生存統計: ケージの死亡率こんにちは、
まず最初に、ここに来て新しい質問に答えてくれたコミュニティに感謝したいと思います。 この施設に移って以来、私は JMP が大好きです。
私は、それぞれ 50 匹のハエを含む 18 個のケージの死亡率を 20 日間追跡した研究の生存統計を作成しようとしています。 それぞれの檻には、1 日あたりの死者の数が変化します。「Advanced Mastering JMP: Analyzing Survival Data」を読んで視聴した後「私はまだ途方に暮れており、この生存分析が私のタイプの統計に適していないのではないかと疑問に思っています。 たぶん、私は回帰か何かの方が適しているでしょう。
トラブルシューティングのためのより良い情報源に関する提案やヒントをいただければ幸いです。
ジョー
Re: 生存統計: ケージ死亡率どうもありがとうございます！
Re: 生存統計: ケージ死亡率あなたの研究を模擬してみました:
治療法はAかBです。 フェーズは1～4です。 ケージは1から20までです。 Flies は死んだハエの数です。 死亡の場合、センサーは 0 に設定されます。 Phase = 4 の行はまだ生きているハエの数を記録するために複製され、それらの行の Censor は 1 に設定されます。
ハエはワイブル分布からの乱数であることに注意してください。そのため、回答を続けることができます。
均一性検定では、すべてのグループ (この場合は治療) の分布が同じであるという帰無仮説が仮定されます。 対立仮説は、分布はすべて同じではないということです。 これはのためのテストです何らかの治療効果。
ネストされたモデルのテストも治療効果を目的としていますが、次のことに対処します。治療効果の性質。 これらのテストも、効果がないという前提から始まります。 最初のテストでは、場所パラメータを比較します。 2 つ目は、位置とスケール パラメーターを比較します。
Re: 生存統計: ケージ死亡率はい、あなたの説明は私のデータセットに当てはまりますが、日数ではなくフェーズ (4) があるという点だけです。 死亡率は低い (データセット全体の約 5%) ため、正規分布はありません。 ハエ死亡率の例を模倣するようにデータセットを変換し、Fit Life by X 分析を実行しました。 ウィルコクソン群均一性検定 (カイ 2 乗)、「効果なし vs 場所」(効果はゼロとは異なる?)、および「場所 vs 場所とスケール」が示されているのは、私を混乱させます。 したがって、それらのいずれかが 2 つの治療法の比較を反映しているかどうかはわかりません。
Re: 生存統計: ケージ死亡率私は長い間この問題に目を向けていませんでした。 最初からやり直して、解決策が状況に適していることを確認してください。 この簡単な説明はあなたのケースを理解していますか?
- ケージを 2 つの治療 A と B に分割します。
- C 個のケージがあり、そのうちの半分が各治療に行きます。
- 開始時には各ケージに n 人の被験者がいます。
- 毎日、d 日間、生存/死亡した被験者の数を観察します。
このような場合の標準的な分析はわかりませんが、私が考えることができる、適切と思われる 3 つの一般的なアプローチがあります。 ポアソン分布とプロビット リンク関数を備えた一般化線形モデルを使用して、プロビット分析を実行できます。 治療が唯一の固定効果となるでしょう。 分布モデルを念頭に置いている場合は、パラメトリック生存分析を実行することもできます。 仮定が有効であれば、ハザード関数を指定せずに比例ハザード分析を実行することもできます。
この説明が適切であると思われる場合は、データ テーブルのレイアウトと分析のセットアップをお手伝いします。
Re: 生存統計: ケージ死亡率こんにちは、markbailey: 選択した列をロールにキャストする方法について追加情報を提供していただけますか?推奨に従ってデータセットを変換しましたが、処理も 2 つあり、データを正しく入力しているかどうか疑問に思っています。 したがって、「フェーズ」をY、イベントまでの時間とします。検閲としての「検閲」列。 「カウント」列は頻度として表示されます。 「治療」を By として入力する必要があるかどうか疑問に思います。この構造の問題は、治療間の比較ができないことです。助けてもらえますか？
Re: 生存統計: ケージ死亡率よろしくお願いします
Re: 生存統計: ケージ死亡率[分析] > [モデルの適合] を選択します。 次に、[Personality] の横にあるボタンをクリックし、ドロップダウン メニューの下部近くにある [Generalized Linear Models] を選択します。 その後、配布の選択とリンク機能が表示されるはずです。
私は今でも、最大のハードルはデータテーブルのレイアウトだと考えています。 難しくはありませんが、データを正しく設定しないと、ほとんどの手順で問題が発生します。 私が提案したレイアウトを試してみましたか？
GLM アプローチには別のレイアウトが必要です...
Re: 生存統計: ケージ死亡率
この JMP ブログ投稿もご覧ください。 https://community.jmp.com/t5/JMP-Blog/Reliability-regression-with-binary-response-data-probit-analysis/ba-p/30464
Re: 生存統計: ケージ死亡率JMP 10の場合は指定してください。
分析=>モデルの適合=>?
ここには「一般化線形モデル」がありません。ありがとう！
Re: 生存統計: ケージ死亡率私は、あなたが持っているような二項応答データ (つまり、ケージ母集団ごとのデッドファイルの数) に対して、いわゆる「相補対数対対数モデル」を導入したいと考えました。 このモデルは、離散生存時間データに適用されることがよくあります。
このモデルは Fit Model で入手可能です一般化線形モデル選択による個性分布: 二項分布そしてリンク機能：コンプログログ。
20 日目の終わりに各ケージの死亡率 (失敗の数) を記録したとします。 N をケージの母集団 (つまり、試行) とします。 死亡数と N 列の両方を Y として追加し、ケージとその他の共変量をモデル効果として追加します。 結果により、全体的なパフォーマンスが良好かどうかをテストできます。死亡割合はケージによって大きく異なるため、死亡。
ベースライン生存関数を推定したい場合は、毎日の死んだハエの数を特定する一連の指標変数を作成し、それらをモデル効果として追加する必要があります。
Re: 生存統計: ケージ死亡率この研究では、プロセスのダイナミクスには興味がなく、最終（20日目）の結果（死亡者と生存者の割合（パーセント））によって複製の種類を比較することに興味があるように思えます。複製に応じて生者と死亡者の割合に統計的に有意な差があることを見つける（ケージ）
Re: 生存統計: ケージ死亡率JMP で死亡率を分析するには少なくとも 3 つの方法があると思います: 生命分布、生存、およびプロビット (フィット モデルで GLM を使用)。 最初の 2 つから始めましょう。 データは問題ありませんが、次のように整理する必要があります。
20 個のケージを 20 日間稼働させます。 を入力新たに死んだハエの数特定の日とケージの [カウント] 列に表示されます。 テーブルの最後、センサー = 1 の行に、生き残ったハエの数を入力します。
次に、保存した 2 つのテーブル スクリプトを使用して分析を開始します。
このテンプレート データ テーブルを添付したので、カウント データを入力するだけで済みます。
Re: 生存統計: ケージ死亡率わかりました。1. 20 日目にケージを開け、何匹のハエが生きているか (a)、何匹が死んだか (d) を確認します。 セルごとにこのようになります。
2. 一連の数字が得られます
a1、d1 (最初のケージ用)
a2、d2（2番目用）
a3、d3（3番目用）
等
3) 次に、次のようにペア比較を行います。分割表 2x2 (「Fit Y by X」プラットフォーム)
比較する：
a1、d1
a2、d2
次に比較します:
a1、d1
a3、d3
それから比較してください
a2、d2
a3、d3
等
4) その結果、ケージ統計的に有意に異なるペア（正確なフィッシャー検定）。そんな人は多くないと思います。
PS もしケージが独立している場合、複数の比較の影響はありません。
Re: 生存統計: ケージ死亡率そして、20日より前にハエが飛んだ場合は、20日ではなく、飛ぶ日を置く必要があります（これは検閲の規則です）。 PS ハエの場合は、特に誰がハエの王子と呼ばれるかを考慮する場合は注意する必要があります...:)
Re: 生存統計: ケージ死亡率ご返答ありがとうございます。
現在、ケージごとの 1 日あたりの死亡率としてデータが記録されています。 ケージは複製であり、私は個々のハエではなく、各ケージ個体群の全体的な生存に関心があります。 上で述べた方法では、900 匹のハエの生存状況をカタログ化することになります。 これには膨大な時間がかかります。 言うまでもなく、同じ量の反復による反復研究のデータもあります。
私のデータは、各ケージの 20 日間にわたる損失の追跡にすぎません。 JMP でこれを行うより簡単な方法があることを期待していました。Re: 生存統計: ケージ死亡率ここでは生存分析が適しています (ただし、他の方法を除外するものではありません。目的によって異なります)。 したがって、データテーブルには次の列があります。
1. フライの数 (1、2、3 など)
2. 死亡 (1)、生存 (0、これは検閲コードです)。 (JMP のデフォルトの検閲コードは 1 なので、変更する必要があることに注意してください)
3. 死亡までの時間 (ハエが死んだ場合) または 20 日 (ハエが生きている場合)
4. ケージコード (重要な場合)
PSカーブを曲がる場合、すなわち。曲線が下から上に向かうと（生存プラットフォームではこの可能性が得られます）、累積死亡確率が得られます。
