Як обчислити стандартну помилку коефіцієнтів шансів?

У мене є два набори даних із досліджень, пов'язаних з геномом. Єдина доступна інформація - коефіцієнт шансів і значення р для першого набору даних. Для другого набору даних я маю коефіцієнт коефіцієнта, p-значення та частоти алелей (AFD = хвороба, AFC = управління) (наприклад: 0,321). Я намагаюся зробити метааналіз цих даних, але у мене немає параметру розміру ефекту для цього. Чи існує можливість обчислити довірчі інтервали SE та АБО для кожної з цих даних, лише використовуючи інформацію, яка надається ??
Заздалегідь спасибі

приклад: доступні дані:

    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

За допомогою цих даних можна обчислити SE та CI95% АБО? Дякую

Ви можете обчислити / наблизити стандартні помилки за допомогою p-значень. Спочатку перетворіть двосторонні p-значення в однобічні p-значення, поділивши їх на 2. Отже, ви отримаєте і . Потім перетворять ці р-значення у відповідні z-значення. Для це а для це (вони від'ємні, оскільки коефіцієнт шансів нижчий за 1). Ці z-значення фактично є тестовою статистикою, обчисленою шляхом взяття журналу коефіцієнтів шансів, розділеного на відповідні стандартні помилки (тобто, ). Отже, з цього випливає, що , що дає$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$для першого та для другого дослідження.$SE = .038$

Тепер у вас є все, щоб зробити метааналіз. Я проілюструю, як ви можете робити обчислення з R, використовуючи пакунок 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       ** 

Зауважимо, що метааналіз проводиться за допомогою коефіцієнтів коефіцієнтів журналу. Отже, - це оціночне коефіцієнт коефіцієнта журналів на основі цих двох досліджень. Перетворимо це назад у коефіцієнт шансів:$-0.1095$

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

Отже, коефіцієнт об'єднаних шансів становить 0,90 при 95% ДІ: .84 до .96.