Мета аналіз на дослідженнях з 0-частотними осередками

Мені знайомі методи мета-аналізу та metaforметарегресії (використовуючи пакет R від Viechtbauer), але я нещодавно натрапив на проблему, яку я не можу легко вирішити. Скажімо, у нас є захворювання, яке може перейти від матері до ненародженої дитини, і воно вивчалося вже неодноразово. Мати і дитина були випробувані на вірус відразу після народження. Оскільки ненароджена дитина може неможливо отримати інший вірус, ніж від матері, можна очікувати перехресних таблиць, таких як:

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

Очевидно, що використання коефіцієнтів шансів (АБО) дає помилки, оскільки їх можна ділити на 0. Те саме стосується відносних ризиків:

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

Зараз дослідники хочуть перевірити (безглузду) гіпотезу, чи пов’язана інфекція дитини з інфекцією матері (що здається дуже-дуже очевидним). Я намагаюся переформулювати гіпотезу і придумати щось, що має сенс, але я не можу щось знайти.

Щоб ускладнити речі, деякі діти з негативними мамами насправді є позитивними, ймовірно, через інфекцію в перший тиждень. Тому я маю лише ряд досліджень, де C = 0.

У когось ідея про те, як статистично узагальнити дані різних досліджень за такою схемою. Посилання на наукові праці також більш ніж вітаються.

Мені здається, це одна з рідкісних ситуацій, коли цілком може бути краще проаналізувати різниці ризиків, а не коефіцієнти ризику чи коефіцієнти шансів. Різниця ризику оцінюється в кожному дослідженні через . Це повинно бути кінцевим у всіх дослідженнях, навіть коли , тому не повинно виникати проблем з метааналізами.$P(Kid_+ | Mum_+) - P(Kid_+|Mum_-)$$D/(B+D) - C/(A+C)$$C=0$

Я погоджуюсь, здається досить безглуздим розглянути тестування гіпотези, що ця різниця ризику дорівнює нулю. Але доцільно оцінити, наскільки він великий, тобто наскільки більше шансів у малюка з’явитися вірус, коли його мама має його, ніж коли їх мами не мають.

Зазвичай 0 означає, що вам потрібно використовувати точні методи замість того, щоб покладатися на асимптотичні методи, такі як метааналіз з коефіцієнтами шансів. Якщо ви готові припустити, що ефект дослідження фіксований, точним є тест Маентел-Ганзеля. Для точного аналізу випадкових ефектів потрібно використовувати модель біноміальної регресії з випадковим ефектом дослідження. Я робив і те, і інше в недавно поданому документі, але розділ про методи там не був би вам кориснішим, оскільки він по суті передає цю інформацію.

Редагувати

Ця стаття не застосовується, але саме тут я взяв ідею, коли зіткнувся з тим же питанням:
[1] Ганс К. ван Хоувелінген, Лідія Р. Арендс та Тео Стійнен. Передові методи в метааналізі: багатоваріантний підхід і метарегресія. Статистика в медицині , 2002; 21: 589–624

Ось стаття, де я використав цей підхід (це не очевидно в рефераті, але згадується у розділі про методи):
[2] Trivedi H, Nadella R, Szabo A. Гідратація бікарбонатом натрію для профілактики контрастної індукції нефропатія: мета-аналіз рандомізованих контрольованих досліджень. Clin Nephrol. 2010. жовт .; 74 (4): 288–96.

Документація пакета metafor говорить, що "Додавання малої константи до комірок таблиць 2x2 - це поширене рішення цієї проблеми". а також надає можливість зробити це під час виклику rma ().