<div dir="ltr"><div>Hi,</div><div><br></div><div>
<div> I am interested in calculating an OR for a developing some outcome 
after new-treatment compared to standard treatment. I have proportions 
data, with 19 studies. <br></div><div><br></div><div>I ran a 
Random-Effects Model (code below, data attached) with the model type: Unconditional Model with
 Random Study Effects as follows, then exponentiated the coefficient for
 an OR:</div><div><br></div><div><br></div><div>Two questions:</div><div><br></div><div><ol><li>
<span lang="EN-US">I noticed there were quite a few zeros in the 
standard 
group 
(about 8/19 studies)

. This is sometimes because there were no standard patients in that
 study. 0 patients and 0 events.
 Should it be a zero or a . for missing instead? what is the best way to
 handle this situation? I tested running above code by using both TRUE 
or FALSE in the drop00 option, but the results didn't change.</span>

</li><li>I got results but also this message which am not sure what it means for the results I have got, are they still valid? "<i>Currently not possible to fit RE/ME model='<a href="http://UM.RS" target="_blank">UM.RS</a>' with nAGQ > 1. nAGQ automatically set to 1.Model failed to converge with max|grad| = 0.00207718 (tol = 0.001, component 1)</i>"</li></ol><div>I shall greatly appreciate your comments/advice. <br></div></div></div><div><br></div><div>=========<br></div><div>CODE RUN</div><div>=========<br></div><div>res1 <- rma.glmm(measure="OR", ai=treatment_events, n1i=treatment_total, ci=control_events, n2i=control_total, data=repdat, model="<a href="http://UM.RS">UM.RS</a>")</div><div><br></div><div>print(res1, digits=3)</div><div><br></div><div>predict(res1, transf=exp, digits=2)</div></div>