻ, giá trị p và tần số alen (AFD = bệnh, AFC = điều khiển) (ví dụ: 0,321). Tôi đang cố gắng phân tích tổng hợp các dữ liệu này nhưng tôi không có tham số kích thước hiệu ứng để thực hiện việc này. Có khả năng tính khoảng tin cậy SE và OR cho mỗi dữ liệu này chỉ bằng cách sử dụng thông tin được cung cấp ??
Cảm ơn bạn trước

ví dụ: Dữ liệu có sẵn:

    Study     SNP ID      P        OR    Allele   AFD    AFC
    1         rs12345    0.023    0.85
    2         rs12345    0.014    0.91     C      0.32   0.25

Với những dữ liệu này, tôi có thể tính SE và CI95% HAY không? Cảm ơn

Câu trả lời:


15

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.


Dường như với tôi, các giá trị SE được tính trong đoạn đầu tiên phải là các lỗi tiêu chuẩn của logarit của tỷ lệ chênh lệch, chứ không phải là các lỗi tiêu chuẩn của chính tỷ lệ chênh lệch.
Harvey Motulsky

Chính xác. Chúng ta cần SE của tỷ lệ cược log, chứ không phải tỷ lệ cược. Phân tích tổng hợp được thực hiện bằng cách sử dụng các tỷ lệ tỷ lệ cược log, vì chúng là đối xứng khoảng 0 (trái ngược với tỷ lệ tỷ lệ cược, không đối xứng quanh 1) và có phân phối gần với quy tắc hơn.
Wolfgang

@Wolfgang, cảm ơn bạn rất nhiều vì câu trả lời của bạn, tôi thực sự đang sử dụng những gì bạn mô tả, trong công việc của tôi, vì vậy tôi cần một số tài liệu tham khảo ... bạn có thể giúp tôi trích dẫn các công thức không ?? cảm ơn bạn trước
Bernabé Bustos Becerra

Chà, đây là tất cả những thứ dựa trên "nguyên tắc đầu tiên", vì vậy tôi không chắc chắn một tài liệu tham khảo phù hợp sẽ là gì. Bạn có thể trích dẫn, ví dụ, Sổ tay tổng hợp nghiên cứu và phân tích tổng hợp (Liên kết) .
Wolfgang

2
Trên thực tế, hướng dẫn sử dụng không chính xác ( pngu.mgh.harvard.edu/~purcell/plink/metaanal.shtml ). Nhìn vào ví dụ đầu tiên. Đối với SNP rs915677, và . Đó là lỗi tiêu chuẩn cho tỷ lệ cược đăng nhập . CI được đưa ra bởi . Trong trường hợp này: , chính xác như được hiển thị trong đầu ra. OR=0.7949SE=0.5862exp(log(OR)±1.96SE)exp(log(0.7949)±1.96×0.5862)=(0.252,2.508)
Wolfgang
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.