Bagaimana cara menghitung Rasio Kesalahan Standar?

Saya memiliki dua set data dari studi asosiasi genome. Satu-satunya informasi yang tersedia adalah rasio odds dan nilai p untuk set data pertama. Untuk set data kedua saya memiliki Odds Ratio, nilai-p dan frekuensi alel (AFD = penyakit, AFC = kontrol) (mis: 0,321). Saya mencoba melakukan meta-analisis data ini tetapi saya tidak memiliki parameter ukuran efek untuk melakukan ini. Apakah ada kemungkinan untuk menghitung interval kepercayaan SE dan OR untuk masing-masing data ini hanya dengan menggunakan informasi yang disediakan ??
Terima kasih sebelumnya

contoh: Data tersedia:

    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

Dengan data ini, bisakah saya menghitung SE dan CI95% ATAU? Terima kasih

meta-analysis genetics

— Bernabé Bustos Becerra
sumber

$p = .0115$ $p = .007$ $p = .0115$ $z = -2.273$ $p = .007$ $z = -2.457$ $z = log(OR) / SE$ $SE = log(OR) / z$ $SE = 0.071$ $SE = .038$

Sekarang Anda memiliki segalanya untuk melakukan meta-analisis. Saya akan menggambarkan bagaimana Anda dapat melakukan perhitungan dengan R, menggunakan paket 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       **

$-0.1095$

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

Jadi, rasio odds gabungan adalah 0,90 dengan 95% CI: 0,84 hingga 0,96.

— Wolfgang
sumber

Tampak bagi saya bahwa nilai-nilai SE yang dihitung dalam paragraf pertama harus merupakan kesalahan standar dari logaritma rasio odds, bukan kesalahan standar rasio odds itu sendiri.

— Harvey Motulsky

Benar. Kita membutuhkan SE dari rasio odds log, bukan rasio odds. Meta-analisis dilakukan dengan menggunakan rasio odds log, karena ini adalah simetris sekitar 0 (sebagai lawan rasio odds, yang tidak simetris sekitar 1) dan yang distribusinya jauh lebih dekat dengan normalitas.

— Wolfgang

@ Wolfgang, terima kasih banyak atas jawaban Anda, saya benar-benar menggunakan apa yang Anda jelaskan, dalam pekerjaan saya, jadi saya perlu beberapa referensi ... bisakah Anda membantu saya dengan kutipan untuk formula ?? terima kasih sebelumnya

— Bernabé Bustos Becerra

Ya, ini semua berdasarkan "prinsip pertama", jadi saya tidak yakin referensi apa yang tepat. Anda dapat mengutip, misalnya, The Handbook of Research Synthesis and Meta-Analysis (Link) .

— Wolfgang

O R = 0.7949

$OR = 0.7949$

S E = 0.5862

$SE = 0.5862$

\exp (\log (O R) \pm 1.96 S E)

$\exp(\log(OR) \pm 1.96 SE)$

\exp (\log (0.7949) \pm 1.96 \times 0.5862) = (0.252, 2.508)

$\exp(\log(0.7949) \pm 1.96 \times 0.5862) = (0.252, 2.508)$