Comment calculer l'erreur standard des rapports de cotes?

9

J'ai deux ensembles de données provenant d'études d'association à l'échelle du génome. Les seules informations disponibles sont le rapport de cotes et la valeur de p pour le premier ensemble de données. Pour le deuxième ensemble de données, j'ai le rapport de cotes, la valeur de p et les fréquences des allèles (AFD = maladie, AFC = témoins) (par exemple: 0,321). J'essaie de faire une méta-analyse de ces données mais je n'ai pas le paramètre de taille d'effet pour effectuer cela. Existe-t-il une possibilité de calculer les intervalles de confiance SE et OR pour chacune de ces données uniquement en utilisant les informations fournies ??
Merci d'avance

exemple: Données 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

Avec ces données, puis-je calculer le SE et le CI95% OU? Merci

Bernabé Bustos Becerra
la source

Réponses:

15

Vous pouvez calculer / approximer les erreurs standard via les valeurs de p. Tout d'abord, convertissez les valeurs p bilatérales en valeurs p unilatérales en les divisant par 2. Vous obtenez donc et p = 0,007 . Convertissez ensuite ces valeurs p en valeurs z correspondantes. Pour p = .0115 , c'est z = - 2.273 et pour p = .007 , c'est z = - 2.457.p=.0115p=.007p=.0115z=-2,273p=.007z=-2,457(ils sont négatifs, car les rapports de cotes sont inférieurs à 1). Ces valeurs z sont en fait les statistiques de test calculées en prenant le logarithme des rapports de cotes divisé par les erreurs types correspondantes (c.-à-d. ). Il s'ensuit donc que S E = l o g ( O R ) / z , ce qui donne S E = 0,071 pour la première et S E = 0,038 pour la deuxième étude.z=log(OR)/SESE=log(OR)/zSE=0,071SE=.038

Vous avez maintenant tout pour faire une méta-analyse. Je vais illustrer comment vous pouvez faire les calculs avec R, en utilisant le package 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       ** 

Notez que la méta-analyse est effectuée à l'aide des rapports de cotes logarithmiques. Ainsi, est le rapport de cotes logarithmique estimé basé sur ces deux études. Convertissons cela en un rapport de cotes:-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

Ainsi, le rapport de cotes combiné est de 0,90 avec un IC à 95%: 0,84 à 0,96.

Wolfgang
la source
Il me semble que les valeurs SE calculées dans le premier paragraphe doivent être les erreurs standard du logarithme du rapport de cotes, et non les erreurs standard du rapport de cotes lui-même.
Harvey Motulsky
Correct. Nous avons besoin du SE des rapports de cotes logarithmiques, pas des rapports de cotes. La méta-analyse est réalisée en utilisant les log odds ratios, car ceux-ci sont symétriques autour de 0 (par opposition aux odds ratios, qui ne sont pas symétriques autour de 1) et dont la distribution est beaucoup plus proche de la normalité.
Wolfgang
@ Wolfgang, merci beaucoup pour votre réponse, j'utilise en fait ce que vous décrivez, dans mon travail, j'ai donc besoin de quelques références ... pouvez-vous m'aider avec une citation pour les formules ?? merci d'avance
Bernabé Bustos Becerra
Eh bien, tout cela est basé sur des "premiers principes", donc je ne suis pas sûr de ce que serait une référence appropriée. Vous pouvez citer, par exemple, le Handbook of Research Synthesis and Meta-Analysis (Link) .
Wolfgang
2
OR=0,7949SE=0,5862exp(Journal(OR)±1,96SE)exp(Journal(0,7949)±1,96×0,5862)=(0,252,2,508)