मेटा-विश्लेषण में पूल किए गए विषम अनुपात के लिए आत्मविश्वास अंतराल की गणना कैसे करें?

Question

मेरे पास जीनोम-वाइड एसोसिएशन अध्ययन से दो डेटासेट हैं। उपलब्ध एकमात्र जानकारी प्रत्येक जीनोटाइप वाले एसएनपी के लिए विषम अनुपात और उनके आत्मविश्वास अंतराल (95%) हैं। मेरी इच्छा है कि मैं इन दो बाधाओं अनुपातों की तुलना करते हुए एक वन प्लॉट उत्पन्न करूं, लेकिन मुझे सारांश प्रभावों की कल्पना करने के लिए संयुक्त आत्मविश्वास अंतराल की गणना करने का तरीका नहीं मिल रहा है। मैंने निश्चित प्रभावों का उपयोग करके मेटा-विश्लेषण करने के लिए कार्यक्रम PLINK का उपयोग किया, लेकिन कार्यक्रम ने इन आत्मविश्वास अंतरालों को नहीं दिखाया।

• मैं ऐसे आत्मविश्वास अंतराल की गणना कैसे कर सकता हूं?

उपलब्ध डेटा है:

• प्रत्येक अध्ययन के लिए अजीब अनुपात,
• 95% विश्वास अंतराल और
• मानक त्रुटियां।

Answer 1

ऑड्स अनुपात के अधिकांश मेटा-विश्लेषण में, मानक त्रुटियां लॉग ऑड्स अनुपात पर आधारित हैं । तो, आप को पता है कि कैसे अपने होने करना अनुमान किया गया है (और वे क्या प्रतिबिंबित मीट्रिक? या )? यह देखते हुए कि पर आधारित है , फिर पूल किए गए मानक त्रुटि (एक निश्चित प्रभाव मॉडल के तहत) आसानी से गणना की जा सकती है। सबसे पहले, चलो प्रत्येक प्रभाव आकार के लिए वजन की गणना करें: । दूसरा, जमा मानक त्रुटि । इसके अलावा,$se_i$$log(OR_i)$$se_i$$OR$$log(OR)$$se_i$$log(OR_i)$$w_i = \frac{1}{se_i^2}$$se_{FEM} = \sqrt{\frac{1}{\sum w}}$$log(OR_{FEM})$सामान्य प्रभाव (निश्चित प्रभाव मॉडल) हो। फिर, ("पूल किया गया") 95% विश्वास अंतराल ।$log(OR_{FEM}) \pm 1.96 \cdot se_{FEM}$

अपडेट करें

चूंकि BIBB ने डेटा प्रदान किया है, इसलिए मैं R में 'पूर्ण' मेटा-विश्लेषण चलाने में सक्षम हूं।

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

संदर्भ

उदाहरण के लिए, लिप्सी / विल्सन (2001: 114)

Comments

अपनी प्रतिक्रिया देने के लिए आपका बहुत - बहुत धन्यवाद। मानक क्षरण OR Ln (ORi) के प्राकृतिक लॉग पर आधारित है। पहले मैं एसई 1 (0.0937) = 10.67 और एसई 2 (0.1029) = 9.71 के लिए वजन की गणना करता हूं। तो FEM के तहत गणना की एसई = 0.2215 है। ये SNPs के लिए या OR = 0.7645 है, इसलिए 95% विश्वास अंतराल = (0.515-1.228) है। क्या मैं सही हूं?, अगर मैं करता हूं, तो मैं चिंतित हूं क्योंकि जब मैं एक वन भूखंडों में सभी परिणामों की तुलना करता हूं, तो संयुक्त अंतराल प्रत्येक अध्ययन में मूल के साथ तुलना में बहुत बड़ा होता है = अध्ययन 1 = 95% सीआई (0.63-0.91) या = 0.75, अध्ययन 2 95% सीआई (0.69-1.04) या = 0.85। यह सब कुछ ठीक है?। धन्यवाद

— BIBB

नहीं बदकिस्मती से नहीं। कृपया ध्यान दें कि लिए मेरा सूत्र गलत था, यह नहीं । जैसा कि आप देख सकते हैं, 'पूल' 95% सीआई [0.693] है; 0.9092]। मुझे यह भी आश्चर्य है कि आपका पूल किया हुआ या अलग क्यों है (0.7645 बनाम 0.7938)। क्षमा करें, मुझे जाना है लेकिन मैं कल इसे वापस आऊंगा ...$w$$1/(se^2)$$1/se$

— बर्नड वीस

आपका बहुत बहुत धन्यवाद !!!, यह परिणाम मेरी तुलना में अधिक सुसंगत है। पूलित या मैं आपको PLINK आउटपुट में देता था ... अब मैं अपने सभी मेटा-विश्लेषण परिणामों के बारे में बहुत चिंतित हूँ ... मैं बेहतर उपयोग करूँगा R

— BIBB

मैंने लिप्सी / विल्सन पुस्तक "प्रैक्टिकल मेटा-एनालिसिस" (संदर्भ देखें) की एक कड़ी शामिल की। मैं थोड़ा चिंतित हूं कि PLINK और मेरे परिणाम अलग हैं। क्या आप जानते हैं कि वे मेटा-विश्लेषण पद्धति का उपयोग करते हैं? आपको यह भी ध्यान रखना चाहिए कि मुझे "जीनोम-वाइड एसोसिएशन स्टडीज" के बारे में बिल्कुल पता नहीं है।

— बेरंड वीस

समाधान के लिए धन्यवाद, मैं सोच रहा हूं कि क्या मैं अपनी समस्या के लिए मेटा-विश्लेषण विधि लागू कर सकता हूं। मैं क्या करता हूं, कुछ शोर को प्रेरित करके एक प्रतिगमन का अनुकरण करता हूं। मैं विश्लेषण n बार चलाता हूं (जैसे n n 500 है) और n ORs और CI प्राप्त करें। यहां प्रश्न का लिंक दिया गया है : ysts.stackexchange.com/questions/206042/… । तो क्या मैं प्रत्येक लॉग ओआरएस और एसटीडी एरल्स पर ´metagen´ फ़ंक्शन कॉलिंग को लागू कर सकता हूं। क्या पूर्वाग्रह को अधिक मूल्यों के साथ पेश किया गया हैn

— lukeg

Answer 2

दरअसल, आप METAL जैसे सॉफ्टवेयर का उपयोग कर सकते हैं जो विशेष रूप से GWA संदर्भ में मेटा-विश्लेषण के लिए डिज़ाइन किया गया है।

यह अजीब है कि पलक विश्वास अंतराल नहीं देती है। हालाँकि, आप CI प्राप्त कर सकते हैं क्योंकि आपके पास अंतिम ओआर ( तयशुदा प्रभाव के लिए अंतिम ) और अंतराल (इसलिए ) है।$\log(\text{OR})$$p$$z$

बर्नड की विधि और भी सटीक है।

खबरदार कि मैं प्रभाव दिशा के बारे में अधिक चिंतित हूं क्योंकि ऐसा लगता है कि आपके पास प्रत्येक अध्ययन के लिए केवल सारांश आँकड़े हैं, लेकिन यह सुनिश्चित करने के लिए कुछ भी नहीं है कि ओआर एलील क्या है। जब तक आप यह नहीं जानते कि यह एक ही एलील पर किया जाता है।

ईसाई

Answer 3

यह एक टिप्पणी है (पर्याप्त प्रतिनिधि नहीं हैं।)। यदि आप प्रत्येक अध्ययन में नमूना आकार (#cases और #controls), और एक SNP के लिए ऑड्स अनुपात को जानते हैं, तो आप केस / नियंत्रण के 2x2 टेबल को a / b (जहां a और b दो एलील हैं) के लिए फिर से संगठित कर सकते हैं: दो अध्ययनों में से प्रत्येक। फिर आप केवल मेटा-स्टडी के लिए एक तालिका प्राप्त करने के लिए उन गणनाओं को जोड़ सकते हैं, और इसका उपयोग संयुक्त बाधाओं-अनुपात और आत्मविश्वास अंतराल की गणना करने के लिए कर सकते हैं।

Comments

आपके उत्तर के लिए धन्यवाद। दुर्भाग्य से, मेरे पास एलील फ़्रीक्वेंसी या काउंट्स नहीं हैं, लेखकों ने इन आंकड़ों को नहीं दिखाया, उन्होंने बस एसएनपी आईडी, या कॉन्फिडेंस अंतराल (95%) डाला। मैंने प्रत्येक अध्ययन से एसई मान निकाला, लेकिन मैं अब उन्हें (एसई या सीआई) गठबंधन नहीं करता हूं !!!! मदद!!

— BIBB

ओह, आप सही कह रहे हैं - यहां एक और अधिक स्वतंत्रता की आवश्यकता है। आमतौर पर लेखक एलील फ्रीक देते हैं। (कभी-कभी दबी हुई जानकारी में दफन किया जाता है।)। यदि नहीं, तो आप इसे hapmap जैसे बाहरी स्रोत से पा सकते हैं (यह मानते हुए GWAS एक समान जनसंख्या पर किया गया था)। एक अन्य विचार: आत्मविश्वास अंतराल आपको एलील फ्रीक बता सकता है। बाकी सभी समान (नमूना आकार और ओआर), कम एलील फ्रीक के साथ एसएनपी। दोनों समूहों में कम वाहक हैं, इसलिए एक व्यापक आत्मविश्वास अंतराल है। आप अलग-अलग एलील फ्रीक आज़मा सकते हैं। प्रत्येक के लिए आत्मविश्वास अंतराल की गणना करें और एलील फ़्रीक प्राप्त करें। जो बताया गया था उससे मेल

— खाना

मैं ऐसा करने की कोशिश करूंगा, लेकिन इस बीच मैं उत्सुक हूं कि PLINK पूल किए गए या केवल इस मापदंडों के साथ कैसे गणना कर सकता है: एसएनपी आइडेंटिफ़ायर, या ऑड्स अनुपात (या बीटा, आदि) और एसई मानक त्रुटि या (या उपयोगकर्ता-) परिभाषित वजन क्षेत्र)। आप महसूस कर सकते हैं कि PLINK ने एलील आवृत्तियों के लिए नहीं पूछा ... इसलिए यह प्रदर्शन करने का एक तरीका है ...

— BIBB

Answer 4

यहाँ PLINK के रूप में मेटा-विश्लेषण के लिए CI पाने के लिए कोड है:

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)
}

कॉलिंग आर फ़ंक्शन:

getCI(log(plinkORs), plinkSEs)