如何计算几率的标准误?


9

我有两个来自全基因组关联研究的数据集。唯一可用的信息是第一个数据集的比值比和p值。对于第二个数据集,我具有几率,p值和等位基因频率(AFD =疾病,AFC =对照)(例如:0.321)。我正在尝试对这些数据进行元分析,但是我没有effect size参数来执行此操作。是否有可能仅使用提供的信息来计算每个数据的SE和OR置信区间?
先感谢您

示例:可用数据:

    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

利用这些数据,我可以计算出SE和CI95%OR吗?谢谢

Answers:


15

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=.0115p=.007。然后将这些p值转换为相应的z值。对于p=.0115, 这是 ž=-2.273 和为 p=.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=ØGØ[R/小号Ë)。因此,小号Ë=ØGØ[R/ž,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。


在我看来,第一段中计算出的SE值必须是比值对数的标准误差,而不是比值比本身的标准误差。
哈维·莫图尔斯基

正确。我们需要对数优势比的SE,而不是优势比。荟萃分析使用对数优势比进行,因为它们在0附近对称(而不是在1附近不是对称),并且其分布更接近正态。
沃尔夫冈

@Wolfgang,非常感谢您的回答,实际上,我在工作中使用的是您所描述的内容,因此我需要一些参考资料...您能帮我引用这些公式吗?预先感谢您
贝尔纳韦布斯托斯贝塞拉

好吧,所有这些都是基于“第一原理”的,所以我不确定会是什么合适的参考。例如,您可以引用《研究综合与元分析手册》 (链接)
沃尔夫冈

2
实际上,该手册是不准确的(pngu.mgh.harvard.edu/~purcell/plink/metaanal.shtml)。看第一个例子。对于SNP rs915677,Ø[R=0.7949小号Ë=0.5862。该标准误差用于对优势比。CI由经验值日志Ø[R±1.96小号Ë。在这种情况下:经验值日志0.7949±1.96×0.5862=0.2522.508,完全与输出所示相同。
Wolfgang
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.