Mesures répétées - Peut-on utiliser des covariables?J'ai un client qui dispose d'un ensemble de données traitant de la nutrition des chevaux. L'idée est de donner aux animaux une alimentation riche en glucose et de surveiller les niveaux d'insuline sur plusieurs heures. Ils comparent ensuite 2 groupes d'animaux: l'un est le groupe témoin et l'autre a reçu un régime spécial au cours du mois écoulé. Ils étudient donc réellement les effets du régime sur l'insuline de cheval. Ils ont pris une base sur tous les animaux au début de l'étude. Tous avaient suivi le même régime jusqu'au début de l'étude et leur avaient administré une alimentation riche en glucose et surveillé l'insuline. Bien sûr, chaque cheval avait une ligne de base différente. Ensuite, mettez la moitié des animaux au nouveau régime pendant un mois et répétez le test. Ils peuvent voir une petite différence en effectuant une mesure répétée standard sur les données de fin de mois, mais ils souhaiteraient prendre en compte les niveaux de référence de chaque animal au début du mois, en espérant que cela effacerait le signal. Des idées sur comment faire ça? Merci!Re: Mesures répétées - Peut-on utiliser des covariables?Jerry,
C'est assez simple, il suffit de mettre la covariable comme effet. J'ai donné une conférence WebEx / Discovery sur l'utilisation de JMP Pro pour des mesures répétées et l'exemple principal l'a justement fait. Voici le lien vers le WebEx . Le discours de découverte avait le même contenu. Sous de simples hypothèses de covariance (périodes non corrélées ou la même corrélation pour toutes les périodes, par exemple la symétrie composée), cette opération peut également être effectuée dans JMP normal.
Don
Re: Mesures répétées - Peut-on utiliser des covariables?Merci Don. Malheureusement, mon client a JMP standard, pas Pro. Vous avez mentionné que cela pourrait être fait dans JMP standard ... pouvez-vous m'indiquer une ressource décrivant comment faire cela?
Merci,
Jerry
Re: Mesures répétées - Peut-on utiliser des covariables?Jerry,
S'ils définissent la variable sujet (l'entité sur laquelle les mesures répétées sont prises) sur aléatoire, ils obtiendront un modèle de mesures répétées en supposant que la symétrie composée (CS) est la matrice de covariance. Cela indique que la corrélation en fonction du temps est la même, quelle que soit la différence entre les périodes (par exemple, la corrélation entre les première et deuxième périodes est la même que pour les première et dernière périodes). L'hypothèse de CS (ou pas de corrélation) est très limitante. Ajuster les modèles mixtes dans JMP Pro leur donne environ 10 structures de covariance supplémentaires avec lesquelles travailler (SAS en a environ 30 ou 40 de plus dans PROC MIXED). Une alternative consiste à utiliser la personnalité de Manova pour s’adapter à des modèles de mesures répétées. J'évite généralement de faire cela parce que je trouve difficile à interpréter et à expliquer (et cela peut avoir une puissance considérablement inférieure à celle d'une approche utilisant des modèles mixtes).
Don
