41802_de-DE

liliconcom

Überlebensstatistik: Käfigsterblichkeit

Hallo,

Zunächst möchte ich der Community dafür danken, dass sie hier ist, um bei neuen Fragen zu helfen. Seit ich an diese Einrichtung gezogen bin, liebe ich JMP!

 

Ich versuche, Überlebensstatistiken für eine Studie zu erstellen, in der ich die Käfigsterblichkeit von 18 Käfigen mit jeweils 50 Fliegen über 20 Tage hinweg verfolgt habe. In den Käfigen gibt es jeweils eine variable Anzahl toter Tiere pro Tag.Nachdem Sie „Advanced Mastering JMP: Analysing Survival Data“ gelesen und angesehen haben „Ich bin immer noch ratlos und frage mich, ob diese Überlebensanalyse nicht für meine Art von Statistiken geeignet ist. Vielleicht wäre ich mit einer Regression oder so besser geeignet.

 

Für Vorschläge oder Tipps zu besseren Quellen zur Fehlerbehebung wären wir sehr dankbar.

 

Joe

 

 

Betreff: Überlebensstatistik: Käfigsterblichkeit

Vielen Dank!

Betreff: Überlebensstatistik: Käfigsterblichkeit

Ich habe Ihre Studie nachgeahmt:

 

Behandlung ist A oder B. Phase ist 1 bis 4. Käfig ist 1 bis 20. Unter Fliegen versteht man die Zahl der toten Fliegen. Der Zensor wird für tot auf 0 gesetzt. Die Zeilen für Phase = 4 werden dupliziert, um die Anzahl der noch lebenden Fliegen aufzuzeichnen, und Censor wird für diese Zeilen auf 1 gesetzt.

 

Beachten Sie, dass Flies eine Zufallszahl aus einer Weibull-Verteilung ist, sodass ich mit meiner Antwort fortfahren kann.

 

Der Homogenitätstest geht von einer Nullhypothese aus, dass die Verteilung aller Gruppen (in diesem Fall der Behandlung) gleich ist. Die Alternativhypothese besagt, dass die Verteilungen nicht alle gleich sind. Dies ist der Test für jeglicher Behandlungseffekt .

 

Die Nested-Models-Tests dienen ebenfalls einem Behandlungseffekt, befassen sich jedoch mit dem Art des Behandlungseffekts . Auch diese Tests gehen von der Annahme aus, dass keine Wirkung vorliegt. Der erste Test vergleicht den Standortparameter. Der zweite vergleicht den Standort und den Skalenparameter.

Betreff: Überlebensstatistik: Käfigsterblichkeit

Ja, Ihre Beschreibung passt zu meinem Datensatz, nur dass ich Phasen (4) anstelle von Tagen habe. Die Sterblichkeit ist niedrig (~5 % des gesamten Datensatzes) und weist daher keine Normalverteilung auf. Ich habe den Datensatz so transformiert, dass er das Beispiel der Fliegensterblichkeit nachahmt, und eine Fit Life by X-Analyse durchgeführt. Es verwirrt mich, dass es einen Wilcoxon-Gruppen-Homogenitätstest (Chi-Quadrat) sowie „Kein Effekt vs. Ort“ (Effekt anders als Null?) und einen „Ort vs. Ort und Maßstab“ zeigt. Ich bin mir also nicht sicher, ob einer davon den Vergleich der beiden Behandlungen widerspiegelt.

Betreff: Überlebensstatistik: Käfigsterblichkeit

Ich habe mich schon lange nicht mehr mit diesem Problem beschäftigt. Beginnen wir noch einmal von vorne und stellen wir sicher, dass die Lösung zu Ihrer Situation passt. Erfasst diese kurze Beschreibung Ihren Fall?

 

• Sie teilen die Käfige auf zwei Behandlungen A und B auf.
• Sie haben C-Käfige und die Hälfte davon geht zu jeder Behandlung.
• Zu Beginn haben Sie in jedem Käfig n Probanden.
• Sie beobachten die Anzahl der lebenden/toten Probanden jeden Tag über d Tage hinweg.

 

Ich kenne Ihre Standardanalyse für einen solchen Fall nicht, aber mir fallen drei allgemeine Ansätze ein, die geeignet erscheinen. Sie könnten eine Probit-Analyse mithilfe eines verallgemeinerten linearen Modells mit einer Poisson-Verteilung und einer Probit-Link-Funktion durchführen. Die Behandlung wäre der einzige feste Effekt. Sie könnten auch eine parametrische Überlebensanalyse durchführen, wenn Sie ein Verteilungsmodell im Sinn haben. Sie könnten auch eine proportionale Gefahrenanalyse durchführen, ohne die Gefahrenfunktion anzugeben, wenn die Annahme gültig ist.

 

Wenn diese Beschreibung angemessen erscheint, kann ich Ihnen beim Layout Ihrer Datentabelle und der Einrichtung der Analyse helfen.

Betreff: Überlebensstatistik: Käfigsterblichkeit

Hallo Markbailey: Könnten Sie bitte zusätzliche Informationen dazu bereitstellen, wie Sie ausgewählte Spalten in Rollen umwandeln?Ich habe meinen Datensatz wie empfohlen transformiert, habe aber auch zwei Behandlungen und frage mich, ob ich die Daten richtig eingebe. Ich habe also „Phase“ als Y, Time to Event; Spalte „Zensor“ als Zensor; Spalte „Anzahl“ als Freq; und frage mich, ob „Behandlung“ als „Von“ eingegeben werden sollte.Das Problem bei dieser Struktur ist, dass ich keinen Vergleich zwischen den Behandlungen bekomme.Können Sie bitte helfen?

Betreff: Überlebensstatistik: Käfigsterblichkeit

Dankesehr

Betreff: Überlebensstatistik: Käfigsterblichkeit

Wählen Sie Analysieren > Modell anpassen. Klicken Sie dann auf die Schaltfläche neben „Persönlichkeit“ und wählen Sie unten im Dropdown-Menü „Verallgemeinerte lineare Modelle“ aus. Danach sollte die Auswahl für die Verteilungs- und Linkfunktion angezeigt werden

Ich denke immer noch, dass Ihre größte Hürde das Layout Ihrer Datentabelle ist. Es ist nicht schwierig, aber wenn Sie die Daten nicht richtig einrichten, werden Sie bei den meisten Verfahren Probleme haben. Haben Sie das von mir vorgeschlagene Layout ausprobiert?

Für den GLM-Ansatz ist ein anderes Layout erforderlich ...

Betreff: Überlebensstatistik: Käfigsterblichkeit

 

Bitte schauen Sie sich auch diesen JMP-Blogbeitrag an https://community.jmp.com/t5/JMP-Blog/Reliability-regression-with-binary-response-data-probit-analysis/ba-p/30464

Betreff: Überlebensstatistik: Käfigsterblichkeit

Bitte geben Sie für JMP 10 an.

Analysieren=>Modell anpassen=>?

Ich sehe hier kein „Generalisiertes lineares Modell“.Danke!

Betreff: Überlebensstatistik: Käfigsterblichkeit

Ich wollte ein sogenanntes „komplementäres Log-Log-Modell“ für binomiale Antwortdaten einführen, wie Sie es haben (dh Anzahl toter Dateien pro Käfigpopulation). Dieses Modell wird häufig auf diskrete Überlebenszeitdaten angewendet.

Das Modell ist in Fit Model's verfügbar Verallgemeinertes lineares Modell Persönlichkeit durch Wahl Verteilung: Binomial Und Link-Funktion: Comp LogLog .

Angenommen, Sie haben die Sterblichkeit (Anzahl der Ausfälle) für jeden Käfig am Ende des 20. Tages erfasst. Sei N die Käfigpopulation (dh Versuche). Sie fügen sowohl die Sterblichkeitszahl als auch die N-Spalte als Y hinzu und fügen Cage und alle anderen Kovariaten als Modelleffekte hinzu. Anhand der Ergebnisse können Sie testen, ob das Gesamtergebnis stimmt Mortalität Die Raten unterscheiden sich erheblich je nach Käfig und um die vorherzusagen Mortalität .

Wenn Sie die Basisüberlebensfunktion schätzen möchten, müssen Sie eine Reihe von Indikatorvariablen erstellen, die die Anzahl toter Fliegen für jeden Tag identifizieren, und diese als Modelleffekte hinzufügen.

Betreff: Überlebensstatistik: Käfigsterblichkeit

Es scheint mir, dass bei dieser Forschung kein Interesse an der Dynamik des Prozesses besteht, sondern daran, die Replikationstypen anhand der endgültigen (am 20. Tag) Ergebnisse (Verhältnis von Toten und Lebenden in Prozent) zu vergleichen, d Finden Sie einen statistisch signifikanten Unterschied im Anteil von Lebenden und Toten in Abhängigkeit von der Replikation (Käfige).

Betreff: Überlebensstatistik: Käfigsterblichkeit

Ich denke, dass es in JMP mindestens drei Möglichkeiten gibt, die Sterblichkeit zu analysieren: Lebensverteilung, Überleben und Probit (unter Verwendung von GLM im Fit-Modell). Beginnen wir mit den ersten beiden. Ihre Daten sind in Ordnung, aber sie sollten wie folgt organisiert sein:

Sie haben 20 Käfige, die 20 Tage lang laufen. Geben Sie die ein Anzahl neuer toter Fliegen in der Spalte „Anzahl“ für einen bestimmten Tag und Käfig. Geben Sie die Anzahl der überlebenden Fliegen am Ende der Tabelle in die Zeilen mit Censor = 1 ein:

Anschließend nutzen Sie die beiden gespeicherten Tabellenskripte, um die Analysen zu starten.

Ich habe diese Vorlagedatentabelle für Sie angehängt, Sie müssen also nur noch die Zähldaten eingeben.

Betreff: Überlebensstatistik: Käfigsterblichkeit

OK.1. Öffnen Sie am 20. Tag den Käfig und sehen Sie, wie viele Fliegen noch leben (a) und wie viele gestorben sind (d). So für jede Zelle.
2. Sie erhalten eine Reihe von Zahlen
a1, d1 (für den ersten Käfig)
a2, d2 (für Sekunde)
a3, d3 (für Terz)

usw.

3) Führen Sie dann einen Paarvergleich mit durch Kontingenztabellen 2x2 („Fit Y by X“-Plattform)

Vergleichen:

a1, d1
a2, d2
dann vergleiche:
a1, d1
a3, d3
dann vergleichen
a2, d2
a3, d3
usw.
4) Als Ergebnis können Sie auswählen Käfig Paare, die statistisch signifikant unterschiedlich sind (exakter Fisher-Test).Ich glaube nicht, dass es viele davon geben wird.
PS Wenn die Käfig unabhängig sind, hat der Effekt mehrerer Vergleiche keinen Einfluss.

Betreff: Überlebensstatistik: Käfigsterblichkeit

Und wenn eine Fliege vor 20 Tagen fliegt, müssen Sie sie nicht auf 20 Tage, sondern auf den Tag ihres Fluges setzen (das sind die Zensurregeln). PS Mit Fliegen muss man vorsichtig sein, besonders wenn man bedenkt, wer der Prinz der Fliegen genannt wird ...

Betreff: Überlebensstatistik: KäfigsterblichkeitDanke für Ihre Antwort.
Im Moment habe ich die Daten als Sterblichkeit pro Tag und Käfig erfasst. Bei den Käfigen handelt es sich um Replikate, und es geht mir nicht um einzelne Fliegen, sondern um das Gesamtüberleben jeder Käfigpopulation. Mit der oben erwähnten Methode würde ich das Überleben von 900 einzelnen Fliegen katalogisieren. Das würde enorm viel Zeit in Anspruch nehmen! Ganz zu schweigen davon, dass ich Daten aus einer Wiederholungsstudie mit der gleichen Anzahl an Replikaten habe.

Bei meinen Daten handelt es sich lediglich um die Verfolgung des Verlusts über 20 Tage für jeden Käfig. Ich hatte gehofft, dass es in JMP eine einfachere Möglichkeit gäbe, dies zu tun.Betreff: Überlebensstatistik: Käfigsterblichkeit

Hier eignet sich die Überlebensanalyse (sie schließt andere Methoden jedoch nicht aus – es hängt von Ihren Zielen ab). In der Datentabelle haben Sie also die Spalten:
1. Anzahl der Fliegen (1, 2, 3 usw.)
2. gestorben (1), lebendig (0, das ist Zensurkabeljau). (Hinweis: In JMP ist der Zensurcode standardmäßig 1, daher müssen Sie ihn ändern.)
3. Zeit bis zum Tod (wenn die Fliege gestorben ist) oder 20 Tage (wenn die Fliege noch lebt)
4. Käfigcode (falls es Ihnen wichtig ist)

PSWenn Sie eine Kurve drehen, d. h. Wenn die Kurve von unten nach oben verläuft (die Überlebensplattform bietet Ihnen diese Möglichkeit), erhalten Sie eine kumulative Todeswahrscheinlichkeit