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.