零频率细胞研究的荟萃分析

我熟悉元分析和元回归技术（使用metaforViechtbauer 的R包），但是最近我偶然发现了一个我不容易解决的问题。假设我们患有一种可能从母亲传播到未出生婴儿的疾病，并且已经对此进行了多次研究。母亲和孩子出生后立即进行了病毒检测。由于未出生的孩子可能无法从母亲那里获得该病毒，因此人们希望交叉列表如下：

           | neg kid | pos kid
mother neg |    A    |   C=0
-----------|---------|--------
mother pos |    B    |   D

显然，使用比值比（OR）会产生错误，因为错误将被1除以0。对于相对风险而言，相同：

$\frac{A/(A+B)}{0/(0+D)}$

现在，研究人员想检验（无意义的）假设，即儿童的感染是否与母亲的感染有关（这似乎非常非常明显）。我正在尝试重新提出假设，并提出有意义的东西，但我找不到真正的东西。

使事情变得复杂的是，一些妈妈消极的孩子实际上是积极的，可能是由于第一周的感染。因此，我只有一些研究，其中C = 0。

任何人都想知道如何按照这种模式对不同研究的数据进行统计总结。与科学论文的链接也非常受欢迎。

在我看来，这是一种罕见的情况，在这种情况下，荟萃分析风险差异可能要好于风险比率或优势比。在每个研究中，风险差异通过估算。即使在，在所有研究中这都应该是有限的，因此进行荟萃分析应该没有问题。$P(Kid_+ | Mum_+) - P(Kid_+|Mum_-)$$D/(B+D) - C/(A+C)$$C=0$

我同意考虑检验这一风险差异为零的假设似乎毫无意义。但它是有意义的估计有多大它，即有多少个孩子更可能有病毒时，他们的妈妈有比当他们的妈妈没有。

通常为0意味着您必须使用精确的方法，而不是依赖于渐近方法（例如具有比值比的meta分析）。如果您愿意假设研究效果是固定的，那么要进行精确的Maentel-Hanszel测试是正确的方法。对于精确的随机效应分析，您必须使用具有随机研究效应的二项式回归模型。我在最近的一篇应用文章中都做过，但是方法部分对您没有多大帮助，因为它实际上传达了这一信息。

编辑

本文没有应用，但这是我遇到相同问题时的主意：
[1]汉斯·C·范·霍韦林根，莉迪亚·阿伦兹和西奥·斯蒂嫩。荟萃分析的高级方法：多元方法和荟萃回归。医学统计学，2002；21：589–624

这是我使用这种方法的论文（摘要中没有提到，但在方法部分中有所提及）：
[2] Trivedi H，Nadella R，Szabo A.用碳酸氢钠水化以防止造影剂诱发肾病：一项随机对照试验的荟萃分析。Clin Nephrol。2010年10月； 74（4）：288-96。

metafor软件包的文档说：“在2x2表的单元格中添加一个小的常数是解决此问题的常见方法。” 并且还提供了在rma（）调用中执行此操作的选项。