Como calcular o erro padrão das proporções de probabilidades?

Eu tenho dois conjuntos de dados de estudos de associação em todo o genoma. A única informação disponível é a razão de chances e o valor p para o primeiro conjunto de dados. Para o segundo conjunto de dados, eu tenho a Odds Ratio, valor de p e frequências de alelos (AFD = doença, AFC = controles) (por exemplo: 0,321). Estou tentando fazer uma meta-análise desses dados, mas não tenho o parâmetro de tamanho do efeito para fazer isso. Existe a possibilidade de calcular os intervalos de confiança SE e OR para cada um desses dados usando apenas as informações fornecidas?
Agradeço antecipadamente

exemplo: Dados disponíveis:

    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

Com esses dados, posso calcular o SE e o IC95% OU? obrigado

Você pode calcular / aproximar os erros padrão através dos valores-p. Primeiro, converter os valores de p frente e verso em valores p unilaterais, dividindo-as por 2. Então você começa e . Em seguida, converta esses valores-p nos valores-z correspondentes. Para , esse valor é e para , esse valor é (eles são negativos, pois as razões de chances são inferiores a 1). Esses valores z são, na verdade, as estatísticas de teste calculadas tomando o log das razões de chances dividido pelos erros padrão correspondentes (ou seja, ). Portanto, segue-se que , que gera$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$para o primeiro e para o segundo estudo.$SE = .038$

Agora você tem tudo para fazer uma meta-análise. Ilustrarei como você pode fazer os cálculos com R, usando o pacote 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       ** 

Observe que a metanálise é feita usando os odds ratio de log. Portanto, é a razão de chances de log combinada estimada com base nesses dois estudos. Vamos converter isso de volta para um odds ratio:$-0.1095$

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

Portanto, o odds ratio combinado é de 0,90 com IC 95%: 0,84 a 0,96.