您可以通过p值计算/近似标准误差。首先,将两边的p值除以2,将其转换为两边的p值。p = 0.015 和 p = 0.007。然后将这些p值转换为相应的z值。对于p = 0.015, 这是 ž= - 2.273 和为 p = 0.007, 这是 ž= - 2.457(它们是负数,因为优势比低于1)。这些z值实际上是通过将比值比的对数除以相应的标准误差(即,ž= 升Ô 克(O R )/ SË)。因此,小号Ë= 升Ô 克(O R )/ z,产生 小号Ë= 0.071 对于第一个 小号Ë= .038 用于第二项研究。
现在,您可以进行荟萃分析。我将说明如何使用metafor包使用R进行计算:
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 **
注意,荟萃分析是使用对数比值比进行的。所以,− 0.1095是根据这两项研究得出的估计合并对数比值比。让我们将其转换回优势比:
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
因此,合并机率是0.90,95%CI:0.84至0.96。