One relative risk versus two odds ratios: implications for meta-analyses involving paired and unpaired binary data
Notice bibliographique
Résumé
BACKGROUND: There are debates on whether the conditional odds ratio or marginal odds ratio should be used in meta-analysis involving both paired and unpaired binary data. Although statistically sound, both approaches result in overall odds ratios which are known to be less meaningful to consumers. PURPOSE: To show that while two odds ratios can be calculated in a pair-matched study, there is only one relative risk for such design, and to discuss the implications for meta-analysis involving both paired and unpaired binary data. METHODS: Algebra and an example, along with standard software for implementing relative risk regression models. RESULTS: The choice of relative risk as the effect measure in pair-matched design not only simplifies analysis and interpretation for individual studies, but makes mata-analysis involving both paired and unpaired studies straightforward. Pooling marginal odds ratios in a meta-analysis of diabetic retinopathy treatment resulted in a summarized odds ratio of 2.25 (95% CI 1.83-2.75), compared with that of 2.44 (95% CI 1.95-3.04) from pooling conditional odds ratios. In contrast, summarizing relative risks resulted in an overall effect measure of 1.09 (95% CI 1.06-1.11), implying the treatment reduces visual deterioration rate by 9%. CONCLUSION: Relative risk may be the first consideration in measuring effect for analyzing prospective studies with binary outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,462 | 0,737 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,019 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,008 | 0,004 |
| Intégrité de la recherche | 0,011 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».