R 中匹配配对数据优势比的单边置信区间
One-Sided Confidence Interval for Odds Ratio for Matched Paired Data in R
我正在对两种不同的新癌症治疗的结果进行倾向得分匹配分析,结果是二元的(无癌或非无癌)。成功匹配后,我得到配对的 2x2 偶发事件 table 我的匹配对之间的结果如下所示;
**Treatment 1**
Not-Cancer Free Cancer Free
**Treatment 2**. Not-Cancer Free 42 39
Cancer Free 53 50
为了获得我的优势比,我使用使用 R 包 exact2x2 的 McNemars 精确检验(函数称为 mcnemar.exact)并得到以下结果
Exact McNemar test (with central confidence intervals)
data: MatchedCasesTable
b = 39, c = 53, p-value = 0.175
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
0.4738071 1.1339142
sample estimates:
odds ratio
0.7358491
我知道 p 值和 95% 置信区间来自 two.sided 测试方法,但是我想对匹配对优势比广告进行单方面测试,我只感兴趣仅来自单侧检验的较低置信区间。有没有什么方法可以修改测试或任何其他方法,以便我可以获得同时提供准确的较低比值比置信区间的单侧测试?非常感谢您!
你想要的可能是这个:
tt = data.table(tx1 = c(1,0,1,0), tx2 = c(0,0,1,1), n = c(53,42,50,39))[rep(1:.N,n)]
exact2x2(tt[,table(tx1,tx2)], paired=T, alternative = "greater")
输出
Exact McNemar-type test
data: tt[, table(tx1, tx2)]
b = 39, c = 53, p-value = 0.9413
alternative hypothesis: true odds ratio is greater than 1
95 percent confidence interval:
0.507341 Inf
sample estimates:
odds ratio
0.7358491
我正在对两种不同的新癌症治疗的结果进行倾向得分匹配分析,结果是二元的(无癌或非无癌)。成功匹配后,我得到配对的 2x2 偶发事件 table 我的匹配对之间的结果如下所示;
**Treatment 1**
Not-Cancer Free Cancer Free
**Treatment 2**. Not-Cancer Free 42 39
Cancer Free 53 50
为了获得我的优势比,我使用使用 R 包 exact2x2 的 McNemars 精确检验(函数称为 mcnemar.exact)并得到以下结果
Exact McNemar test (with central confidence intervals)
data: MatchedCasesTable
b = 39, c = 53, p-value = 0.175
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
0.4738071 1.1339142
sample estimates:
odds ratio
0.7358491
我知道 p 值和 95% 置信区间来自 two.sided 测试方法,但是我想对匹配对优势比广告进行单方面测试,我只感兴趣仅来自单侧检验的较低置信区间。有没有什么方法可以修改测试或任何其他方法,以便我可以获得同时提供准确的较低比值比置信区间的单侧测试?非常感谢您!
你想要的可能是这个:
tt = data.table(tx1 = c(1,0,1,0), tx2 = c(0,0,1,1), n = c(53,42,50,39))[rep(1:.N,n)]
exact2x2(tt[,table(tx1,tx2)], paired=T, alternative = "greater")
输出
Exact McNemar-type test
data: tt[, table(tx1, tx2)]
b = 39, c = 53, p-value = 0.9413
alternative hypothesis: true odds ratio is greater than 1
95 percent confidence interval:
0.507341 Inf
sample estimates:
odds ratio
0.7358491