基于新参考类别重新计算ORs的方法咨询

核心原理 #

OR是相对风险的比值，其对数形式（log(OR)）具有线性可加性。更换参考类别时，可利用这一性质，通过原log(OR)的差值推导新参考下的效应估计值，无需原始2×2表格数据。

具体操作步骤 #

1. 提取并转换原始效应数据 #

先将每个研究报告的OR和95%CI转换为对数尺度的统计量：

• 计算原始log(OR)：log_OR = ln(原始OR数值)
• 计算log(OR)的标准误（SE）：对95%CI的上下限取自然对数，再用公式 SE = (ln(CI上限) - ln(CI下限)) / (2 * 1.96)——这是基于正态分布中95%置信区间对应±1.96倍SE的原理。

2. 推导新参考下的log(OR) #

假设某研究原参考组为G0，其他暴露组为G1、G2...Gn，对应的log(OR)分别为log_OR1、log_OR2...log_ORN（G0的log(OR)为0）。若要将Gk设为新参考组：

• 对于任意组Gi（i≠k），新的log(OR)为：log_OR_new_i = log_OR_i - log_OR_k
• 新参考组Gk的log(OR_new_k)为0（符合参考组效应值为1的定义）

3. 计算新OR及95%置信区间 #

• 新OR：对新log(OR)取指数，即 OR_new = exp(log_OR_new_i)
• 新95%CI的近似计算：
  多数研究不会报告同一研究内不同暴露组log(OR)的协方差，只能采用保守近似：新log(OR)的SE为 SE_new = sqrt(SE_i² + SE_k²)（假设两组log(OR)独立）
  计算CI的对数上下限：ln(CI_lower) = log_OR_new_i - 1.96 * SE_new，ln(CI_upper) = log_OR_new_i + 1.96 * SE_new
  最后取指数得到新的95%CI：CI_new = [exp(ln(CI_lower)), exp(ln(CI_upper))]

关键局限性与注意事项 #

• 近似偏差：上述SE计算假设同一研究内不同组的log(OR)独立，但实际它们共享原参考组数据，存在相关性。缺乏协方差数据时，这种近似可能导致CI宽度不准确，需在方法部分明确说明该局限性。
• 调整一致性：若原始OR是多变量调整后的结果，需确保新参考类别在原始研究中同样经过了相同的协变量调整，否则新OR的解释性会受影响。
• 透明度要求：在meta分析的纳入方法与结果部分，详细记录所有转换步骤和近似处理，保证研究可重复性。

内容的提问来源于stack exchange，提问作者Yaning Wu