41802_fr-FR

liliconcom

Statistiques de survie : mortalité en cage

Bonjour,

Tout d’abord, je voudrais remercier la communauté d’être là pour répondre aux nouvelles questions. Depuis que j'ai rejoint cette institution, j'adore JMP !

 

J'essaie de faire des statistiques de survie pour une étude dans laquelle j'ai suivi la mortalité en cage pour 18 cages contenant chacune 50 mouches sur 20 jours. Les cages ont chacune un nombre variable de morts par jour.Après avoir lu et regardé le document "Advanced Mastering JMP : Analysing Survival Data " Je suis toujours désemparé et je me demande si cette analyse de survie n'est pas adaptée à mon type de stats. Peut-être que je serais mieux adapté à une régression ou quelque chose du genre.

 

Toute suggestion ou conseil sur de meilleures sources de dépannage serait grandement apprécié.

 

Joe

 

 

Re : Statistiques de survie : Mortalité en cage

Merci beaucoup!

Re : Statistiques de survie : Mortalité en cage

J'ai simulé votre étude :

 

Le traitement est A ou B. La phase est de 1 à 4. La cage est de 1 à 20. Les mouches sont le décompte des mouches mortes. La censure est réglée à 0 pour mort. Les lignes pour Phase = 4 sont dupliquées pour enregistrer le nombre de mouches encore en vie et Censor est réglé sur 1 pour ces lignes.

 

Notez que Flies est un nombre aléatoire issu d'une distribution Weibull afin que je puisse continuer ma réponse.

 

Le test d'homogénéité suppose une hypothèse nulle selon laquelle la répartition de tous les groupes (traitement dans ce cas) est la même. L’hypothèse alternative est que les distributions ne sont pas toutes identiques. C'est le test pour tout effet de traitement .

 

Les tests de modèles imbriqués concernent également un effet de traitement, mais ils répondent aux nature de l’effet du traitement . Ces tests partent également de l’hypothèse d’aucun effet. Le premier test compare le paramètre de localisation. La seconde compare l'emplacement et le paramètre d'échelle.

Re : Statistiques de survie : Mortalité en cage

Oui, votre description correspond à mon ensemble de données, juste que j'ai des phases (4) plutôt que des jours. La mortalité est faible (~ 5 % de l’ensemble des données) et n’a donc pas de distribution normale. J'ai transformé l'ensemble de données pour imiter l'exemple Fly Mortality et exécuté l'analyse Fit Life by X. Cela me rend confus qu'il montre un test d'homogénéité du groupe de Wilcoxon (chi carré), ainsi qu'un « aucun effet par rapport à l'emplacement » (effet différent de zéro ?) et un « emplacement par rapport à l'emplacement et à l'échelle ». Je ne suis donc pas sûr que l’un d’eux reflète la comparaison des 2 traitements.

Re : Statistiques de survie : Mortalité en cage

Je n'ai pas examiné ce problème depuis longtemps. Recommençons et assurons-nous que la solution convient à votre situation. Cette brève description reflète-t-elle votre cas ?

 

• Vous divisez les cages en deux traitements A et B.
• Vous avez c cages et la moitié d'entre elles vont à chaque traitement.
• Vous avez n sujets dans chaque cage au début.
• Vous observez le nombre de sujets vivants/morts chaque jour pendant d jours.

 

Je ne connais pas votre analyse standard pour un tel cas, mais je pense à trois approches générales qui semblent appropriées. Vous pouvez effectuer une analyse probit à l'aide d'un modèle linéaire généralisé avec une distribution de Poisson et une fonction de lien probit. Le traitement serait le seul effet fixe. Vous pouvez également effectuer une analyse paramétrique de survie si vous avez un modèle de distribution en tête. Vous pouvez également effectuer une analyse des risques proportionnels sans spécifier la fonction de risque si l'hypothèse est valide.

 

Si cette description vous semble appropriée, je peux alors vous aider dans la mise en page de votre tableau de données et la mise en place de l'analyse.

Re : Statistiques de survie : Mortalité en cage

Salut Markbailey : Pourriez-vous s'il vous plaît fournir des informations supplémentaires sur la manière de transformer les colonnes sélectionnées en rôles ?J'ai transformé mon ensemble de données comme recommandé, mais j'ai également 2 traitements et je me demande si je saisis correctement les données. J'ai donc "phase" comme Y, Time to Event ; Colonne « Censeur » comme Censeur ; Colonne « Compte » comme Freq ; et je me demande si « Traitement » doit être saisi comme Par.Le problème avec cette structure est que je n’obtiens pas de comparaison entre les traitements.Peux-tu aider s'il te plait?

Re : Statistiques de survie : Mortalité en cage

Merci de bien vouloir

Re : Statistiques de survie : Mortalité en cage

Sélectionnez Analyser > Ajuster le modèle. Cliquez ensuite sur le bouton à côté de Personnalité et sélectionnez Modèles linéaires généralisés en bas du menu déroulant. Vous devriez voir le choix de la distribution et la fonction de lien apparaître après cela.

Je pense toujours que votre plus gros obstacle est la présentation de votre tableau de données. Ce n'est pas difficile, mais si vous ne configurez pas correctement les données, vous aurez des problèmes avec la plupart des procédures. Avez-vous essayé la mise en page que je vous ai proposée ?

Une disposition différente est nécessaire pour l’approche GLM…

Re : Statistiques de survie : Mortalité en cage

 

Veuillez également consulter ce billet de blog JMP https://community.jmp.com/t5/JMP-Blog/Reliability-regression-with-binary-response-data-probit-analysis/ba-p/30464

Re : Statistiques de survie : Mortalité en cage

Veuillez préciser pour JMP 10.

Analyser=>Ajuster le modèle=> ?

Je ne vois pas de « Modèle linéaire généralisé » ici.Merci!

Re : Statistiques de survie : Mortalité en cage

Je voulais introduire ce que l'on appelle un « modèle Log-Log complémentaire » pour les données de réponse binomiales comme vous l'avez (c'est-à-dire le nombre de fichiers morts par population de cage). Ce modèle est souvent appliqué à des données discrètes sur la durée de survie.

Le modèle est disponible dans Fit Model's Modèle linéaire généralisé personnalité en choisissant Distribution : Binôme et Fonction de lien : Comp LogLog .

Supposons que vous ayez enregistré la mortalité (nombre d'échecs) pour chaque cage à la fin du jour 20. Soit N la population en cage (c'est-à-dire les essais). Vous ajouterez à la fois le nombre de mortalité et les colonnes N comme Y, et ajouterez Cage et toutes les autres covariables comme effets de modèle. Les résultats vous permettent de tester si l'ensemble mortalité les taux diffèrent considérablement selon la cage et pour prédire le mortalité .

Si vous souhaitez estimer la fonction de survie de base, vous devrez alors créer une série de variables indicatrices qui identifient le nombre de mouches mortes pour chaque jour et les ajouter comme effets de modèle.

Re : Statistiques de survie : Mortalité en cage

Il me semble que dans cette recherche, on ne s'intéresse pas à la dynamique du processus, mais on s'intéresse à comparer les types de réplications par résultats finaux (au 20ème jour) (rapport de morts et de vivants en pourcentage), c'est-à-dire qu'on veut trouver une différence statistiquement significative dans les proportions de vivants et de morts en fonction de la réplication (cages)

Re : Statistiques de survie : Mortalité en cage

Je pense qu'il existe au moins trois façons d'analyser la mortalité dans JMP : Life Distribution, Survival et Probit (en utilisant GLM dans Fit Model). Commençons par les deux premiers. Vos données sont bonnes mais elles doivent être organisées comme ceci :

Vous disposez de 20 cages en fonctionnement pendant 20 jours. Entrer le nombre de nouvelles mouches mortes dans la colonne Nombre pour un jour et une cage donnés. Inscrivez le nombre de mouches survivantes en fin de tableau, dans les lignes avec Censeur = 1 :

Utilisez ensuite les deux scripts de table enregistrés pour démarrer les analyses.

J'ai joint ce modèle de tableau de données pour vous, vous n'avez donc qu'à saisir les données de comptage.

Re : Statistiques de survie : Mortalité en cage

D'ACCORD.1. Le 20ème jour, ouvrez la cage et voyez combien de mouches sont vivantes (a) et combien sont mortes (d). Tel pour chaque cellule.
2. Vous obtiendrez une série de chiffres
a1, d1 (pour la première cage)
a2, d2 (pour la seconde)
a3, d3 (pour le troisième)

etc.

3) Faites ensuite une comparaison par paire avec tableaux de contingence 2x2 (plateforme "Fit Y by X")

Comparer:

a1, d1
a2, d2
puis comparez :
a1, d1
a3, d3
puis comparez
a2, d2
a3, d3
etc.
4) En conséquence, vous pouvez sélectionner le cage paires statistiquement significativement différentes (test exact de Fisher).Je ne pense pas qu'ils seront nombreux.
PS Si la cage sont indépendants, alors l’effet des comparaisons multiples ne le sera pas.

Re : Statistiques de survie : Mortalité en cage

Et si une mouche vole avant 20 jours il faudra lui mettre non pas 20 jours, mais le jour de son vol (ce sont les règles de censure). PS Avec les mouches, il faut être prudent, surtout si l'on considère qui s'appelle le prince des mouches...

Re : Statistiques de survie : Mortalité en cageMerci pour votre réponse.
À l'heure actuelle, j'ai les données enregistrées en termes de mortalité par jour et par cage. Les cages sont des répliques et je ne m'intéresse pas aux mouches individuelles, mais plutôt à la survie globale de chaque population de cages. La méthode que vous mentionnez ci-dessus me permettrait de cataloguer la survie de 900 mouches individuelles. Cela prendrait énormément de temps ! Sans oublier que j'ai des données provenant d'une étude répétée avec le même nombre de répétitions.

Mes données ne sont que le suivi des pertes sur 20 jours pour chaque cage. J'espérais qu'il y aurait un moyen plus simple de le faire dans JMP.Re : Statistiques de survie : Mortalité en cage

L'analyse de survie convient ici (mais elle n'exclut pas d'autres méthodes - cela dépend de vos objectifs). Ainsi, dans le tableau de données, vous avez les colonnes :
1. nombre de mouches (1, 2, 3 etc.)
2. mort (1), vivant (0, c'est la morue censurée). (Remarque, dans JMP, le code de censure par défaut est 1, vous devez donc le modifier)
3. délai jusqu'à la mort (si la mouche est morte) ou 20 jours (si la mouche est vivante)
4. code cage (si cela compte pour vous)

PSSi vous tournez la courbe, c'est à dire. que la courbe va de bas en haut (la plateforme de survie vous donne cette possibilité), vous obtiendrez une probabilité cumulée de décès