메타 분석에서 풀링 된 홀수 비율의 신뢰 구간을 계산하는 방법은 무엇입니까?

게놈 전체 협회 연구에서 얻은 두 가지 데이터 세트가 있습니다. 이용 가능한 유일한 정보는 각 유전자형 SNP에 대한 홀수 비율과 신뢰 구간 (95 %)입니다. 이 두 배당률을 비교하는 포레스트 플롯을 생성하고 싶지만 요약 효과를 시각화하기 위해 결합 된 신뢰 구간을 계산하는 방법을 찾을 수 없습니다. 고정 효과를 사용하여 메타 분석을 수행하기 위해 PLINK 프로그램을 사용했지만 프로그램에는 이러한 신뢰 구간이 표시되지 않았습니다.

• 그러한 신뢰 구간을 어떻게 계산할 수 있습니까?

사용 가능한 데이터는 다음과 같습니다.

• 각 연구의 홀수 비율
• 95 % 신뢰 구간 및
• 표준 오류.

승산 비의 대부분의 메타 분석에서 표준 오차 $se_i$ 로그 확률 비율을 기반으로합니다. $log(OR_i)$. 그래서, 당신은 어떻게$se_i$ 추정 된 것 (그리고 이들이 어떤 메트릭을 반영합니까? $OR$ 또는 $log(OR)$)? 주어진$se_i$ ~에 근거한다 $log(OR_i)$그러면 풀링 된 표준 오류 (고정 효과 모델에서)를 쉽게 계산할 수 있습니다. 먼저 각 효과 크기에 대한 가중치를 계산해 보겠습니다.$w_i = \frac{1}{se_i^2}$. 둘째, 풀링 된 표준 오류는$se_{FEM} = \sqrt{\frac{1}{\sum w}}$. 또한, 보자$log(OR_{FEM})$공통 효과 (고정 효과 모델) 그런 다음 ( "풀링 된") 95 % 신뢰 구간은$log(OR_{FEM}) \pm 1.96 \cdot se_{FEM}$.

최신 정보

BIBB가 친절하게 데이터를 제공했기 때문에 R에서 '전체'메타 분석을 실행할 수 있습니다.

library(meta)
or <- c(0.75, 0.85)
se <- c(0.0937, 0.1029)
logor <- log(or)
(or.fem <- metagen(logor, se, sm = "OR"))

> (or.fem <- metagen(logor, se, sm = "OR"))
    OR            95%-CI %W(fixed) %W(random)
1 0.75  [0.6242; 0.9012]     54.67      54.67
2 0.85  [0.6948; 1.0399]     45.33      45.33

Number of trials combined: 2 

                         OR           95%-CI       z  p.value
Fixed effect model   0.7938  [0.693; 0.9092] -3.3335   0.0009
Random effects model 0.7938  [0.693; 0.9092] -3.3335   0.0009

Quantifying heterogeneity:
tau^2 < 0.0001; H = 1; I^2 = 0%

Test of heterogeneity:
    Q d.f.  p.value
 0.81    1   0.3685

Method: Inverse variance method

참고 문헌

예를 들어, Lipsey / Wilson (2001 : 114) 참조

실제로 GWA 컨텍스트에서 메타 분석을 위해 특별히 설계된 METAL 과 같은 소프트웨어를 사용할 수 있습니다 .

plink가 신뢰 구간을 제공하지 않는 것이 어색합니다. 그러나 최종 OR이 있으므로 CI를 얻을 수 있습니다.$\log(\text{OR})$) 그리고 $p$-값 (따라서 $z$) 고정 효과.

Bernd의 방법은 훨씬 더 정확합니다.

각 연구에 대한 요약 통계 만 가지고 있지만 어느 것이 대립 유전자인지 확실하지 않은 것처럼 효과 방향에 대해 더 걱정할 것입니다. 당신이 알지 않는 한 그것은 같은 대립 유전자에서 이루어집니다.

신자

이것은 의견입니다 (응답 포인트가 충분하지 않음). 각 연구에서 표본 크기 (#cases 및 #controls)와 SNP의 확률 비율을 알고 있다면 두 연구 각각. 그런 다음 이러한 수를 추가하여 메타 연구에 대한 테이블을 가져 와서 확률 배당률과 신뢰 구간을 결합하여 계산할 수 있습니다.

다음은 PLINK에서와 같이 메타 분석을위한 CI를 가져 오는 코드입니다.

getCI = function(mn1, se1, method){
    remov = c(0, NA)
    mn    = mn1[! mn1 %in% remov]
    se    = se1[! mn1 %in% remov]
    vars  <- se^2
    vwts  <- 1/vars

    fixedsumm <- sum(vwts * mn)/sum(vwts)
    Q         <- sum(((mn - fixedsumm)^2)/vars)
    df        <- length(mn) - 1
    tau2      <- max(0, (Q - df)/(sum(vwts) - sum(vwts^2)/sum(vwts)) )

    if (method == "fixed"){ wt <- 1/vars } else { wt <- 1/(vars + tau2) }

    summ <- sum(wt * mn)/sum(wt)
    if (method == "fixed") 
         varsum <- sum(wt * wt * vars)/(sum(wt)^2)
    else varsum <- sum(wt * wt * (vars + tau2))/(sum(wt)^2)

    summtest   <- summ/sqrt(varsum)
    df         <- length(vars) - 1
    se.summary <- sqrt(varsum)
    pval       = 1 - pchisq(summtest^2,1)
    pvalhet    = 1 - pchisq(Q, df)
    L95        = summ - 1.96*se.summary
    U95        = summ + 1.96*se.summary
    # out = c(round(c(summ,L95,U95),2), format(pval,scientific=TRUE), pvalhet)   
    # c("OR","L95","U95","p","ph")
    # return(out)

    out = c(paste(round(summ,3), ' [', round(L95,3), ', ', round(U95,3), ']', sep=""),
            format(pval, scientific=TRUE), round(pvalhet,3))
    # c("OR","L95","U95","p","ph")
    return(out)
}

R 함수 호출 :

getCI(log(plinkORs), plinkSEs)