¿Cómo calcular la razón de error estándar de probabilidades?


9

Tengo dos conjuntos de datos de estudios de asociación de todo el genoma. La única información disponible es la razón de posibilidades y el valor p para el primer conjunto de datos. Para el segundo conjunto de datos tengo la Odds Ratio, el valor p y las frecuencias alélicas (AFD = enfermedad, AFC = controles) (p. Ej.: 0.321). Estoy tratando de hacer un metanálisis de estos datos, pero no tengo el parámetro de tamaño del efecto para realizar esto. ¿Existe la posibilidad de calcular los intervalos de confianza SE y OR para cada uno de estos datos solo utilizando la información que se proporciona?
Gracias de antemano

ejemplo: Datos disponibles:

    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

Con estos datos, ¿puedo calcular el SE y el CI95% O? Gracias

Respuestas:


15

Puede calcular / aproximar los errores estándar a través de los valores p. Primero, convierta los valores p de dos lados en valores p de un solo lado dividiéndolos por 2. Entonces obtendrá y p = .007 . Luego convierta estos valores p a los valores z correspondientes. Para p = .0115 , esto es z = - 2.273 y para p = .007 , esto es z = - 2.457pag=.0115pag=.007pag=.0115z=-2.273pag=.007z=-2.457 (son negativos, ya que las razones de probabilidades están por debajo de 1). Estos valores z son en realidad las estadísticas de prueba calculadas tomando el logaritmo de las razones de probabilidad dividido por los errores estándar correspondientes (es decir, ). Por lo tanto, se deduce que S E = l o g ( O R ) / z , que produce S E = 0.071 para el primero y S E = .038 para el segundo estudio.z=losol(OR)/ /SmiSmi=losol(OR)/ /zSmi=0,071Smi=.038

Ahora tiene todo para hacer un metanálisis. Ilustraré cómo puedes hacer los cálculos con R, usando el paquete 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       ** 

Tenga en cuenta que el metanálisis se realiza utilizando las razones de probabilidad de registro. Entonces, es la razón de probabilidad de registro agrupada estimada basada en estos dos estudios. Vamos a convertir esto de nuevo a una razón de posibilidades:-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

Entonces, la razón de probabilidades agrupadas es de .90 con un IC del 95%: .84 a .96.


Me parece que los valores de SE calculados en el primer párrafo deben ser los errores estándar del logaritmo de la razón de probabilidades, no los errores estándar de la razón de probabilidades en sí.
Harvey Motulsky,

Correcto. Necesitamos el SE del log odds ratios, no los odds ratios. El metanálisis se lleva a cabo utilizando las razones de probabilidades logarítmicas, ya que son simétricas alrededor de 0 (a diferencia de las razones de probabilidades, que no son simétricas alrededor de 1) y cuya distribución es mucho más cercana a la normalidad.
Wolfgang

@Wolfgang, muchas gracias por tu respuesta, en realidad estoy usando lo que describes, en mi trabajo, así que necesito algunas referencias ... ¿puedes ayudarme con una cita para las fórmulas? gracias de antemano
Bernabé Bustos Becerra

Bueno, todo esto se basa en los "primeros principios", por lo que no estoy seguro de cuál sería una referencia adecuada. Podría citar, por ejemplo, El manual de síntesis de investigación y metaanálisis (Enlace) .
Wolfgang

2
OR=0,7949Smi=0,5862Exp(Iniciar sesión(OR)±1,96Smi)Exp(Iniciar sesión(0,7949)±1,96×0,5862)=(0.252,2.508)
Wolfgang
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.