Wie passe ich Kovariaten an?Ich habe einen Datensatz mit zwei Kohorten. Bei der univariaten Analyse weisen sie Ergebnisunterschiede (Aufenthaltsdauer, kontinuierliche Variablen) auf. Sie sind sich jedoch in den Ausgangsmerkmalen nicht ähnlich (sie haben unterschiedliche Schwere der Erkrankung (kontinuierlich), Alter (kontinuierlich) und Diagnose (kategoriale Variablen).
Wie passe ich die Ergebnisvariable basierend auf Alter, Schweregrad der Erkrankung und Diagnose an?
Betreff: Wie passe ich Kovariaten an?Ich weiß nichts über Propensity Matching in JMP oder anderer Software. Vielleicht kann ein anderes Community-Mitglied helfen.
Betreff: Wie passe ich Kovariaten an?Ich denke, das erklärt es. Ich bin mit den Ergebnissen zufrieden
Eine letzte Frage hoffentlich
Wie wirkt sich diese Strategie im Vergleich zu einem Propensity-Matching von Fällen und Kontrollen aus?
Ich habe in anderen Diskussionsbeiträgen gelesen, dass Propensity Matching in JMP nicht möglich ist und ich es auf SPSS oder R durchführen muss ... Ist das korrekt?
Betreff: Wie passe ich Kovariaten an?Ein richtiges Modell macht den Unterschied! Die Wahl liegt im Ermessen des Forschers, sollte sich jedoch an Vorkenntnissen, theoretischen Grundlagen, einem objektiven Vergleich mit alternativen Modellen und einer Bewertung der Modellannahmen orientieren.
Die Parameterschätzungen werden in einer linearen Kombination verwendet, um die Verteilungsparameter zu bestimmen. Es kann schwierig sein, sie allein zu interpretieren. Sie können oben auf das rote Dreieck klicken und Profiler > Profiler auswählen. Sie können Faktorstufen ändern und die Änderung der vorhergesagten Reaktion sehen.
Ich habe noch eine andere Idee bezüglich der mangelnden Passform. Ich sehe den Test für eine übermäßige Streuung, die häufig vorkommt, nicht. Die Poisson-Verteilung hat einen einzigen Parameter. Es handelt sich um den Mittelwert und die Varianz der Verteilung. Reale Zählungsverteilungen weisen häufig eine Varianz auf, die größer als der Mittelwert ist. Sie sollten Kontrollkästchen finden, wenn Sie „Verallgemeinerte lineare Modelle“ für die Überdispersionstests und -intervalle sowie für die Firth-Bias-bereinigten Schätzungen auswählen. Ich empfehle, beide Optionen auszuwählen.
Andernfalls könnten Sie erwägen, Begriffe für mögliche Interaktionen und nichtlineare Effekte hinzuzufügen.
Betreff: Wie passe ich Kovariaten an?Danke schön. Ich stimme zu, dass es am besten ist, Diskussionen im öffentlichen Forum für andere Forscher zu führen, die davon profitieren könnten. Es war mir immer noch unangenehm, echte Daten im Internet zu teilen.
Es ist interessant und aufschlussreich für mich, zu erkennen, wie groß die Unterschiede in den Ergebnissen sein können, wenn man einfach ein anderes Modell zum Vergleich verwendet. Selbst bei einem verallgemeinerten linearen Modell macht es einen Unterschied, ob ich die Normalverteilung oder die Poission-Verteilung wähle. Dies führt zu einem Element der Modellabhängigkeit und der Ermessensfreiheit des Forschers.
Obwohl der Unterschied erheblich ist, sind die geschätzten Parameter sehr niedrig. Die Fälle haben also eine LOS von 0,05 Tagen mehr als die Kontrollen. Das ist klinisch kein relevanter Unterschied
Was mich am meisten störte, war, dass bei diesem Modell sogar das Geschlecht einen signifikanten Einfluss auf die Verweildauer hatte, mit einem P-Wert von < 0,001 und einer Parameterschätzung von 0,05. Nur beim bivariaten Vergleich von Geschlecht und Aufenthaltsdauer,
Es gibt keinen Unterschied (und es gibt keinen klinischen Grund, warum es einen Unterschied geben sollte)
Ich müsste eine Erklärung zur Rechtfertigung dieses Modells im Vergleich zu einer standardmäßigen Regression der kleinsten Quadrate hinzufügen. Und für die Giftverteilung.
Was die fehlende Passung betrifft, denke ich, dass dies zu erwarten ist, da es viel mehr Variablen geben würde, die die beiden Gruppen verwirren könnten, die wir nicht gemessen haben oder nicht gemessen werden können.
Ein weiteres Problem besteht darin, dass die Variablen im Modell nicht völlig unabhängig sind. In den Scores für den Schweregrad der Erkrankung sind bereits diagnostische Kategorien enthalten.Betreff: Wie passe ich Kovariaten an?das
Betreff: Wie passe ich Kovariaten an?Lassen Sie mich zunächst erklären, dass wir es vorziehen, dass der gesamte Austausch im Diskussionsbereich und nicht in privaten Nachrichten stattfindet. Warum? Weil anderen Mitgliedern der Community, die möglicherweise ähnliche Fragen oder Probleme haben, die Lösung teilweise oder vollständig vorenthalten wird. Mir ist bewusst, dass die Art des Problems oder der Daten manchmal Datenschutzprobleme mit sich bringt und nicht öffentlich veröffentlicht werden kann.
Laut Ihrer Nachricht sind die Regressionsergebnisse ermutigend! Ist es möglich, mir den Restplot zu zeigen? Dieses Diagramm würde helfen, die Frage nach einer oder mehreren einflussreichen Beobachtungen zu beantworten, die die Schätzungen und Tests verzerren. Die Darstellung hilft auch bei der Beurteilung der Anpassungsgüte.
Auch der Abweichungstest ist von hoher Aussagekraft. Bei diesem Test mangelt es an Eignung. Ihr Modell ist voreingenommen und liefert keine genauen Vorhersagen. Dies weist in der Regel darauf hin, dass Ihnen entweder wichtige Variablen fehlen oder, was wahrscheinlicher ist, Begriffe zur Behandlung nichtlinearer Effekte fehlen. Sie könnten erwägen, Kreuzbegriffe (z. B. Geschlecht*Alter) oder Potenzen (z. B. Alter*Alter) hinzuzufügen.
Betreff: Wie passe ich Kovariaten an?Danke
Ich habe Ihnen den Clip der Analyse geschickt
Betreff: Wie passe ich Kovariaten an?Ich stimme zu, dass ein logarithmisch-lineares Poisson-Regressionsmodell für die Anzahl der Tage sinnvoll ist. Ein besseres Modell wird mehr Aussagekraft zeigen. Können Sie die Regressionsergebnisse von JMP teilen? Bei einigen Informationen handelt es sich um Schätzungen. Der Rest hängt von der Qualität des Modells ab. Alle Informationen sind hilfreich, um die Gültigkeit Ihres Modells zu beurteilen.
Betreff: Wie passe ich Kovariaten an?Einer meiner Kollegen schlug vor, ein verallgemeinertes lineares Modell in der Persönlichkeit zu verwenden und die Poisson-Verteilung mit Log-Link auszuwählen, um die Daten zur Aufenthaltsdauer des Patienten zu vergleichen. Die Aufenthaltsdauer wird in Tagen angegeben. Es handelt sich also um eine Art Zähldaten, also um die Anzahl der Tage
Dieses Modell führt zu sehr signifikanten Unterschieden, was mich hinsichtlich seiner Gültigkeit sehr zweifeln lässt. Nahezu jede Variable hat einen P-Wert von weniger als 0,0001. Wenn ich das standardmäßige Standardmodell der kleinsten Quadrate verwendet habe, verschwindet der signifikante Unterschied zwischen Fall und Kontrolle sehr schnell, wenn ich dem Modell mehr Variablen hinzufüge, aber beim verallgemeinerten linearen Modell bleibt er sehr signifikant.
Betreff: Wie passe ich Kovariaten an?Ich bin geneigt, Ihrer Schlussfolgerung zuzustimmen, aber nur, wenn die Analyse zeigt, dass Ihre Daten den Modell- und Regressionsannahmen entsprechen. Dies scheint eine wichtige Studie zu sein. Beim Design der Studie und der Analyse der in der Studie gesammelten Daten ist Vorsicht geboten. Diese Analyse ist kein einfacher T-Test, und ein T-Test ist nicht so einfach.
Ist es möglich, weitere Informationen über die Studie weiterzugeben? Wiederholen Sie beispielsweise die Einrichtung für „Modell anpassen“, stellen Sie jedoch sicher, dass die Betonung auf „Effekthebel“ gesetzt ist. Könnten Sie ein Bild von „Actual by Predicted“ und den Leverage Plots beifügen? Auch das Residuum nach vorhergesagtem Plot oder das standardisierte Residuendiagramm? Mithilfe dieser Diagramme lässt sich gut beurteilen, ob Ihre Analyse in Ordnung ist, und Sie können dann mit Zuversicht zu Schlussfolgerungen gelangen.
Betreff: Wie passe ich Kovariaten an?Es tut mir leid, dass ich Kliniker und kein Statistiker bin. Leider gibt es an meinem Arbeitsplatz keinen Statistiker, also muss ich versuchen, es selbst herauszufinden.
Ich werde es nochmal versuchen
Ich verfüge über retrospektive Fall- und Kontrolldaten (erforderliche Pflegeeskalation oder nicht). Die Ergebnisse dieser beiden Gruppen und die Dauer des Krankenhausaufenthalts unterscheiden sich erheblich, wenn ich „Fit Y by X“ durch den nichtparametrischen Wilcoxon-Test verwende. (Fälle haben eine höhere Verweildauer)
Die beiden Gruppen sind jedoch nicht ähnlich und die Kontrollpersonen weisen eine viel höhere Schwere der Erkrankung auf als im Fallbeispiel.
Da die Patienten, deren Erkrankungsschwere oder höher erwartungsgemäß auch länger im Krankenhaus bleiben, ist zu erwarten, dass der Unterschied in der Verweildauer zwischen den beiden Gruppen signifikanter wird, wenn ich die Erkrankungsschwere in das Modell einbeziehe.
Wenn ich jedoch das Anpassungsmodell verwende und dabei die Aufenthaltsdauer auf der Intensivstation als Y sowie den Schweregrad der Erkrankung und die kategoriale Variable von Fall/Kontrolle in den Modelleffekten verwende. Ich erhalte die folgenden Parameterschätzungen
Schnittpunkt 3,99, prob >t < 0,0001
PIM 3 -0,17, 0,0039
Fall/Kontrolle -0,22 0,514
Ich gehe davon aus, dass es keinen signifikanten Unterschied zwischen Fall/Kontrolle hinsichtlich der Aufenthaltsdauer gibt, während gleichzeitig die Schwere der Erkrankung in das Modell einbezogen wird.
Betreff: Wie passe ich Kovariaten an?Das ergibt keinen Sinn. " Beim univariaten Vergleich der Ergebnisvariablen (Aufenthaltsdauer auf der Intensivstation, Aufenthaltsdauer im Krankenhaus und Beatmungstage) zwischen Fällen und Kontrollen gibt es einen sehr signifikanten Unterschied (P-Wert < 0,0001). Es gibt tatsächlich Unterschiede in den Altersgruppen und im Schweregrad der Erkrankung " ist kein univariater Vergleich. Und warum sollten Sie erwarten, dass es keine Unterschiede gibt?
Abgesehen von der Frage der Annahmen des Regressionsmodells sollten die Unterschiede (z. B. höherer Schweregrad der Erkrankung in der Kontrollgruppe) problemlos modelliert werden. Tatsächlich gilt: Je größer der Unterschied, desto signifikanter ist der Effekt und desto wichtiger sind die Parameterschätzungen.
Ich habe keine Ahnung, was du mit „anpassen“ meinst.
Ich habe keine Ahnung, was du mit „ Das Regressionsmodell berücksichtigt das negative Vorzeichen nicht.“
Betreff: Wie passe ich Kovariaten an?Danke schön. Das ist die logischste Vorgehensweise.
Ich bin mir jedoch nicht ganz sicher, ob das Ergebnis, das ich erhalte, korrekt ist.
Beim univariaten Vergleich der Ergebnisvariablen (Aufenthaltsdauer auf der Intensivstation, Aufenthaltsdauer im Krankenhaus und Beatmungstage) zwischen Fällen und Kontrollen gibt es einen sehr signifikanten Unterschied (P-Wert < 0,0001). Es gibt tatsächlich Unterschiede in den Altersgruppen und im Schweregrad der Erkrankung
Die Schweregradwerte der Erkrankung sind in den Kontrollgruppen höher als in den Fällen (durchschnittlicher Wert von 2,5 in der Kontrolle im Vergleich zu -4,5 in den Fällen). Das würde bedeuten, dass die Kontrollgruppe eine längere Aufenthaltsdauer haben sollte. Und wenn ich den Schweregrad der Erkrankung berücksichtige, wäre der Unterschied noch deutlicher.
Ich gehe davon aus, dass das Regressionsmodell das negative Vorzeichen nicht berücksichtigt (die Patienten, die weniger krank sind, haben einen negativen Wert). Die Bewertung wird umso positiver, je kränker sie werden.)
Betreff: Wie passe ich Kovariaten an?Beziehen Sie die Kovariaten als zusätzliche Prädiktoren in das multiple Regressionsmodell ein.
Wählen Sie Analysieren > Modell anpassen. Wählen Sie die Antwortdatenspalte aus und klicken Sie auf Y. Wählen Sie die Datenspalten Prädiktor/Faktor und Kovariate aus und klicken Sie auf Hinzufügen. Klicken Sie nun auf Ausführen. Verwenden Sie die Effekttests, um die Bedeutung jedes Begriffs zu bestimmen. Verwenden Sie die Parameterschätzungen, um die Bedeutung jedes Begriffs zu bestimmen. Klicken Sie auf das rote Dreieck und wählen Sie Faktorprofil > Profiler, um den Beitrag der Änderungen in jedem Prädiktor und jeder Kovariate zur Antwort zu verstehen.
Weitere Details und Beispiele finden Sie unter Hilfe > Bücher > Anpassen linearer Modelle.
