come faccio ad aggiustare le covariateHo un set di dati con due coorti. Presentano differenze nei risultati (durata del soggiorno, variabili continue) sull'analisi univariata. Essi tuttavia non sono simili nelle caratteristiche di base (hanno diversa gravità della malattia (continua), età (continua) e diagnosi (variabili categoriali).
Come posso adattare la variabile del risultato in base all'età, alla gravità della malattia e alla diagnosi?
Ri: come posso aggiustare le covariateNon conosco la corrispondenza della propensione in JMP o altri software. Forse un altro membro della comunità può aiutare.
Ri: come posso aggiustare le covariatePenso che questo lo spieghi. Sono soddisfatto dei risultati
Un'ultima domanda, si spera
Come funziona questa strategia rispetto all'abbinamento di propensione di casi e controlli.
Stavo leggendo in altri post di discussione che la corrispondenza della propensione non è possibile in JMP e devo farlo su SPSS o R... È corretto?
Ri: come posso aggiustare le covariateUn modello adeguato fa la differenza! La scelta è a discrezione del ricercatore ma dovrebbe essere guidata dalle conoscenze pregresse, dai fondamenti teorici, dal confronto oggettivo con modelli alternativi e dalla valutazione delle ipotesi del modello.
Le stime dei parametri vengono utilizzate in una combinazione lineare per determinare i parametri di distribuzione. Possono essere difficili da interpretare da soli. Potresti fare clic sul triangolo rosso in alto e selezionare Profiler > Profiler. È possibile modificare i livelli dei fattori e visualizzare la modifica nella risposta prevista.
Ho un'altra idea sulla mancanza di adattamento. Non vedo il test per la dispersione eccessiva, che è un evento comune. La distribuzione di Poisson ha un unico parametro. È la media e la varianza della distribuzione. Le distribuzioni reali dei conteggi spesso mostrano una varianza maggiore della media. Dovresti trovare delle caselle di controllo quando selezioni Modelli lineari generalizzati per i test e gli intervalli di sovradispersione e per le stime corrette per il bias di Firth. Consiglio di selezionare entrambe le opzioni.
Altrimenti, potresti prendere in considerazione l'aggiunta di termini per potenziali interazioni ed effetti non lineari.
Ri: come posso aggiustare le covariateGrazie. Sono d'accordo che sia meglio discutere nel forum pubblico per altri ricercatori che potrebbero trarne beneficio. Mi sentivo ancora a disagio nel condividere dati reali su Internet.
È interessante e in un certo senso illuminante per me realizzare quanta differenza nei risultati può esserci semplicemente utilizzando un modello diverso da confrontare. Anche con il modello lineare generalizzato, fa differenza se scelgo la distribuzione normale rispetto alla distribuzione di Poission. Ciò porta a elementi di dipendenza dal modello e discrezione del ricercatore.
Anche se la differenza è significativa, i parametri stimati sono molto bassi. Quindi i casi hanno una LOS di 0,05 giorni in più rispetto ai controlli...che non è una differenza clinicamente rilevante
Ciò che mi ha infastidito di più è che con questo modello anche il sesso ha avuto un impatto significativo sulla durata della degenza con un valore P < 0,001 e una stima del parametro di 0,05. Solo sul confronto bivariato tra sesso e durata del soggiorno,
Non c’è differenza (e non c’è alcuna ragione clinica per cui dovrebbe esserci una differenza)
Avrei bisogno di includere una dichiarazione sulla giustificazione di questo modello rispetto a una regressione dei minimi quadrati standard. E per la distribuzione del veleno.
Per quanto riguarda la mancanza di adattamento, penso che sia previsto perché ci sarebbero molte più variabili che potrebbero confondere i due gruppi che non abbiamo misurato o che non possono essere misurate.
Un’altra preoccupazione è che le variabili nel modello non sono del tutto indipendenti. I punteggi di gravità della malattia includono già al loro interno categorie diagnostiche.Ri: come posso aggiustare le covariatesì
Ri: come posso aggiustare le covariateInnanzitutto lasciatemi spiegare che preferiamo che tutti gli scambi avvengano nell'area di discussione, non nei messaggi privati. Perché? Perché altri membri della comunità che potrebbero avere domande o problemi simili sono privati di parte o di tutta la soluzione. Capisco che a volte la natura del problema o dei dati comporta problemi di privacy e non possono essere pubblicati pubblicamente.
Secondo il tuo messaggio, i risultati della regressione sono incoraggianti! E' possibile mostrarmi la trama residua? Questo grafico aiuterebbe a rispondere alla domanda su una o più osservazioni influenti che distorcono le stime e i test. La trama aiuta anche a valutare la bontà dell'adattamento.
Anche il test della devianza è molto significativo. Questo test è per mancanza di adattamento. Il tuo modello è parziale e non fornirà previsioni accurate. Di solito indica che mancano variabili importanti o, più probabilmente, mancano termini per affrontare effetti non lineari. Potresti prendere in considerazione l'aggiunta di termini incrociati (ad esempio, sesso*età) o poteri (ad esempio, età*età).
Ri: come posso aggiustare le covariateGrazie
Ti ho inviato la clip dell'analisi
Ri: come posso aggiustare le covariateSono d'accordo che un modello di regressione log-lineare di Poisson sia ragionevole per il conteggio dei giorni. Un modello migliore mostrerà più significato. Potete condividere i risultati della regressione di JMP? Alcune delle informazioni sono le stime. Il resto riguarda la qualità del modello. Tutte le informazioni sono utili per valutare la validità del tuo modello.
Ri: come posso aggiustare le covariateUno dei miei colleghi ha suggerito di utilizzare un modello lineare generalizzato nella personalità e di selezionare la distribuzione di Poisson con collegamento al registro per confrontare i dati sulla durata del ricovero dei pazienti. La durata del soggiorno è espressa in giorni... quindi è una specie di dato di conteggio, è il numero di giorni
Questo modello comporta una differenza molto significativa, il che mi rende molto sospettoso sulla sua validità. Praticamente ogni variabile ha un valore P inferiore a 0,0001. Quando ho utilizzato il modello dei minimi quadrati standard predefinito, la differenza significativa tra caso e controllo scompare molto rapidamente quando aggiungo più variabili nel modello, ma con il modello lineare generalizzato rimane molto significativa.
Ri: come posso aggiustare le covariateSono propenso a essere d'accordo con la tua conclusione, ma questo è solo se l'analisi indica che i tuoi dati soddisfano i presupposti del modello e della regressione. Questo sembra essere uno studio importante. È necessario prestare attenzione nella progettazione dello studio e nell'analisi dei dati raccolti nello studio. Questa analisi non è un semplice test t e un test t non è così semplice.
È possibile condividere maggiori informazioni sullo studio. Ad esempio, ripeti l'impostazione per Adatta modello ma assicurati che Enfasi = Leva effetto. Potresti includere un'immagine di Actual by Predicted e l'insieme di Leverage Plots? Inoltre, il residuo in base al grafico previsto o il grafico residuo standardizzato? Questi grafici sarebbero molto utili per valutare se la tua analisi è corretta e quindi puoi passare alle conclusioni con sicurezza.
Ri: come posso aggiustare le covariateMi dispiace, sono un clinico e non uno statistico. Sfortunatamente il posto dove lavoro non ha uno statistico quindi devo cercare di capirlo da solo.
Ci riproverò
Ho dati retrospettivi del caso e del controllo (escalation delle cure richiesta o meno). I risultati di questi due gruppi e la durata della degenza in ospedale sono significativamente diversi quando utilizzo Fit Y by X mediante il test non parametrico di Wilcoxon. (i casi hanno una durata di soggiorno maggiore)
i due gruppi però non sono simili ed i controlli hanno una gravità della malattia molto più elevata rispetto al caso.
Poiché si prevede che il paziente la cui gravità della malattia o superiore rimarrà in ospedale anche più a lungo, ci si dovrebbe aspettare che quando includo la gravità della malattia nel modello, la differenza nella durata della degenza tra i due gruppi diventi più significativa.
Tuttavia, quando utilizzo il modello di adattamento, utilizzo la durata della degenza in terapia intensiva come Y e il punteggio della gravità della malattia e la variabile categoriale del caso/controllo negli effetti del modello. Ottengo le seguenti stime dei parametri
Intercetta 3,99, prob >t < 0,0001
PIM3 -0,17, 0,0039
Caso/controllo -0,22 0,514
Da ciò presumo che non vi sia alcuna differenza significativa tra caso/controllo per quanto riguarda la durata del ricovero, pur includendo la gravità della malattia nel modello.
Ri: come posso aggiustare le covariateNon hai senso. " Nel confronto univariato delle variabili di risultato (durata della degenza in terapia intensiva, durata della degenza ospedaliera e giorni di ventilazione) tra casi e controlli c'è una differenza molto significativa (valore P < 0,0001). Esistono infatti differenze nei gruppi di età e nel punteggio di gravità della malattia " non è un confronto univariato. Inoltre, perché ti aspetteresti che non ci siano differenze?
A parte la questione delle ipotesi del modello di regressione, le differenze (ad esempio, un punteggio di gravità più elevato della malattia nel gruppo di controllo) dovrebbero essere modellate senza difficoltà. Infatti, maggiore è la differenza, più significativo è l'effetto e più importante è la stima dei parametri.
Non ho idea di cosa intendi con "aggiustare".
Non ho idea di cosa intendi con " il modello di regressione non tiene conto del segno negativo."
Ri: come posso aggiustare le covariateGrazie. Questo è il modo più logico per farlo.
Tuttavia non sono del tutto sicuro che il risultato che ottengo sia corretto.
Nel confronto univariato delle variabili di risultato (durata della degenza in terapia intensiva, durata della degenza ospedaliera e giorni di ventilazione) tra casi e controlli c'è una differenza molto significativa (valore P < 0,0001). Esistono infatti differenze nei gruppi di età e nel punteggio di gravità della malattia
I punteggi di gravità della malattia sono più alti nei gruppi di controllo rispetto ai casi (punteggio medio di 2,5 nei controlli rispetto a -4,5 nei casi). Ciò significherebbe che il gruppo di controllo dovrebbe avere una degenza più lunga. E quando aggiusto il punteggio alla gravità della malattia, la differenza sarebbe ancora più evidente.
Presumo che il modello di regressione non tenga conto del segno negativo (i pazienti meno malati hanno un punteggio negativo). Il punteggio diventa più positivo man mano che diventano più malati)
Ri: come posso aggiustare le covariateIncludere le covariate come predittori aggiuntivi nel modello di regressione multipla.
Selezionare Analizza > Stima modello. Seleziona la colonna dei dati di risposta e fai clic su Y. Selezionare le colonne di dati del predittore/fattore e della covariata e fare clic su Aggiungi. Ora fai clic su Esegui. Utilizzare i test degli effetti per determinare il significato di ciascun termine. Utilizzare le stime dei parametri per determinare l'importanza di ciascun termine. Fare clic sul triangolo rosso e selezionare Profili fattoriali > Profiler per comprendere il contributo delle modifiche in ciascun predittore e covariata alla risposta.
Vedi Aiuto > Libri > Adattamento di modelli lineari per maggiori dettagli ed esempi.
