如何计算几率的标准误？

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

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。$p = .0115$ 和 $p = .007$。然后将这些p值转换为相应的z值。对于$p = .0115$， 这是 $z = -2.273$ 和为 $p = .007$， 这是 $z = -2.457$（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，$z = log(OR) / SE$）。因此，$SE = log(OR) / z$，产生 $SE = 0.071$ 对于第一个 $SE = .038$ 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。