Statistiche di sopravvivenza: mortalità in gabbiaCiao,
Innanzitutto vorrei ringraziare la community per essere qui per aiutare con le domande dei principianti. Da quando mi sono trasferito in questa istituzione ho amato JMP!
Sto cercando di fare statistiche di sopravvivenza per uno studio in cui ho monitorato la mortalità in gabbia per 18 gabbie contenenti 50 mosche ciascuna per 20 giorni. Ciascuna gabbia ha un numero variabile di morti al giorno.Dopo aver letto e guardato il manuale "Advanced Mastering JMP: Analisi dei dati di sopravvivenza "Sono ancora perplesso e mi chiedo se questa analisi di sopravvivenza non sia adatta al mio tipo di statistiche. Forse sarei più adatto con una regressione o qualcosa del genere.
Eventuali suggerimenti o suggerimenti su fonti migliori per la risoluzione dei problemi sarebbero molto apprezzati.
Joe
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaGrazie mille!
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaHo preso in giro il tuo studio:
Il trattamento è A o B. La fase è da 1 a 4. La gabbia è da 1 a 20. Mosche è il conteggio delle mosche morte. Il censore è impostato su 0 per morto. Le righe per Fase = 4 vengono duplicate per registrare il numero di mosche ancora vive e Censor è impostato su 1 per quelle righe.
Nota che Flies è un numero casuale di una distribuzione Weibull, quindi potrei continuare la mia risposta.
Il test di omogeneità presuppone l'ipotesi nulla che la distribuzione di tutti i gruppi (trattamento in questo caso) sia la stessa. L’ipotesi alternativa è che le distribuzioni non siano tutte uguali. Questo è il test per qualsiasi effetto del trattamento .
Anche i test sui modelli nidificati riguardano l'effetto del trattamento, ma affrontano il problema natura dell'effetto del trattamento . Anche questi test partono dal presupposto che non vi siano effetti. Il primo test confronta il parametro di posizione. Il secondo confronta la posizione e il parametro di scala.
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaSì, la tua descrizione si adatta al mio set di dati, solo che ho fasi (4) anziché giorni. La mortalità è bassa (~5% dell'intero set di dati) e quindi non ha una distribuzione normale. Ho trasformato il set di dati per imitare l'esempio della mortalità delle mosche e ho eseguito l'analisi Fit Life by X. Mi confonde il fatto che mostri un test di omogeneità del gruppo Wilcoxon (Chi-quadrato), nonché "Nessun effetto rispetto a posizione" (effetto diverso da zero?) e un "Posizione rispetto a posizione e scala". Quindi non sono sicuro che uno di questi rifletta il confronto tra i due trattamenti.
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaNon ho esaminato questo problema per molto tempo. Ricominciamo e assicuriamoci che la soluzione sia adatta alla tua situazione. Questa breve descrizione rispecchia il tuo caso?
- Dividi le gabbie in due trattamenti A e B.
- Hai gabbie c e metà di queste vanno a ogni trattamento.
- All'inizio hai n soggetti in ciascuna gabbia.
- Si osserva il numero di soggetti vivi/morti ogni giorno per d giorni.
Non conosco la tua analisi standard per un caso del genere, ma mi vengono in mente tre approcci generali che sembrano adatti. È possibile eseguire un'analisi probit utilizzando un modello lineare generalizzato con una distribuzione di Poisson e una funzione di collegamento probit. Il trattamento sarebbe l’unico effetto fisso. Potresti anche eseguire un'analisi parametrica di sopravvivenza se hai in mente un modello di distribuzione. È inoltre possibile eseguire un'analisi dei rischi proporzionali senza specificare la funzione di rischio se l'ipotesi è valida.
Se questa descrizione sembra appropriata, posso aiutarti con il layout della tabella dati e l'impostazione dell'analisi.
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaCiao markbailey: potresti fornire ulteriori informazioni su come trasformare le colonne selezionate in ruoli?Ho trasformato il mio set di dati come consigliato, ma ho anche 2 trattamenti e mi chiedo se sto inserendo i dati correttamente. Quindi ho "fase" come Y, Time to Event; Colonna "Censore" come Censore; Colonna "Conteggio" come Freq; e mi chiedo se "Trattamento" debba essere inserito come Da.Il problema con questa struttura è che non riesco a ottenere un confronto tra i trattamenti.Potete per favore aiutarmi?
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaGrazie gentilmente
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaSelezionare Analizza > Stima modello. Quindi fare clic sul pulsante accanto a Personalità e selezionare Modelli lineari generalizzati nella parte inferiore del menu a discesa. Successivamente dovresti vedere la scelta per la distribuzione e la funzione di collegamento
Penso ancora che il tuo ostacolo più grande sia il layout della tua tabella dati. Non è difficile, ma se non imposti correttamente i dati avrai problemi con la maggior parte delle procedure. Hai provato il layout che ho suggerito?
Per l’approccio GLM è necessario un layout diverso...
Oggetto: Statistiche di sopravvivenza: mortalità in gabbia
Consulta anche questo post del blog JMP https://community.jmp.com/t5/JMP-Blog/Reliability-regression-with-binary-response-data-probit-analysis/ba-p/30464
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaPer favore, specificare per JMP 10.
Analizza=>Adatta modello=>?
Non vedo "Modello lineare generalizzato" qui.Grazie!
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaVolevo introdurre un cosiddetto "modello Log-Log complementare" per i dati di risposta binomiale che hai (ovvero, il numero di file morti per popolazione di gabbia). Questo modello viene spesso applicato a dati discreti sul tempo di sopravvivenza.
Il modello è disponibile in Fit Model's Modello lineare generalizzato personalità scegliendo Distribuzione: binomiale E Funzione di collegamento: Comp LogLog .
Supponiamo di aver registrato la mortalità (numero di fallimenti) per ciascuna gabbia alla fine del giorno 20. Sia N la popolazione della gabbia (cioè le prove). Aggiungerai sia il conteggio della mortalità che le colonne N come Y e aggiungerai Cage e qualsiasi altra covariata come effetti del modello. I risultati consentono di verificare se il risultato complessivo mortalità i tassi differiscono in modo significativo in base alla gabbia e per prevedere il mortalità .
Se si desidera stimare la funzione di sopravvivenza di base, è necessario creare una serie di variabili indicatore che identifichino il numero di mosche morte per ogni giorno e aggiungerle come effetti del modello.
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaMi sembra che in questa ricerca non ci sia interesse per la dinamica del processo, ma siamo interessati a confrontare i tipi di repliche in base ai risultati finali (al 20° giorno) (rapporto tra morti e vivi in percentuale), cioè vogliamo trovare una differenza statisticamente significativa nelle proporzioni di vivi e morti a seconda della replicazione (gabbie)
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaPenso che ci siano almeno tre modi per analizzare la mortalità in JMP: Life Distribution, Survival e Probit (utilizzando GLM in Fit Model). Cominciamo con i primi due. I tuoi dati vanno bene ma dovrebbero essere organizzati in questo modo:
Hai 20 gabbie in funzione per 20 giorni. Inserisci il numero di nuove mosche morte nella colonna Conteggio per un determinato giorno e gabbia. Inserisci il numero di mosche sopravvissute alla fine della tabella, nelle righe con Censore = 1:
Quindi utilizzare i due script di tabella salvati per avviare le analisi.
Ho allegato questa tabella dei dati del modello per te, quindi tutto ciò che devi fare è inserire i dati di conteggio.
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaOK.1. Il ventesimo giorno, apri la gabbia e guarda quante mosche sono vive (a) e quante sono morte (d). Tale per ogni cella.
2. Otterrai una serie di numeri
a1, d1 (per la prima gabbia)
a2, d2 (per il secondo)
a3, d3 (per il terzo)
eccetera.
3) Quindi esegui un confronto a coppie con tabelle di contingenza 2x2 (piattaforma "Adatta Y per X")
Confrontare:
a1, d1
a2, d2
quindi confrontare:
a1, d1
a3, d3
quindi confrontare
a2, d2
a3, d3
eccetera.
4) Di conseguenza, è possibile selezionare il gabbia coppie che differiscono in modo statisticamente significativo (test di Fisher esatto).Non credo che ce ne saranno molti.
PS Se la gabbia sono indipendenti, l'effetto di confronti multipli non lo sarà.
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaE se qualche mosca vola prima dei 20 giorni, dovrai inserirla non in 20 giorni, ma nel giorno del suo volo (queste sono le regole della censura). PS Con le mosche bisogna stare attenti, soprattutto se si considera, chi viene chiamato il principe delle mosche... 
Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaGrazie per la vostra risposta.
In questo momento ho i dati registrati come mortalità giornaliera per gabbia. Le gabbie sono le repliche e non mi preoccupo delle singole mosche, ma piuttosto della sopravvivenza complessiva di ciascuna popolazione di gabbie. Il metodo che menzioni sopra mi farebbe catalogare la sopravvivenza di 900 mosche individuali. Ciò richiederebbe un'enorme quantità di tempo! Per non parlare dei dati di uno studio ripetuto con la stessa quantità di repliche.
I miei dati rappresentano semplicemente il monitoraggio delle perdite nell'arco di 20 giorni per ciascuna gabbia. Speravo che ci fosse un modo più semplice per farlo in JMP.Oggetto: Statistiche di sopravvivenza: mortalità in gabbiaL'analisi della sopravvivenza è adatta in questo caso (ma non esclude altri metodi, dipende dai tuoi obiettivi). Quindi, nella tabella dei dati hai le colonne:
1. numero di mosche (1, 2, 3 ecc.)
2. morto (1), vivo (0, questo è il codice censurato). (Nota, in JMP il codice di censura predefinito è 1, quindi è necessario modificarlo)
3. tempo fino alla morte (se la mosca è morta) o 20 giorni (se la mosca è viva)
4. codice gabbia (se è importante per te)
PSSe giri la curva, ad es. che la curva va dal basso verso l'alto (la piattaforma di sopravvivenza ti dà questa possibilità), otterrai una probabilità cumulativa di morte
