অডস অনুপাতের স্ট্যান্ডার্ড ত্রুটি কীভাবে গণনা করা যায়?


9

জিনোম-ওয়াইড অ্যাসোসিয়েশন স্টাডি থেকে আমার কাছে দুটি ডেটাসেট রয়েছে। কেবলমাত্র উপলভ্য তথ্যগুলি হ'ল বিজোড় অনুপাত এবং প্রথম ডেটা সেটের জন্য পি-মান। দ্বিতীয় ডেটা সেটের জন্য আমার কাছে অডস অনুপাত, পি-মান এবং অ্যালিল ফ্রিকোয়েন্সি রয়েছে (এএফডি = রোগ, এএফসি = নিয়ন্ত্রণ) (যেমন: 0.321)। আমি এই ডেটাগুলির একটি মেটা-বিশ্লেষণ করার চেষ্টা করছি তবে এটি সম্পাদন করার জন্য আমার কাছে প্রভাব আকারের পরামিতি নেই। এই প্রদত্ত প্রতিটি তথ্যের জন্য কেবলমাত্র সরবরাহ করা তথ্য ব্যবহার করে এসই এবং আত্মবিশ্বাসের অন্তরগুলি গণনা করার সম্ভাবনা আছে কি ??
তুমাকে অগ্রিম ধন্যবাদ

উদাহরণ: ডেটা উপলব্ধ:

    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

এই ডেটাগুলির সাহায্যে আমি এসই এবং সিআই 95% OR গণনা করতে পারি? ধন্যবাদ

উত্তর:


15

আপনি পি-মানগুলির মাধ্যমে স্ট্যান্ডার্ড ত্রুটিগুলি আনুমানিক / গণনা করতে পারেন। প্রথমে দ্বিমুখী পি-মানগুলিকে ২ দিয়ে ভাগ করে একতরফা পি-মানগুলিতে রূপান্তর করুন So সুতরাং আপনি এবং । তারপরে এই পি-মানগুলিকে সংশ্লিষ্ট z- মানগুলিতে রূপান্তর করুন। জন্য এটি এবং জন্য এটি (এগুলি নেতিবাচক, যেহেতু প্রতিকূল অনুপাত 1 এর নীচে রয়েছে)। এই জেড-মানগুলি প্রকৃত ত্রুটিযুক্ত (যেমন, ) দ্বারা বিভক্ত প্রতিকূল অনুপাতগুলির লগ গ্রহণ করে নির্ধারিত পরীক্ষার পরিসংখ্যান । সুতরাং, এটি অনুসরণ করে যে , যাপি=.0115পি=.007পি=.0115z- র=-2,273পি=.007z- র=-2,457z- র=(হেআর)/এসএস=(হেআর)/z- রএস=0,071প্রথম জন্য এবং জন্য।এস=.038

এখন আপনার কাছে একটি মেটা-বিশ্লেষণ করার মতো সমস্ত কিছুই রয়েছে। মেটাফোর প্যাকেজ ব্যবহার করে আপনি কীভাবে আর এর সাথে গণনা করতে পারবেন তা আমি বর্ণনা করব:

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       ** 

নোট করুন মেটা-বিশ্লেষণ লগ প্রতিক্রিয়া অনুপাত ব্যবহার করে করা হয়। সুতরাং, হ'ল এই দুটি সমীক্ষার উপর ভিত্তি করে লগ অনুপাত। আসুন এটিকে একটি প্রতিকূল অনুপাতে রূপান্তর করুন:-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

সুতরাং, 95% সিআই: .84 থেকে .96 এর সাথে পুলের বৈষম্যের অনুপাতটি .90।


আমার কাছে মনে হয় যে প্রথম অনুচ্ছেদে গুণিত এসই মানগুলি অবশ্যই প্রতিকূলতার অনুপাতের লগারিদমের স্ট্যান্ডার্ড ত্রুটি হওয়া উচিত, বিজোড় অনুপাতের নিজস্ব ত্রুটি নয়।
হার্ভে মোটুলস্কি

সঠিক। আমাদের লগ প্রতিক্রিয়া অনুপাতের এসই দরকার, প্রতিকূল অনুপাত নয়। মেটা-বিশ্লেষণ লগ বিজোড় অনুপাত ব্যবহার করে পরিচালিত হয়, কারণ এগুলি প্রায় 0 টির মতো প্রতিসাম্য (প্রতিকূল অনুপাতগুলির বিপরীতে, যা 1 এর আশপাশে প্রতিসাম্য নয়) এবং যার বিতরণটি স্বাভাবিকতার অনেক কাছাকাছি।
ওল্ফগ্যাং

@ ওল্ফগ্যাং, আপনার জবাবের জন্য আপনাকে অনেক ধন্যবাদ, আমি আসলে আমার কাজের ক্ষেত্রে আপনি যা বর্ণনা করেছেন তা ব্যবহার করছি, সুতরাং আমার কিছু রেফারেন্স দরকার ... আপনি সূত্রগুলির জন্য একটি প্রশংসা দিয়ে সাহায্য করতে পারেন ?? আগাম আপনাকে ধন্যবাদ
বার্নাব বুস্তোস বেসেরা

ঠিক আছে, এটি "প্রথম নীতিগুলি" ভিত্তিক সমস্ত জিনিস, তাই উপযুক্ত রেফারেন্স কী হবে তা আমি নিশ্চিত নই। আপনি উদাহরণস্বরূপ, গবেষণা সংশ্লেষ এবং মেটা-বিশ্লেষণের হ্যান্ডবুক (লিঙ্ক) উদ্ধৃত করতে পারেন ।
ওল্ফগ্যাং

2
আসলে, ম্যানুয়ালটি ভুল ( pngu.mgh.harvard.edu/~pursel/plink/metaanal.shtml )। প্রথম উদাহরণ দেখুন। এসএনপি RSS915677 এর জন্য,হেআর=0,7949 এবং এস=0,5862। এই স্ট্যান্ডার্ড ত্রুটিটি লগ বিজোড় অনুপাতের জন্য। সিআই দ্বারা দেওয়া হয়মেপুঃ(লগ(হেআর)±1.96এস)। এক্ষেত্রে:মেপুঃ(লগ(0,7949)±1.96×0,5862)=(0,252,2,508)ঠিক যেমন আউটপুট প্রদর্শিত হবে।
ওল্ফগ্যাং
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.