Come calcolare l'errore standard dei rapporti di probabilità?

Ho due set di dati provenienti da studi di associazione su tutto il genoma. Le uniche informazioni disponibili sono il rapporto di probabilità e il valore p per il primo set di dati. Per il secondo set di dati ho il Odds Ratio, il valore p e le frequenze alleliche (AFD = malattia, AFC = controlli) (ad es .: 0,321). Sto provando a fare una meta-analisi di questi dati ma non ho il parametro size effect per eseguire questo. Esiste la possibilità di calcolare gli intervalli di confidenza SE e OR per ciascuno di questi dati utilizzando solo le informazioni fornite ??
Grazie in anticipo

esempio: dati disponibili:

    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 questi dati posso calcolare SE e CI95% O? Grazie

È possibile calcolare / approssimare gli errori standard tramite i valori p. Innanzitutto, converti i valori p su due lati in valori p su un lato dividendoli per 2. Quindi ottieni e . Quindi converti questi valori p nei corrispondenti valori z. Per , questo è e per , questo è (sono negativi, poiché i rapporti di probabilità sono inferiori a 1). Questi valori z sono in realtà le statistiche del test calcolate prendendo il registro dei rapporti di probabilità diviso per i corrispondenti errori standard (cioè, ). Quindi, ne consegue che , che produce$p = .0115$$p = .007$$p = .0115$$z = -2.273$$p = .007$$z = -2.457$$z = log(OR) / SE$$SE = log(OR) / z$$SE = 0.071$per il primo e per il secondo studio.$SE = .038$

Ora hai tutto per fare una meta-analisi. Illustrerò come è possibile eseguire i calcoli con R, utilizzando il pacchetto 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       ** 

Si noti che la meta-analisi viene eseguita utilizzando i rapporti di probabilità del registro. Quindi, è il rapporto di probabilità di registro aggregato stimato basato su questi due studi. Ritorniamo questo in un rapporto di probabilità:$-0.1095$

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

Quindi, il rapporto di probabilità in pool è 0,90 con IC al 95%: da 84 a 0,96.