अजीब अनुपात की मानक त्रुटि की गणना कैसे करें?

Question

मेरे पास जीनोम-वाइड एसोसिएशन अध्ययन से दो डेटासेट हैं। उपलब्ध एकमात्र जानकारी ऑड्स अनुपात और पहले डेटा सेट के लिए पी-मान है। दूसरे डेटा सेट के लिए मेरे पास ऑड्स रेशियो, पी-वैल्यू और एलील फ्रिक्वेंसी (एएफडी = बीमारी, एएफसी = कंट्रोल) (जैसे: 0.321) है। मैं इन आंकड़ों का मेटा-विश्लेषण करने की कोशिश कर रहा हूं, लेकिन मेरे पास यह करने के लिए प्रभाव आकार पैरामीटर नहीं है। क्या इन आंकड़ों में से प्रत्येक के लिए एसई और आत्मविश्वास अंतराल की गणना करने की संभावना केवल उस जानकारी का उपयोग करना है जो प्रदान की गई है ??
पहले ही, आपका बहुत धन्यवाद

उदाहरण: डेटा उपलब्ध:

    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

इन आंकड़ों के साथ मैं SE और CI95% OR की गणना कर सकता हूं? धन्यवाद

Answer 1

आप पी-मान के माध्यम से मानक त्रुटियों की गणना / अनुमान लगा सकते हैं। सबसे पहले, दो-तरफा पी-मूल्यों को एक-पक्षीय पी-मूल्यों में 2 से विभाजित करके परिवर्तित करें। इसलिए आप प्राप्त करें$p = .0115$ तथा $p = .007$। फिर इन पी-वैल्यू को संबंधित जेड-वैल्यू में कन्वर्ट करें। के लिये$p = .0115$, ये है $z = -2.273$ और किसके लिए $p = .007$, ये है $z = -2.457$(वे नकारात्मक हैं, क्योंकि अंतर अनुपात 1 से नीचे हैं)। ये जेड-वैल्यू वास्तव में संबंधित मानक त्रुटियों (यानी, द्वारा विभाजित ऑड्स अनुपात के लॉग को लेने के द्वारा गणना की जाने वाली परीक्षा के आँकड़े हैं)$z = log(OR) / SE$)। तो, यह इस प्रकार है$SE = log(OR) / z$, कौन सी पैदावार $SE = 0.071$ पहली बार और $SE = .038$ दूसरे अध्ययन के लिए।

अब आपके पास मेटा-विश्लेषण करने के लिए सब कुछ है। मैं बताता हूं कि आप मेटाफ़र पैकेज का उपयोग करके आर के साथ गणना कैसे कर सकते हैं:

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       ** 

ध्यान दें कि मेटा-विश्लेषण लॉग ऑड्स अनुपात का उपयोग करके किया जाता है। इसलिए,$-0.1095$इन दो अध्ययनों के आधार पर अनुमानित पूल लॉग ऑड्स अनुपात है। आइए इसे वापस एक अंतर अनुपात में परिवर्तित करें:

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

तो, 95% CI: .84 से .96 के साथ। ऑडेड अनुपात अनुपात .90 है।

Comments

यह मुझे लगता है कि पहले पैराग्राफ में गणना किए गए एसई मान को ऑड्स अनुपात के लघुगणक की मानक त्रुटियां होना चाहिए, न कि ऑड्स अनुपात के मानक त्रुटियां।

— हार्वे मोटुलस्की

सही बात। हमें लॉग ऑड रेशियो की एसई की जरूरत है, ऑड्स रेशियो की नहीं। मेटा-विश्लेषण लॉग ऑड्स अनुपात का उपयोग करके आयोजित किया जाता है, क्योंकि ये 0 के आसपास सममित होते हैं (जैसा कि ऑड्स अनुपात के विपरीत होता है, जो 1 के आसपास सममित नहीं हैं) और जिसका वितरण सामान्यता के बहुत करीब है।

— वुल्फगैंग

@ वोल्फगैंग, आपके उत्तर के लिए बहुत-बहुत धन्यवाद, मैं वास्तव में आपके द्वारा वर्णित काम का उपयोग कर रहा हूं, इसलिए मुझे कुछ संदर्भों की आवश्यकता है ... क्या आप सूत्रों के लिए प्रशस्ति पत्र के साथ मदद कर सकते हैं ?? अग्रिम धन्यवाद

— बर्नबे बस्टोस बेसेरा

खैर, यह "पहले सिद्धांतों" पर आधारित सभी चीजें हैं, इसलिए मुझे यकीन नहीं है कि एक उपयुक्त संदर्भ क्या होगा। आप उदाहरण के लिए, द हैंडबुक ऑफ रिसर्च सिंथेसिस एंड मेटा-एनालिसिस (लिंक) का हवाला दे सकते हैं ।

— वोल्फगैंग

दरअसल, मैनुअल गलत है ( pngu.mgh.harvard.edu/~purcell/plink/metaanal.shtml )। पहला उदाहरण देखिए। एसएनपी rs915677 के लिए,$OR = 0.7949$ तथा $SE = 0.5862$। वह मानक त्रुटि लॉग ऑड्स अनुपात के लिए है। CI द्वारा दिया जाता है$\exp(\log(OR) \pm 1.96 SE)$। इस मामले में:$\exp(\log(0.7949) \pm 1.96 \times 0.5862) = (0.252, 2.508)$, जैसा कि आउटपुट में दिखाया गया है।

— वोल्फगैंग