주파수가 0 인 세포 연구에 대한 메타 분석

메타 분석 및 메타 회귀 기술 ( metaforViechtbauer 의 R 패키지 사용 )에 익숙하지만 최근에 쉽게 해결할 수없는 문제가 발생했습니다. 우리가 어머니에게서 태어나지 않은 아이에게 갈 수있는 질병이 있고 이미 여러 차례 연구되어 왔다고 가정 해 봅시다. 엄마와 아이는 출생 직후 바이러스 검사를 받았습니다. 태어나지 않은 아이는 어머니가 아닌 다른 바이러스를 감염시킬 수 있으므로 다음과 같은 교차 분석을 기대할 수 있습니다.

           | neg kid | pos kid
mother neg |    A    |   C=0
-----------|---------|--------
mother pos |    B    |   D

분명히 승산 비 (OR)를 사용하면 0으로 나눌 때 오류가 발생합니다. 상대 위험도 동일합니다.

$\frac{A/(A+B)}{0/(0+D)}$

이제 연구자들은 아이의 감염이 어머니의 감염과 관련이 있는지 (무의미한) 가설을 테스트하려고합니다 (매우 명백한 것처럼 보입니다). 나는 가설을 재구성하려고 노력하고 있고, 의미있는 것을 생각해 내고 있지만, 실제로 무언가를 찾을 수는 없습니다.

설상가상으로, 엄마가 마이너스 인 일부 어린이는 실제로 첫 주 감염으로 인해 긍정적입니다. 따라서 C = 0 인 여러 연구 만 있습니다.

그러한 패턴에 따라 다른 연구의 데이터를 통계적으로 요약하는 방법에 대한 아이디어가 있습니다. 과학 논문에 대한 링크도 환영 이상입니다.

이것은 위험 비율이나 승산 비율보다 위험 차이 를 메타 분석하는 것이 더 좋은 드문 상황 중 하나 인 것 같습니다 . 위험 차이 는 각 연구에서 의해 추정됩니다 . 인 경우에도 모든 연구에서 유한해야 하므로 메타 분석에 아무런 문제가 없어야합니다.$P(Kid_+ | Mum_+) - P(Kid_+|Mum_-)$$D/(B+D) - C/(A+C)$$C=0$

이 위험 차이가 0이라는 가설 테스트를 고려하는 것은 무의미 해 보인다. 그러나 그것은 즉, 얼마나 큰 그것이 추정하는 의미의 얼마나 많은 아이가 자신의 엄마가 침묵하지 않는 경우보다 그것을 가질 때 바이러스를하는 것입니다 가능성이 높습니다.

일반적으로 0은 승산 비를 가진 메타 분석과 같은 무증상 방법에 의존하는 대신 정확한 방법을 사용해야 함을 나타냅니다. 연구 효과가 고정되어 있다고 가정하고 싶다면 정확한 Maentel-Hanszel 테스트가 필요합니다. 정확한 랜덤 효과 분석을 위해서는 랜덤 스터디 효과와 함께 이항 회귀 모형을 사용해야합니다. 나는 최근에 적용된 논문에서 두 가지를 모두 수행했지만 방법 섹션은 본질적 으로이 정보를 전달하므로 더 도움이되지 않습니다.

편집하다

이 논문은 적용되지 않았지만
여기서도 같은 문제에 직면했을 때 아이디어를 얻었습니다. [1] Hans C. van Houwelingen, Lidia R. Arends 및 Theo Stijnen. 메타 분석의 고급 방법 : 다변량 접근 및 메타 회귀 의학 통계 , 2002; 21 : 589–624

여기에이 접근법을 사용한 논문이 있습니다 (추상적으로는 명확하지 않지만 방법 섹션에 언급되어 있습니다).
[2] Trivedi H, Nadella R, Szabo A. 명암 유발 방지를 위해 중탄산 나트륨으로 수화 신장 병증 : 무작위 대조 시험의 메타 분석. 클린 네프 롤. 2010 년 10 월; 74 (4) : 288-96.

metafor 패키지의 문서는 "2x2 테이블의 셀에 작은 상수를 추가하는 것이이 문제에 대한 일반적인 해결책"이라고 말합니다. rma () 호출 내에서이를 수행하는 옵션도 제공합니다.