Использование meta.summaries для доверительных интервалов от epi.2by2 - PullRequest
0 голосов
/ 30 октября 2019

Я рассчитываю получить среднее значение на основе диапазона значений, каждое из которых связано с ошибкой. Я обнаружил, что meta.summaries из пакета rmeta, кажется, работает довольно хорошо, но ошибка, которую я имею на входных значениях, это только верхняя и нижняя границы, а не стандартное измерение ошибки, возникающее при использовании epi.2by2,Meta.summaries нужна стандартная ошибка.

Есть ли способ заставить meta.summaries использовать верхнюю и нижнюю границы или epi.2by2 для генерации se?

attach(DATA)
m <- summary(meta.summaries(RR,SE), conf.level = 0.95)

1 Ответ

0 голосов
/ 30 октября 2019

Может быть, вы слишком полагаетесь на пакеты? Со страницы Нечетное соотношение Википедии я могу прочитать:

Распределение коэффициентов шансов в журнале примерно нормальное с:

L ~ N (log (ИЛИ), s ^ ​​2)

... где s можно аппроксимировать следующим образом:

SE = sqrt (1 / n_11 + 1 / n_01 + 1 / n_00+ 1 / n_10)

(где n_11 - количество вылеченных среди подвергшихся воздействию наркотиков, n_10 - количество вылеченных среди не подвергшихся воздействию и т. Д.) Таким образом, вы можете очень легко вычислить ваши стандартные ошибки. Предположим, что вы упаковали все свои наблюдения как набор данных:

n      <- 10                                       # number of odd-ratios
counts <- sample(20:100, replace = TRUE, size=4*n) # fake counts data
counts <- matrix(counts, cols=4)                   # one line = one experiment = one OR = 4 

... затем вы можете вычислить ваши стандартные ошибки следующим образом:

se <- sqrt(rowSums(1/counts))

Обратите внимание, что:

Это асимптотическое приближение, которое не даст значимого результата, если число ячеек очень мало.

... и, в более общем смысле, усреднение странные отношения звучат сомнительно , мне тоже по крайней мере. Если у вас есть исходные наблюдения, то вы можете просто сложить все данные. Если вы этого не сделаете, то в процессе вы будете иметь избыточные веса в небольших исследованиях. Я не стал подробно разбираться, но, похоже, много спорят по этому вопросу: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5352535/. Вы также можете увидеть то, что сказано здесь на CrossValidated (StackOverFlow для статистики).

...