Meta-analizde toplanan tek oranlar için güven aralıkları nasıl hesaplanır?

Genom çapında ilişki çalışmalarından iki veri setim var. Mevcut tek bilgi, her genotipli SNP için tek oranlar ve bunların güven aralıklarıdır (% 95). Bu iki olasılık oranını karşılaştıran bir orman grafiği oluşturmak istiyorum, ancak özet efektleri görselleştirmek için birleşik güven aralıklarını hesaplamanın yolunu bulamıyorum. PLINK programını sabit efektler kullanarak meta-analiz yapmak için kullandım, ancak program bu güven aralıklarını göstermedi.

• Bu tür güven aralıklarını nasıl hesaplayabilirim?

Mevcut veriler:

• Her çalışma için garip oranlar,
• % 95 güven aralığı ve
• Standart hatalar.

oranlarının çoğu meta-analizinde, standart hataları günlük oran oranları . Peki, nasıl tahmin edildiğini (ve hangi metriği yansıttığını biliyor musunuz? ya da )? dayandığı göz önüne alındığında , havuzlanmış standart hata (sabit efekt modelinde) kolayca hesaplanabilir. İlk olarak, her efekt boyutu için ağırlıkları hesaplayalım: . İkinci olarak, toplanan standart hata . Ayrıca yapalım$se_i$$log(OR_i)$$se_i$$OR$$log(OR)$$se_i$$log(OR_i)$$w_i = \frac{1}{se_i^2}$$se_{FEM} = \sqrt{\frac{1}{\sum w}}$$log(OR_{FEM})$ortak etki olmak (sabit etki modeli). Daha sonra, ("havuzlanmış")% 95 güven aralığı .$log(OR_{FEM}) \pm 1.96 \cdot se_{FEM}$

Güncelleme

BIBB verileri nazikçe sağladığından, R'de 'tam' meta-analizi çalıştırabiliyorum.

library(meta)
or <- c(0.75, 0.85)
se <- c(0.0937, 0.1029)
logor <- log(or)
(or.fem <- metagen(logor, se, sm = "OR"))

> (or.fem <- metagen(logor, se, sm = "OR"))
    OR            95%-CI %W(fixed) %W(random)
1 0.75  [0.6242; 0.9012]     54.67      54.67
2 0.85  [0.6948; 1.0399]     45.33      45.33

Number of trials combined: 2 

                         OR           95%-CI       z  p.value
Fixed effect model   0.7938  [0.693; 0.9092] -3.3335   0.0009
Random effects model 0.7938  [0.693; 0.9092] -3.3335   0.0009

Quantifying heterogeneity:
tau^2 < 0.0001; H = 1; I^2 = 0%

Test of heterogeneity:
    Q d.f.  p.value
 0.81    1   0.3685

Method: Inverse variance method

Referanslar

Bkz. Örneğin Lipsey / Wilson (2001: 114)

Aslında, GWA bağlamında meta analizler için özel olarak tasarlanmış METAL gibi bir yazılım kullanabilirsiniz .

Plink'in güven aralığı vermemesi çok garip. Ancak, sabit etki için son OR (take ) ve değerine (dolayısıyla ) sahip olduğunuz için CI alabilirsiniz .$\log(\text{OR})$$p$$z$

Bernd'ın yöntemi daha da kesin.

Her çalışma için yalnızca özet istatistikleriniz var ama OR aleli olduğundan emin olmak için hiçbir şeye benzemiyor gibi, etki yönü hakkında daha fazla endişeleneceğime dikkat edin. Aynı alel üzerinde yapıldığını bilmiyorsan.

Hristiyan

Bu bir yorum (yeterli destek puanı yok). Her çalışmada örnek boyutunu (#cases ve #controls) ve bir SNP için olasılık oranını biliyorsanız, a / b ile 2x2 vaka / kontrol tablosunu yeniden oluşturabilirsiniz (burada a ve b iki aleldir) iki çalışmanın her biri. Daha sonra meta-çalışma için bir tablo almak için bu sayıları ekleyebilir ve birleşik oran-oran ve güven aralıklarını hesaplamak için bunu kullanabilirsiniz.

PLINK'te olduğu gibi meta analiz için CI'leri almak için kod:

getCI = function(mn1, se1, method){
    remov = c(0, NA)
    mn    = mn1[! mn1 %in% remov]
    se    = se1[! mn1 %in% remov]
    vars  <- se^2
    vwts  <- 1/vars

    fixedsumm <- sum(vwts * mn)/sum(vwts)
    Q         <- sum(((mn - fixedsumm)^2)/vars)
    df        <- length(mn) - 1
    tau2      <- max(0, (Q - df)/(sum(vwts) - sum(vwts^2)/sum(vwts)) )

    if (method == "fixed"){ wt <- 1/vars } else { wt <- 1/(vars + tau2) }

    summ <- sum(wt * mn)/sum(wt)
    if (method == "fixed") 
         varsum <- sum(wt * wt * vars)/(sum(wt)^2)
    else varsum <- sum(wt * wt * (vars + tau2))/(sum(wt)^2)

    summtest   <- summ/sqrt(varsum)
    df         <- length(vars) - 1
    se.summary <- sqrt(varsum)
    pval       = 1 - pchisq(summtest^2,1)
    pvalhet    = 1 - pchisq(Q, df)
    L95        = summ - 1.96*se.summary
    U95        = summ + 1.96*se.summary
    # out = c(round(c(summ,L95,U95),2), format(pval,scientific=TRUE), pvalhet)   
    # c("OR","L95","U95","p","ph")
    # return(out)

    out = c(paste(round(summ,3), ' [', round(L95,3), ', ', round(U95,3), ']', sep=""),
            format(pval, scientific=TRUE), round(pvalhet,3))
    # c("OR","L95","U95","p","ph")
    return(out)
}

R işlevi çağrılıyor:

getCI(log(plinkORs), plinkSEs)