Metaanalyse zu Studien mit 0-Frequenzzellen

Ich bin mit Metaanalyse- und Meta-Regressionstechniken vertraut (unter Verwendung des R-Pakets metaforvon Viechtbauer), bin aber kürzlich auf ein Problem gestoßen, das ich nicht einfach lösen kann. Nehmen wir an, wir haben eine Krankheit, die von der Mutter auf das ungeborene Kind übergehen kann, und sie wurde bereits mehrmals untersucht. Mutter und Kind wurden direkt nach der Geburt auf das Virus getestet. Da ein ungeborenes Kind das Virus unmöglich anders als von der Mutter bekommen kann, würde man Kreuztabellen erwarten wie:

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

Die Verwendung von Odds Ratios (OR) führt offensichtlich zu Fehlern, als würde man durch 0 teilen. Gleiches gilt für relative Risiken:

$\frac{A/(A+B)}{0/(0+D)}$

Nun wollen die Forscher die (sinnlose) Hypothese testen, ob eine Infektion des Kindes mit einer Infektion der Mutter zusammenhängt (was sehr, sehr offensichtlich erscheint). Ich versuche, die Hypothese neu zu formulieren und etwas Sinnvolles zu finden, aber ich kann nicht wirklich etwas finden.

Um die Sache zu komplizieren, sind einige Kinder mit negativen Müttern tatsächlich positiv, wahrscheinlich aufgrund einer Infektion in der ersten Woche. Ich habe also nur eine Reihe von Studien mit C = 0.

Jeder eine Idee, wie man die Daten verschiedener Studien nach einem solchen Muster statistisch zusammenfasst. Links zu wissenschaftlichen Arbeiten sind ebenfalls willkommen.

$P(Kid_+ | Mum_+) - P(Kid_+|Mum_-)$$D/(B+D) - C/(A+C)$$C=0$

Ich stimme zu, dass es ziemlich sinnlos erscheint, die Hypothese zu testen, dass dieser Risikodifferenz Null ist. Aber es ist sinnvoll zu schätzen, wie groß es ist, dh wie viel wahrscheinlicher es ist, dass ein Kind das Virus hat, wenn seine Mutter es hat, als wenn seine Mutter es nicht hat.

Normalerweise bedeuten Nullen, dass Sie genaue Methoden verwenden müssen, anstatt sich auf asymptotische Methoden wie Metaanalysen mit Quotenverhältnissen zu verlassen. Wenn Sie davon ausgehen möchten, dass der Studieneffekt behoben ist, ist ein exakter Maentel-Hanszel-Test der richtige Weg. Für eine genaue Analyse zufälliger Effekte müssen Sie ein binomiales Regressionsmodell mit einem zufälligen Studieneffekt verwenden. Ich habe beides in einem kürzlich angewandten Artikel getan, aber der dortige Methodenabschnitt wäre für Sie nicht hilfreicher, da er im Wesentlichen diese Informationen vermittelt.

Bearbeiten

Dieses Papier wird nicht angewendet, aber hier kam mir die Idee, als ich mit demselben Thema konfrontiert wurde:
[1] Hans C. van Houwelingen, Lidia R. Arends und Theo Stijnen. Fortgeschrittene Methoden in der Metaanalyse: multivariater Ansatz und Meta-Regression. Statistik in der Medizin , 2002; 21: 589–624

Hier ist das Papier, in dem ich diesen Ansatz verwendet habe (er ist in der Zusammenfassung nicht ersichtlich, wird aber im Abschnitt über Methoden erwähnt):
[2] Trivedi H, Nadella R, Szabo A. Hydratisierung mit Natriumbicarbonat zur Verhinderung von Kontrastmittel Nephropathie: eine Metaanalyse randomisierter kontrollierter Studien. Clin Nephrol. 2010 Oct; 74 (4): 288 & ndash; 96.

In der Dokumentation des Metafor-Pakets heißt es: "Das Hinzufügen einer kleinen Konstante zu den Zellen der 2x2-Tabellen ist eine häufige Lösung für dieses Problem." und bietet auch eine Option, um dies innerhalb des Aufrufs für rma () zu tun.