comment puis-je ajuster les covariablesJ'ai un ensemble de données avec deux cohortes. Ils présentent des différences de résultats (durée du séjour, variables continues) en analyse univariée. Ils ne sont cependant pas similaires dans les caractéristiques de base (ont une gravité différente de la maladie (continue), un âge (continu) et un diagnostic (variables catégorielles).
Comment puis-je ajuster la variable de résultat en fonction de l'âge, de la gravité de la maladie et du diagnostic ?
Re : comment puis-je ajuster les covariablesJe ne connais pas la correspondance de propension dans JMP ou d'autres logiciels. Peut-être qu'un autre membre de la communauté pourra vous aider.
Re : comment puis-je ajuster les covariablesJe pense que cela l'explique. je suis satisfait des résultats
Une dernière question j'espère
Comment cette stratégie se compare-t-elle à l'appariement de propension des cas et des contrôles ?
Je lisais sur d'autres articles de discussion que la correspondance de propension n'est pas possible dans JMP et je dois le faire sur SPSS ou R... Est-ce exact?
Re : comment puis-je ajuster les covariablesUn bon modèle fait toute la différence ! Le choix est à la discrétion du chercheur mais il doit être guidé par ses connaissances préalables, ses fondements théoriques, une comparaison objective avec des modèles alternatifs et une évaluation des hypothèses du modèle.
Les estimations des paramètres sont utilisées dans une combinaison linéaire pour déterminer les paramètres de distribution. Ils peuvent être difficiles à interpréter seuls. Vous pouvez cliquer sur le triangle rouge en haut et sélectionner Profileurs > Profiler. Vous pouvez modifier les niveaux de facteurs et voir le changement dans la réponse prévue.
J'ai une autre idée sur le manque d'ajustement. Je ne vois pas le test de surdispersion, ce qui est un phénomène courant. La distribution de Poisson a un seul paramètre. C'est la moyenne et la variance de la distribution. Les distributions réelles des comptes présentent souvent une variance supérieure à la moyenne. Vous devriez trouver des cases à cocher lorsque vous sélectionnez Modèles linéaires généralisés pour les tests et intervalles de surdispersion et pour les estimations ajustées en fonction du biais de Firth. Je recommande de sélectionner ces deux options.
Sinon, vous pourriez envisager d’ajouter des termes pour une interaction potentielle et des effets non linéaires.
Re : comment puis-je ajuster les covariablesMerci. Je conviens qu'il est préférable d'avoir des discussions sur le forum public pour que d'autres chercheurs puissent en bénéficier. Je me sentais toujours mal à l'aise de partager des données réelles sur Internet.
Il est intéressant et révélateur pour moi de réaliser à quel point les résultats peuvent être différents en utilisant simplement un modèle différent pour comparer. Même avec un modèle linéaire généralisé, cela fait une différence si je choisis la distribution normale par rapport à la distribution de Poisson. Cela conduit à un élément de dépendance au modèle et à la discrétion du chercheur.
Même si la différence est significative, les estimations des paramètres sont très faibles. Les cas ont donc une durée de séjour de 0,05 jour de plus que les témoins... ce n'est pas une différence cliniquement pertinente.
Ce qui m'a le plus dérangé, c'est qu'avec ce modèle, même le sexe avait un impact significatif sur la durée du séjour avec une valeur P < 0,001 et une estimation des paramètres de 0,05. En comparant simplement le sexe et la durée du séjour,
Il n’y a aucune différence (et il n’y a aucune raison clinique pour laquelle il devrait y avoir une différence)
Je devrais inclure une déclaration sur la justification de ce modèle par rapport à une régression des moindres carrés standard. Et pour la distribution de poisson.
En ce qui concerne le manque d’adéquation, je pense que c’est normal, car il y aurait beaucoup plus de variables susceptibles de confondre les deux groupes que nous n’avons pas mesurées ou que nous ne pouvons pas mesurer.
Une autre préoccupation est que les variables du modèle ne sont pas entièrement indépendantes. Les scores de gravité de la maladie incluent déjà des catégories de diagnostic.Re : comment puis-je ajuster les covariablesça
Re : comment puis-je ajuster les covariablesTout d'abord, laissez-moi vous expliquer que nous préférons que tous les échanges se fassent dans l'espace de discussion, et non en messages privés. Pourquoi? Parce que les autres membres de la communauté qui pourraient avoir des questions ou des problèmes similaires sont privés d’une partie ou de la totalité de la solution. Je comprends que parfois la nature du problème ou les données impliquent des problèmes de confidentialité et ne peuvent pas être publiées publiquement.
D'après votre message, les résultats de la régression sont encourageants ! Est-il possible de me montrer l'intrigue résiduelle ? Ce graphique aiderait à répondre à la question sur une ou plusieurs observations influentes qui faussent les estimations et les tests. Le tracé permet également d’évaluer la qualité de l’ajustement.
Le test de déviance est également très significatif. Ce test concerne le manque d'ajustement. Votre modèle est biaisé et ne fournira pas de prédictions précises. Cela indique généralement qu'il vous manque des variables importantes ou, plus probablement, qu'il vous manque des termes pour traiter les effets non linéaires. Vous pourriez envisager d'ajouter des termes croisés (par exemple, sexe*âge) ou des pouvoirs (par exemple, âge*âge).
Re : comment puis-je ajuster les covariablesmerci
Je t'ai envoyé le clip de l'analyse
Re : comment puis-je ajuster les covariablesJe conviens qu'un modèle de régression log-linéaire de Poisson est raisonnable pour le nombre de jours. Un meilleur modèle montrera plus de signification. Pouvez-vous partager les résultats de régression de JMP ? Certaines informations sont des estimations. Le reste dépend de la qualité du modèle. Toutes les informations sont utiles pour évaluer la validité de votre modèle.
Re : comment puis-je ajuster les covariablesUn de mes collègues a suggéré d'utiliser un modèle linéaire généralisé dans la personnalité et de sélectionner la distribution de Poisson avec un lien de journal pour comparer les données sur la durée de séjour des patients. La durée du séjour est en jours. Il s'agit donc en quelque sorte d'une donnée de décompte, c'est le nombre de jours.
Ce modèle aboutit à une différence très significative, ce qui me rend très suspect quant à sa validité. Presque toutes les variables ont une valeur P inférieure à 0,0001. Lorsque j'ai utilisé le modèle des moindres carrés standard par défaut, la différence significative entre le cas et le contrôle disparaît très rapidement à mesure que j'ajoute plus de variables dans le modèle, mais avec le modèle linéaire généralisé, elle reste très significative.
Re : comment puis-je ajuster les covariablesJe suis enclin à être d'accord avec votre conclusion, mais ce n'est que si l'analyse indique que vos données répondent aux hypothèses du modèle et de la régression. Cela semble être une étude importante. Des précautions doivent être prises dans la conception de l'étude et dans l'analyse des données collectées dans le cadre de l'étude. Cette analyse n’est pas un simple test t, et un test t n’est pas si simple.
Est-il possible de partager plus d’informations sur l’étude. Par exemple, répétez la configuration pour Ajuster le modèle, mais assurez-vous que l'accent est mis sur l'effet de levier. Pouvez-vous inclure une image de Réel par Prédit et l'ensemble des Graphiques d'effet de levier ? En outre, le tracé résiduel par tracé prédit ou le tracé résiduel standardisé ? Ces graphiques contribueraient grandement à évaluer si votre analyse est correcte et vous pourrez ensuite tirer des conclusions en toute confiance.
Re : comment puis-je ajuster les covariablesJe suis désolé, je suis un clinicien et non un statisticien. Malheureusement, l'endroit où je travaille n'a pas de statisticien, je dois donc essayer de le découvrir moi-même.
Je vais réessayer
Je dispose d'une donnée rétrospective de cas et de contrôle (escalade de soins nécessaire ou non). Les résultats de ces deux groupes, la durée du séjour à l'hôpital sont significativement différents lorsque j'utilise Fit Y by X par le test non paramétrique de Wilcoxon. (les cas ont une durée de séjour plus longue)
les deux groupes ne sont cependant pas similaires et les témoins ont une gravité de la maladie beaucoup plus élevée que le cas.
Étant donné que les patients dont la maladie est ou plus grave devraient rester à l'hôpital également plus longtemps, il faut s'attendre à ce que lorsque j'inclue la gravité de la maladie dans le modèle, la différence de durée de séjour entre les deux groupes devienne plus significative.
Cependant, lorsque j'utilise le modèle d'ajustement en utilisant la durée du séjour en soins intensifs comme Y et le score de gravité de la maladie et la variable catégorielle de cas/témoin dans les effets du modèle. J'obtiens les estimations de paramètres suivantes
Interception 3,99, prob >t < 0,0001
PIM3 -0,17, 0,0039
Cas/témoin -0,22 0,514
J'en déduis qu'il n'y a pas de différence significative entre cas/témoins concernant la durée du séjour tout en incluant la gravité de la maladie dans le modèle.
Re : comment puis-je ajuster les covariablesVous n'avez pas de sens. " Lors d'une comparaison univariée des variables de résultat (durée du séjour en soins intensifs, durée du séjour à l'hôpital et jours sous ventilation) entre les cas et les témoins, il existe une différence très significative (valeur P <0,0001). Il existe en effet des différences selon les tranches d’âge et le score de gravité de la maladie. " n'est pas une comparaison univariée. Aussi, pourquoi voudriez-vous qu’il n’y ait aucune différence ?
Outre la question des hypothèses du modèle de régression, les différences (par exemple, un score de gravité plus élevé de la maladie dans le groupe témoin) devraient être modélisées sans difficulté. En fait, plus la différence est grande, plus l’effet est significatif et plus les estimations des paramètres sont importantes.
Je ne comprends pas ce que tu entends par "ajuster".
Je n'ai aucune idée de ce que tu veux dire par " le modèle de régression ne prend pas en compte le signe négatif.
Re : comment puis-je ajuster les covariablesMerci. C’est la manière la plus logique de procéder.
Cependant, je ne suis pas entièrement sûr que le résultat que j'obtiens soit correct.
Lors d'une comparaison univariée des variables de résultat (durée du séjour en soins intensifs, durée du séjour à l'hôpital et jours sous ventilation) entre les cas et les témoins, il existe une différence très significative (valeur P <0,0001). Il existe en effet des différences selon les tranches d’âge et le score de gravité de la maladie.
Les scores de gravité de la maladie sont plus élevés dans les groupes témoins que dans les cas (score moyen de 2,5 dans le groupe témoin contre -4,5 dans le cas). Ce qui signifierait que le groupe témoin devrait avoir une durée de séjour plus longue. Et lorsque j’ajuste le score de gravité de la maladie, la différence serait encore plus importante.
Je suppose que le modèle de régression ne prend pas en compte le signe négatif (les patients les moins malades ont un score négatif). Le score devient plus positif à mesure qu'ils deviennent plus malades)
Re : comment puis-je ajuster les covariablesIncluez les covariables comme prédicteurs supplémentaires dans le modèle de régression multiple.
Sélectionnez Analyser > Ajuster le modèle. Sélectionnez la colonne de données de réponse et cliquez sur Y. Sélectionnez les colonnes de données de prédicteur/facteur et de covariable et cliquez sur Ajouter. Cliquez maintenant sur Exécuter. Utilisez les tests d’effet pour déterminer la signification de chaque terme. Utilisez les estimations de paramètres pour déterminer l’importance de chaque terme. Cliquez sur le triangle rouge et sélectionnez Profilage factoriel > Profileur pour comprendre la contribution des changements dans chaque prédicteur et covariable à la réponse.
Voir Aide > Livres > Ajustement de modèles linéaires pour plus de détails et d'exemples.
