简短回答不,不同的边距可以产生相同的奇数比和置信区间。一些例子。
这是一个关于如何找到表格的最小可能 N 的简短草图。请注意,根据您的链接站点,标准错误可以通过以下方式与单元格内容相关:
SE=1a+1b+1c+1d−−−−−−−−−−−−−√
忽略实际优势比,该值在时最小化。这将产生关系:a=b=c=d
SE2=1n/4+1n/4+1n/4+1n/4=4n/4=16n
因此,随后我们可以将表的最小可能 N 估计为。在您的示例中,标准误差可以通过 95% 置信区间恢复:16/SE2
[log(High)−log(Low)]/[2⋅1.96]
刚刚超过,因此在该标准误差下,表的最小可能 N 是(取该值的上限)。0.4516/0.452=80
这种逻辑虽然无助于找到最大值。假设表格的一行和具有非常大的值。因此 (,所以我们只有:cd1/c+1/d)≈0
SE2=1a+1b
假设,所以要获得 2.25 的优势比,我们只需要。所以对于这个例子,所以。所以下表:c/d=4/9a=bSE2=2/aa≈10
positive negative
exposed 10 10
not exposed 4e6 9e6
产生 2.25 的奇数比和 0.9365 到 5.4058 的 95% CI。
最后,即使您有表格的总 N,标准误差也存在对称性,您可以简单地交换行总计并重新计算单元格以具有相同的奇数比率。在许多情况下,这将产生大致相同的标准误差。
所以我们可以重写你原来的表:
positive negative
exposed 14 39
not exposed 11 69
作为:
positive negative
exposed 23 57
not exposed 8 45
这产生了 2.2697 的优势比和 0.9280 到 5.5516 的 95% 置信区间。不完全相同,但在某种程度上,这种识别取决于报告中的四舍五入量,所以我会犹豫是否依赖它,并且随着行总数的增加,找到确切的 N 会越来越困难。
如果你知道 N,你总是可以做一个网格搜索,但我不相信它总是会产生一个唯一的解决方案。
我什至忘记了最明显的对称性,你可以简单地翻转表格对角线上的数字,仍然可以获得完全相同的优势比和标准误差。例如
positive negative
exposed 69 11
not exposed 39 14
结果与原始表相同的汇总统计信息。