Я знаком с мета-анализом и мета-регрессионными методами (используя пакет R metafor
от Viechtbauer), но недавно я наткнулся на проблему, которую не могу легко решить. Скажем, у нас есть болезнь, которая может передаваться от матери к нерожденному ребенку, и она изучалась уже несколько раз. Мать и ребенок были проверены на вирус сразу после рождения. Поскольку нерожденный ребенок не может получить вирус, кроме матери, можно ожидать кросс-таблицы, такие как:
| neg kid | pos kid
mother neg | A | C=0
-----------|---------|--------
mother pos | B | D
Очевидно, что использование отношения шансов (ИЛИ) приводит к ошибкам, которые можно было бы разделить на 0. То же самое для относительных рисков:
Теперь исследователи хотят проверить (бессмысленную) гипотезу о том, связана ли инфекция ребенка с инфекцией матери (что кажется очень и очень очевидным). Я пытаюсь переформулировать гипотезу и придумать что-то, что имеет смысл, но я не могу что-то найти.
Чтобы усложнить ситуацию, некоторые дети с отрицательными мамами на самом деле являются положительными, вероятно, из-за инфекции в первую неделю. Так что у меня есть только ряд исследований, где C = 0.
У кого-нибудь есть идея о том, как статистически суммировать данные различных исследований по такой схеме. Ссылки на научные статьи также приветствуются.
источник
Ответы:
Мне кажется, это одна из редких ситуаций, в которых может быть лучше провести мета-анализ различий риска, а не коэффициентов риска или коэффициентов шансов. Разница риска оценивается в каждом исследовании как . Это должно быть конечным во всех исследованиях, даже когда , поэтому не должно быть проблем с метаанализом.п( Кя д+| Mты м+) - П( Кя д+| Mты м-) Д / ( Б + Д ) - С/ (A+C) С= 0
Я согласен, что кажется довольно бессмысленным рассматривать гипотезу о том, что эта разница риска равна нулю. Но имеет смысл оценить, насколько он велик, то есть, насколько вероятнее, что у ребенка есть вирус, когда его мама имеет, чем когда его нет.
источник
Обычно 0 означают, что вы должны использовать точные методы, а не полагаться на асимптотические методы, такие как метаанализ с коэффициентами шансов. Если вы хотите предположить, что эффект от обучения установлен, точный тест Maentel-Hanszel является подходящим вариантом. Для точного анализа случайных эффектов необходимо использовать модель биномиальной регрессии с эффектом случайного исследования. Я сделал и то, и другое в недавней прикладной статье, но раздел «Методы» не будет для вас более полезным, поскольку он по существу передает эту информацию.
редактировать
Эта статья не применяется, но именно здесь я получил идею, когда столкнулся с той же проблемой:
[1] Ханс К. ван Хоуилинген, Лидия Р. Арендс и Тео Стийнен. Продвинутые методы в метаанализе: многомерный подход и метарегрессия. Статистика в медицине , 2002; 21: 589-624
Вот статья, в которой я использовал этот подход (он неочевиден в аннотации, но упоминается в разделе методов):
[2] Триведи Х, Наделла Р, Сабо А. Гидратация бикарбонатом натрия для предотвращения контраста, вызванного нефропатия: метаанализ рандомизированных контролируемых исследований. Клин Нефрол. 2010 окт; 74 (4): 288-96.
источник
В документации пакета metafor говорится, что «Добавление небольшой константы в ячейки таблиц 2x2 является распространенным решением этой проблемы». а также предоставляет возможность сделать это в вызове rma ().
источник