Como calcular o erro padrão das proporções de probabilidades?

9

Eu tenho dois conjuntos de dados de estudos de associação em todo o genoma. A única informação disponível é a razão de chances e o valor p para o primeiro conjunto de dados. Para o segundo conjunto de dados, eu tenho a Odds Ratio, valor de p e frequências de alelos (AFD = doença, AFC = controles) (por exemplo: 0,321). Estou tentando fazer uma meta-análise desses dados, mas não tenho o parâmetro de tamanho do efeito para fazer isso. Existe a possibilidade de calcular os intervalos de confiança SE e OR para cada um desses dados usando apenas as informações fornecidas?
Agradeço antecipadamente

exemplo: Dados disponíveis:

    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

Com esses dados, posso calcular o SE e o IC95% OU? obrigado

Bernabé Bustos Becerra
fonte

Respostas:

15

Você pode calcular / aproximar os erros padrão através dos valores-p. Primeiro, converter os valores de p frente e verso em valores p unilaterais, dividindo-as por 2. Então você começa e . Em seguida, converta esses valores-p nos valores-z correspondentes. Para , esse valor é e para , esse valor é (eles são negativos, pois as razões de chances são inferiores a 1). Esses valores z são, na verdade, as estatísticas de teste calculadas tomando o log das razões de chances dividido pelos erros padrão correspondentes (ou seja, ). Portanto, segue-se que , que gerap=.0115p=.007p=.0115z=2.273p=.007z=2.457z=log(OR)/SESE=log(OR)/zSE=0.071para o primeiro e para o segundo estudo.SE=.038

Agora você tem tudo para fazer uma meta-análise. Ilustrarei como você pode fazer os cálculos com R, usando o pacote 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       ** 

Observe que a metanálise é feita usando os odds ratio de log. Portanto, é a razão de chances de log combinada estimada com base nesses dois estudos. Vamos converter isso de volta para um odds ratio: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

Portanto, o odds ratio combinado é de 0,90 com IC 95%: 0,84 a 0,96.

Wolfgang
fonte
Parece-me que os valores SE calculados no primeiro parágrafo devem ser os erros padrão do logaritmo da razão de chances, não os erros padrão da razão de chances em si.
Harvey Motulsky
Corrigir. Precisamos do SE dos odds ratio de log, não dos odds ratio. A metanálise é conduzida usando as razões de chances logarítmicas, pois elas são simétricas em torno de 0 (em oposição às razões de chances, que não são simétricas em torno de 1) e cuja distribuição é muito mais próxima da normalidade.
Wolfgang
@ Wolfgang, muito obrigado pela sua resposta, na verdade estou usando o que você descreve, no meu trabalho, por isso preciso de algumas referências ... você pode me ajudar com uma citação para as fórmulas? obrigado antecipadamente
Bernabé Bustos Becerra
Bem, tudo isso é baseado em "primeiros princípios", então não tenho certeza de qual seria uma referência apropriada. Você poderia citar, por exemplo, O Manual de Síntese e Meta-Análise de Pesquisa (Link) .
21411 Wolfgang
2
Na verdade, o manual é impreciso ( pngu.mgh.harvard.edu/~purcell/plink/metaanal.shtml ). Veja o primeiro exemplo. Para SNP rs915677, e . Esse erro padrão é para a razão de chances do log . O IC é fornecido por . Nesse caso: , exatamente como mostrado na saída. S E = 0,5862 exp ( log ( O R ) ± 1,96 S E )OR=0.7949SE=0.5862exp(log(OR)±1.96SE)exp(log(0.7949)±1.96×0.5862)=(0.252,2.508)
Wolfgang