Standart hataları p-değerleri üzerinden hesaplayabilir / yaklaşık olarak hesaplayabilirsiniz. İlk olarak, iki taraflı p değerlerini 2'ye bölerek tek taraflı p değerlerine dönüştürün.p = .0115 ve p = .007. Sonra bu p-değerlerini karşılık gelen z-değerlerine dönüştürün. İçinp = .0115, bu z= - 2,273 ve için p = .007, bu z= - 2,457(oranlar 1'in altında olduğu için negatiftirler). Bu z-değerleri aslında olasılık oranlarının günlüğünün karşılık gelen standart hatalara bölünmesiyle (yani,z= l o g( O R ) / SE). Böylece,SE= l o g( O R ) / z, bu da SE= 0.071 ilk ve SE= .038 ikinci çalışma için.
Şimdi bir meta-analiz yapmak için her şeye sahipsiniz. Metafor paketini kullanarak R ile hesaplamaları nasıl yapabileceğinizi göstereceğim:
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 **
Meta-analizin log olasılık oranları kullanılarak yapıldığını unutmayın. Yani,- 0.1095bu iki çalışmaya dayanan tahmini havuzlanmış log olasılık oranıdır. Bunu tekrar oran oranına dönüştürelim:
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
Böylece, havuzlanmış oran oranı% 95 CI ile .90'dır: .84 ila .96.