Metaanaliza badań z komórkami o częstotliwości 0

9

Znam metaanalizę i techniki regresji meta (przy użyciu pakietu R metaforfirmy Viechtbauer), ale ostatnio natknąłem się na problem, którego nie mogę łatwo rozwiązać. Powiedzmy, że mamy chorobę, która może przejść od matki do nienarodzonego dziecka, i była badana już wiele razy. Matka i dziecko zostały przetestowane na obecność wirusa zaraz po urodzeniu. Ponieważ nienarodzone dziecko może nieuchronnie dostać wirusa innego niż matka, można się spodziewać takich tabel krzyżowych:

           | neg kid | pos kid
mother neg |    A    |   C=0
-----------|---------|--------
mother pos |    B    |   D

Oczywiście użycie ilorazów szans (OR) daje błędy, ponieważ dzieli się je przez 0. To samo dla względnego ryzyka:

A/(A+B)0/(0+D)

Teraz naukowcy chcą przetestować (bezsensowną) hipotezę, czy zakażenie dziecka jest powiązane z zakażeniem matki (co wydaje się bardzo, bardzo oczywiste). Próbuję przeformułować hipotezę i znaleźć coś, co ma sens, ale tak naprawdę nie mogę czegoś znaleźć.

Aby to skomplikować, niektóre dzieci z mamami negatywnymi faktycznie są pozytywne, prawdopodobnie z powodu infekcji w pierwszym tygodniu. Mam więc tylko kilka badań, w których C = 0.

Ktoś ma pomysł, jak statystycznie podsumować dane z różnych badań zgodnie z takim wzorcem. Linki do artykułów naukowych są również mile widziane.

Joris Meys
źródło
Nie nazwałbym tych danych „zniekształconymi” - po prostu ma komórkę o zerowej częstotliwości, co w dużej mierze wynika z dużego efektu. Z punktu widzenia aplikacji jest to „dobra rzecz”.
Aniko,
@Aniko: Zgadzam się, źle sformułowane to złe słowo, ale tak naprawdę nie wiedziałem, jak to inaczej powiedzieć.
Joris Meys,

Odpowiedzi:

5

Wydaje mi się, że jest to jedna z rzadkich sytuacji, w których lepsza może być metaanaliza różnic ryzyka niż współczynników ryzyka lub ilorazów szans. Różnica ryzyka jest szacowana w każdym badaniu przez . To powinno być skończone we wszystkich badaniach, nawet gdy , więc nie powinno być problemu z metaanalizą.P(Kid+|Mum+)P(Kid+|Mum)D/(B+D)C/(A+C)C=0

Zgadzam się, że nie ma sensu rozważać testowania hipotezy, że ta różnica ryzyka wynosi zero. Ale warto oszacować, jak duży jest, tj. O ile bardziej prawdopodobne jest, że dziecko ma wirusa, gdy ma go mama, niż gdy jego mama nie ma.

jeden przystanek
źródło
różnice ryzyka są rzeczywiście drogą, którą mogą zrozumieć także statystycy. Przyjęty.
Joris Meys,
6

Zwykle 0 oznacza, że ​​musisz używać dokładnych metod zamiast polegać na metodach asymptotycznych, takich jak metaanaliza z ilorazem szans. Jeśli zechcesz założyć, że efekt badania jest ustalony, dobrym pomysłem jest dokładny test Maentel-Hanszel. W celu dokładnej analizy efektów losowych należy zastosować model regresji dwumianowej z losowym efektem badania. Zrobiłem to zarówno w niedawno opublikowanym artykule, ale sekcja metod nie byłaby dla ciebie bardziej pomocna, ponieważ zasadniczo przekazuje te informacje.

Edytować

Ten artykuł nie jest stosowany, ale właśnie stąd wpadłem na ten pomysł:
[1] Hans C. van Houwelingen, Lidia R. Arends i Theo Stijnen. Zaawansowane metody metaanalizy: podejście wielowymiarowe i meta-regresja. Statystyka w medycynie , 2002; 21: 589–624

Oto artykuł, w którym zastosowałem to podejście (nie jest to widoczne w streszczeniu, ale jest wspomniane w części dotyczącej metod):
[2] Trivedi H, Nadella R, Szabo A. Nawodnienie wodorowęglanem sodu w celu zapobiegania kontrastowi wywołanemu nefropatia: metaanaliza randomizowanych badań kontrolowanych. Clin Nephrol. Paź 2010; 74 (4): 288–96.

Aniko
źródło
1
+1 za użycie dwumianowego modelu mieszanego efektu. Niestety został odrzucony jako „nie standardowa metoda”. Jeśli możesz podać mi linki do artykułów, w których takie podejście jest stosowane w konfiguracji metaanalizy, bardzo byś mi pomógł. Z góry dziękuję.
Joris Meys,
Zredagowałem swoją odpowiedź z kilkoma referencjami.
Aniko,
0

Dokumentacja pakietu metafor mówi, że „Dodawanie małej stałej do komórek tabel 2x2 jest częstym rozwiązaniem tego problemu”. a także zapewnia opcję wykonania tego w ramach wywołania rma ().

żart
źródło
Typowe rozwiązania nie zawsze są poprawnymi rozwiązaniami.
Joris Meys,