如何在荟萃分析中计算合并奇数比的置信区间？

我有两个来自全基因组关联研究的数据集。唯一可用的信息是每种基因型SNP的奇数比及其置信区间（95％）。我想生成一个比较这两个比值比的森林图，但是我找不到计算组合的置信区间以可视化汇总效果的方法。我使用程序PLINK使用固定效果执行荟萃分析，但该程序未显示这些置信区间。

• 如何计算置信区间？

可用数据为：

• 每个研究的赔率，
• 95％的置信区间和
• 标准错误。

在大多数比值比分析中，标准误差基于对数比值。那么，您是否偶然知道您的是如何估算的（它们反映了什么度量标准？或）？假定基于，则可以轻松计算合并的标准误差（在固定效应模型下）。首先，让我们计算每种效果大小的权重：。其次，合并的标准错误为。此外，让$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})$是共同效果（固定效果模型）。然后，（“合并的”）95％置信区间为。$log(OR_{FEM}) \pm 1.96 \cdot se_{FEM}$

更新资料

由于BIBB友好地提供了数据，因此我能够在R中运行“完整”的荟萃分析。

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

参考文献

参见，例如，Lipsey / Wilson（2001：114）

实际上，您可以使用像METAL这样的软件，该软件是专门为GWA环境中的荟萃分析设计的。

plink没有给出置信区间是很尴尬的。但是，您可以得到CI，因为您具有最终的OR（取）和值（因此为）以获得固定效果。$\log(\text{OR})$$p$$z$

Bernd的方法更为精确。

请注意，我会更担心效果的方向，因为看起来每个研究只有摘要统计信息，但无法确定哪个是OR等位基因。除非您知道它是在同一等位基因上完成的。

基督教

这是一条评论（没有足够的代表得分）。如果您知道每项研究的样本量（#cases和#controls）以及SNP的优势比，则可以通过a / b（其中a和b是两个等位基因）来重建2x2病例/对照表。两项研究中的每一项。然后，您只需将这些计数相加即可获得元研究的表格，然后使用该表格来计算组合的比值比和置信区间。

如PLINK所示，这是获取用于荟萃分析的CI的代码：

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)
}

调用R函数：

getCI(log(plinkORs), plinkSEs)