생존 통계: 케이지 사망률안녕하세요,
먼저 뉴비 관련 질문에 도움을 주신 커뮤니티에 감사의 말씀을 전하고 싶습니다. 이 기관으로 옮긴 이후로 저는 JMP를 좋아했습니다!
저는 20일 동안 각각 50마리의 파리가 들어 있는 18개의 케이지에 대한 케이지 사망률을 추적하는 연구를 위해 생존 통계를 작성하려고 합니다. 우리 각각은 하루에 죽은 사람의 수가 다양합니다."Advanced Mastering JMP: Analyzing Survival Data"를 읽고 시청한 후 " 나는 아직도 이 생존 분석이 내 유형의 통계에 적합하지 않은지 고민하고 있습니다. 어쩌면 나는 회귀 또는 다른 것에 더 적합할 것입니다.
문제 해결을 위한 더 나은 소스에 대한 제안이나 팁을 주시면 감사하겠습니다.
조
Re: 생존 통계: 케이지 사망률매우 감사합니다!
Re: 생존 통계: 케이지 사망률나는 당신의 연구를 조롱했습니다 :
치료는 A 또는 B입니다. 페이즈는 1~4입니다. 케이지는 1~20입니다. 파리는 죽은 파리의 수입니다. 검열은 죽은 경우 0으로 설정됩니다. 단계 = 4에 대한 행은 복제되어 아직 살아있는 파리의 수를 기록하고 해당 행에 대해 Censor는 1로 설정됩니다.
Flies는 Weibull 분포의 임의의 숫자이므로 계속 답장을 보낼 수 있습니다.
동질성 검정에서는 모든 그룹(이 경우 치료)의 분포가 동일하다는 귀무가설을 가정합니다. 대립 가설은 분포가 모두 동일하지 않다는 것입니다. 이는 다음에 대한 테스트입니다. 어떤 치료 효과 .
중첩 모델 테스트도 처리 효과를 위한 것이지만 다음과 같은 문제를 해결합니다. 치료 효과의 성격 . 이 테스트 역시 효과가 없다는 가정에서 시작됩니다. 첫 번째 테스트에서는 위치 매개변수를 비교합니다. 두 번째는 위치와 축척 매개변수를 비교합니다.
Re: 생존 통계: 케이지 사망률예, 귀하의 설명이 제 데이터세트에 적합합니다. 단, 일수가 아닌 단계(4)가 있다는 것뿐입니다. 사망률이 낮기 때문에(전체 데이터 세트의 ~5%) 정규 분포를 갖지 않습니다. 저는 Fly Mortality 예제를 모방하기 위해 데이터 세트를 변환하고 Fit Life by X 분석을 실행했습니다. Wilcoxon Group Homogeneity Test(Chi-Square)와 "효과 없음 대 위치"(0과 다른 효과?) 및 "위치 대 위치 및 규모"가 표시되어 혼란스럽습니다. 따라서 그 중 하나가 두 가지 치료 비교를 반영하는지 확실하지 않습니다.
Re: 생존 통계: 케이지 사망률나는 오랫동안 이 문제를 살펴보지 않았습니다. 다시 시작하여 솔루션이 귀하의 상황에 적합한지 확인해 보세요. 이 간략한 설명에 귀하의 사례가 담겨 있습니까?
- 케이지를 두 가지 처리 A와 B로 나눕니다.
- C 케이지가 있고 그 중 절반은 각 치료에 사용됩니다.
- 처음에는 각 케이지마다 n명의 피험자가 있습니다.
- d일 동안 매일 살아있는/죽은 피험자의 수를 관찰합니다.
나는 그러한 경우에 대한 귀하의 표준 분석을 모르지만 제가 생각할 수 있는 세 가지 일반적인 접근 방식이 적절해 보입니다. 포아송 분포와 프로빗 연결 함수를 사용하는 일반화 선형 모델을 사용하여 프로빗 분석을 수행할 수 있습니다. 치료만이 유일한 고정 효과일 것입니다. 분포 모델을 염두에 두고 있다면 모수적 생존 분석을 수행할 수도 있습니다. 가정이 유효한 경우 위험 함수를 지정하지 않고 비례 위험 분석을 수행할 수도 있습니다.
이 설명이 적절하다고 판단되면 데이터 테이블 레이아웃과 분석 설정에 도움을 드릴 수 있습니다.
Re: 생존 통계: 케이지 사망률안녕하세요 markbailey: 선택한 열을 역할로 캐스팅하는 방법에 대한 추가 정보를 제공해 주시겠습니까?권장사항에 따라 데이터세트를 변환했지만 2가지 처리도 있는데 데이터를 올바르게 입력했는지 궁금합니다. 따라서 "단계"는 Y(이벤트 발생 시간)로 설정됩니다. 검열로서의 "검열" 열; Freq로 "계산" 열; "치료"를 By로 입력해야 하는지 궁금합니다.이 구조의 문제점은 치료법을 비교할 수 없다는 것입니다.도와주실 수 있나요?
Re: 생존 통계: 케이지 사망률감사합니다
Re: 생존 통계: 케이지 사망률분석 > 적합 모델을 선택합니다. 그런 다음 성격 옆에 있는 버튼을 클릭하고 드롭다운 메뉴 하단 근처에 있는 일반화 선형 모델을 선택합니다. 그 후에 배포 및 링크 기능에 대한 선택이 표시되어야 합니다.
나는 여전히 가장 큰 장애물이 데이터 테이블의 레이아웃이라고 생각합니다. 어렵지는 않지만 데이터를 올바르게 설정하지 않으면 대부분의 절차에 어려움을 겪게 됩니다. 내가 제안한 레이아웃을 시도해 보셨나요?
GLM 접근 방식에는 다른 레이아웃이 필요합니다.
Re: 생존 통계: 케이지 사망률
이 JMP 블로그 게시물도 확인해 보세요. https://community.jmp.com/t5/JMP-Blog/Reliability-regression-with-binary-response-data-probit-analytic/ba-p/30464
Re: 생존 통계: 케이지 사망률JMP 10을 지정하십시오.
분석=>적합성=>?
여기에는 "일반화 선형 모델"이 표시되지 않습니다.감사해요!
Re: 생존 통계: 케이지 사망률저는 여러분이 갖고 있는 이항 응답 데이터(예: 케이지 모집단당 죽은 파일 수)에 대해 소위 "상보적인 로그-로그 모델"을 도입하고 싶었습니다. 이 모델은 종종 이산 생존 시간 데이터에 적용됩니다.
모델은 Fit Model's에서 사용할 수 있습니다. 일반화 선형 모델 선택에 따른 성격 분포: 이항 그리고 링크 기능: Comp LogLog .
20일이 끝날 때 각 케이지에 대한 사망률(실패 횟수)을 기록했다고 가정합니다. N을 케이지 모집단(즉, 시험)으로 설정합니다. 사망률 수와 N 열을 모두 Y로 추가하고 케이지 및 기타 공변량을 모델 효과로 추가합니다. 결과를 통해 전반적인 상태를 테스트할 수 있습니다. 인류 비율은 케이지에 따라 크게 다르며 예측하기 위해 인류 .
기본 생존 함수를 추정하려면 매일 죽은 파리 수를 식별하는 일련의 표시 변수를 생성하고 이를 모델 효과로 추가해야 합니다.
Re: 생존 통계: 케이지 사망률이 연구에서는 프로세스의 역학에는 관심이 없지만 최종(20일) 결과(죽은 사람과 사는 사람의 비율(%))를 기준으로 복제 유형을 비교하는 데 관심이 있는 것 같습니다. 복제(케이지)에 따라 살아있는 것과 죽은 것의 비율에서 통계적으로 유의미한 차이를 찾습니다.
Re: 생존 통계: 케이지 사망률JMP에서 사망률을 분석하는 방법에는 생명 분포(Life Distribution), 생존(Survival), 프로빗(Fit Model에서 GLM 사용) 세 가지 방법이 있다고 생각합니다. 처음 두 개부터 시작해 보겠습니다. 데이터는 괜찮지만 다음과 같이 구성되어야 합니다.
20일 동안 20개의 케이지를 운영합니다. 들어가다 새로운 죽은 파리의 수 특정 날짜 및 케이지에 대한 개수 열에 있습니다. 테이블 끝에 Censor = 1인 행에 살아남은 파리의 수를 입력합니다.
그런 다음 저장된 두 테이블 스크립트를 사용하여 분석을 시작합니다.
이 템플릿 데이터 테이블을 첨부했으므로 카운트 데이터를 입력하기만 하면 됩니다.
Re: 생존 통계: 케이지 사망률좋아요.1. 20일째 되는 날 새장을 열고 얼마나 많은 파리가 살아 있는지(a), 얼마나 많은 파리가 죽었는지(d) 확인합니다. 각 셀마다 그렇습니다.
2. 당신은 일련의 숫자를 얻을 것입니다
a1, d1 (첫 번째 케이지용)
a2, d2(초용)
a3, d3(세 번째용)
등.
3) 그런 다음 다음과 쌍 비교를 수행합니다. 비상표 2x2("Fit Y by X" 플랫폼)
비교하다:
a1, d1
a2, d2
그런 다음 비교해보세요:
a1, d1
a3, d3
그런 다음 비교해보세요
a2, d2
a3, d3
등.
4) 결과적으로 다음을 선택할 수 있습니다. 새장 통계적으로 유의하게 다른 쌍(정확한 Fisher 테스트).나는 그런 사람들이 많지 않을 것이라고 생각합니다.
추신 만약 새장 독립적이면 다중 비교의 효과는 나타나지 않습니다.
Re: 생존 통계: 케이지 사망률그리고 일부 파리가 20일 이전에 날아간다면 20일이 아니라 비행일을 지정해야 합니다(이것이 검열 규칙입니다). 추신 파리의 경우 특히 파리의 왕자라고 불리는 사람을 고려하면 조심해야합니다 ... 
Re: 생존 통계: 케이지 사망률당신의 응답을 주셔서 감사합니다.
지금은 케이지당 일일 사망률로 데이터가 기록되어 있습니다. 우리는 복제물이며 개별 파리에 관심이 있는 것이 아니라 각 우리 개체군의 전반적인 생존에 관심이 있습니다. 위에서 언급한 방법을 사용하면 개별 파리 900마리의 생존 목록을 작성할 수 있습니다. 이것은 엄청난 시간이 걸릴 것입니다! 말할 것도 없이 동일한 양의 반복을 사용한 반복 연구의 데이터가 있습니다.
내 데이터는 단지 각 케이지에 대해 20일 동안 손실을 추적한 것뿐입니다. 저는 JMP에서 이 작업을 더 쉽게 수행할 수 있는 방법이 있기를 바랐습니다.Re: 생존 통계: 케이지 사망률여기에는 생존 분석이 적합합니다(그러나 다른 방법을 배제하지는 않습니다. 목표에 따라 다릅니다). 따라서 데이터 테이블에는 다음과 같은 열이 있습니다.
1. 파리 수(1, 2, 3 등)
2. 사망(1), 살아 있음(0, 검열 대구입니다). (참고로 JMP에서는 기본 검열 코드가 1이므로 변경해야 합니다.)
3. 사망까지의 시간(파리가 죽은 경우) 또는 20일(파리가 살아있는 경우)
4. 케이지 코드(중요한 경우)
추신즉, 곡선을 돌리면. 곡선이 아래에서 위로 이동하면(생존 플랫폼이 이러한 가능성을 제공함) 누적된 사망 확률을 얻게 됩니다.
