승산 비의 표준 오차를 계산하는 방법?


10

게놈 전체 협회 연구에서 얻은 두 가지 데이터 세트가 있습니다. 사용 가능한 유일한 정보는 승산 비와 첫 번째 데이터 세트의 p- 값입니다. 두 번째 데이터 세트의 경우 확률 비, p- 값 및 대립 유전자 빈도 (AFD = 질환, AFC = 대조군)가 있습니다 (예 : 0.321). 이 데이터의 메타 분석을 시도하고 있지만이 작업을 수행 할 효과 크기 매개 변수가 없습니다. 제공된 정보 만 사용하여 이러한 각 데이터에 대한 SE 및 OR 신뢰 구간을 계산할 수 있습니까?
미리 감사합니다

예 : 사용 가능한 데이터 :

    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

이 데이터를 사용하여 SE 및 CI95 % OR을 계산할 수 있습니까? 감사

답변:


16

p- 값을 통해 표준 오차를 계산 / 근사 할 수 있습니다. 먼저 양측 p- 값을 2로 나누어 단측 p- 값으로 변환하십시오. 따라서 및 됩니다. 그런 다음이 p- 값을 해당 z- 값으로 변환하십시오. 들면 ,이다 및 대해 , 이것이 (가능성 비율이 1 미만이기 때문에 그들이 음). 이 z- 값은 실제로 승산 비의 로그를 해당 표준 오류 (예 : )로 나눈 값으로 계산 된 테스트 통계 입니다. 따라서 이므로p=.0115p=.007p=.0115z=2.273p=.007z=2.457z=log(OR)/SESE=log(OR)/zSE=0.071첫 번째 연구의 경우 두 번째 연구의 경우.SE=.038

이제 메타 분석을 수행 할 모든 것이 있습니다. metafor 패키지를 사용하여 R로 계산을 수행하는 방법을 설명하겠습니다.

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       ** 

메타 분석은 로그 승산 비를 사용하여 수행됩니다. 따라서 는이 두 연구를 기반으로 추정 된 풀 로그 확률 비율입니다. 이것을 다시 승산 비로 변환 해 봅시다 :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

따라서 풀링 된 승률 비율은 95 % CI : .84 ~ .96의 경우 .90입니다.


첫 번째 단락에서 계산 된 SE 값은 확률 비율 자체의 표준 오류가 아니라 확률 비율 로그의 표준 오류 여야합니다.
Harvey Motulsky

옳은. 우리는 승산 비가 아닌 로그 승산 비의 SE가 필요합니다. 메타 분석은 로그 확률 비율을 사용하여 수행됩니다. 로그 확률은 0에 대해 대칭이고 (1에 대해 대칭이 아닌 확률에 비해) 정규 분포에 훨씬 가깝습니다.
볼프강

@ 볼프강, 답변 주셔서 대단히 감사합니다, 나는 실제로 당신이 묘사 한 것을 사용하고 있습니다. 미리 감사드립니다
Bernabé Bustos Becerra

글쎄, 이것은 "첫 번째 원칙"을 기반으로 한 모든 것이므로 적절한 참조가 무엇인지 잘 모르겠습니다. 예를 들어, Handbook of Research Synthesis and Meta-Analysis (Link)를 인용 할 수 있습니다.
Wolfgang

2
실제로 매뉴얼은 정확하지 않습니다 ( pngu.mgh.harvard.edu/~purcell/plink/metaanal.shtml ). 첫 번째 예를보십시오. SNP rs915677의 경우 및 입니다. 이 표준 오차는 로그 확률 비율에 대한 것입니다. CI는 됩니다. 이 경우 출력에 표시된대로 정확하게 입니다. OR=0.7949SE=0.5862exp(log(OR)±1.96SE)exp(log(0.7949)±1.96×0.5862)=(0.252,2.508)
볼프강
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.