Jak obliczyć standardowy błąd ilorazów szans?

Mam dwa zestawy danych z badań asocjacyjnych całego genomu. Jedyne dostępne informacje to iloraz szans i wartość p dla pierwszego zestawu danych. Dla drugiego zestawu danych mam iloraz szans, wartość p i częstotliwości alleli (AFD = choroba, AFC = kontrola) (np. 0,321). Próbuję wykonać metaanalizę tych danych, ale nie mam parametru rozmiaru efektu, aby to zrobić. Czy istnieje możliwość obliczenia przedziałów ufności SE i OR dla każdego z tych danych tylko przy użyciu dostarczonych informacji?
Z góry dziękuję

przykład: dostępne dane:

    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

Czy na podstawie tych danych mogę obliczyć SE i CI95% OR? Dzięki

Możesz obliczyć / aproksymować standardowe błędy za pomocą wartości p. Po pierwsze, przekształcić dwustronne wartości p do jednostronnych wartości p przez podzielenie ich przez 2. Więc masz i . Następnie przekonwertuj te wartości p na odpowiednie wartości Z. Dla jest to a dla jest to (są ujemne, ponieważ szans wynosi poniżej 1). Te wartości Z są w rzeczywistości statystykami testowymi obliczonymi na podstawie logarytmu ilorazów szans podzielonych przez odpowiednie błędy standardowe (tj. ). Wynika z tego, że , co daje$p = .0115$$p = .007$$p = .0115$$z = -2.273$$p = .007$$z = -2.457$$z = log(OR) / SE$$SE = log(OR) / z$$SE = 0.071$dla pierwszego i dla drugiego badania.$SE = .038$

Teraz masz wszystko do wykonania metaanalizy. Zilustruję, w jaki sposób możesz wykonać obliczenia za pomocą R, używając pakietu metafor:

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       ** 

Zauważ, że metaanaliza jest wykonywana przy użyciu ilorazów logarytmicznych. Tak więc, jest szacowanym łącznym ilorazem szans logarytmicznych na podstawie tych dwóch badań. Przekształćmy to z powrotem w iloraz szans:$-0.1095$

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

Tak więc łączny iloraz szans wynosi 0,90 przy 95% CI: 0,84 do 0,96.