共変量を調整するにはどうすればよいですか2 つのコホートを含むデータセットがあります。 単変量分析では、それらには結果の違い（滞在期間、連続変数）があります。 ただし、ベースライン特性は似ていません（病気の重症度（継続的）、年齢（継続的）、診断（カテゴリ変数）が異なります）。
年齢、疾患の重症度、診断に基づいて結果変数を調整するにはどうすればよいですか?
Re: 共変量を調整するにはどうすればよいですかJMP やその他のソフトウェアでの傾向マッチングについてはわかりません。 おそらく他のコミュニティメンバーが助けてくれるでしょう。
Re: 共変量を調整するにはどうすればよいですかそれは説明がつくと思います。 結果に満足しています
できれば最後の質問です
この戦略は、ケースとコントロールの傾向マッチングを行うことと比較してどうですか。
他のディスカッション投稿で、傾向マッチングは JMP では不可能であり、SPSS または R で行う必要があると読んでいました。 あれは正しいですか？
Re: 共変量を調整するにはどうすればよいですか適切なモデルは大きな違いを生みます。 選択は研究者の裁量にありますが、予備知識、理論的基礎、代替モデルとの客観的比較、およびモデルの仮定の評価に基づいて選択する必要があります。
パラメータ推定値は線形結合で使用され、分布パラメータが決定されます。 それらを単独で解釈するのは難しい場合があります。 上部の赤い三角形をクリックして、「プロファイラー」 > 「プロファイラー」を選択します。 因子水準を変更して、予測された応答の変化を確認できます。
フィット感の欠如については別の考えがあります。 よく発生する過分散のテストが表示されません。 ポアソン分布にはパラメータが 1 つあります。 それは分布の平均と分散です。 実際の数の分布は、平均よりも大きな分散を示すことがよくあります。 過分散テストと間隔、および Firth バイアス調整推定値に対して [一般化線形モデル] を選択すると、チェック ボックスが表示されます。 これらのオプションを両方選択することをお勧めします。
それ以外の場合は、潜在的な相互作用と非線形効果の項を追加することを検討してください。
Re: 共変量を調整するにはどうすればよいですかありがとう。 利益を得る可能性のある他の研究者のために、公開の場で議論することが最善であるという意見には私も同意します。 インターネット上で実際のデータを共有することに依然として不安を感じていました。
異なるモデルを使用して比較するだけで、結果にどれだけの違いが生じるのかを理解するのは、興味深く、ある意味、目を見張るものがあります。 一般化線形モデルであっても、正規分布を選択するか、Poission 分布を選択するかによって違いが生じます。 これは、モデルの依存性と研究者の裁量の要素につながります。
違いは大きいにもかかわらず、パラメーターの推定値は非常に低くなります。 したがって、症例は対照よりも LOS が 0.05 日長くなります。これは臨床的に関連のある差ではありません。
私が最も気になったのは、このモデルでは、性別さえも P 値が 0.001 未満、パラメータ推定値が 0.05 で入院期間に重大な影響を及ぼしていたことです。 性別と滞在期間の二変量比較だけで、
違いはありません（違いがあるはずの臨床的理由もありません）
標準の最小二乗回帰と比較したこのモデルの正当性についての記述を含める必要があります。 そして毒の分配について。
適合性の欠如に関しては、測定していない、または測定できない 2 つのグループを混同する可能性のある変数がさらに多く存在するため、これは予想されることだと思います。
もう 1 つの懸念は、モデル内の変数が完全に独立していないことです。 病気の重症度スコアには、診断カテゴリがすでに含まれています。Re: 共変量を調整するにはどうすればよいですかあれ
Re: 共変量を調整するにはどうすればよいですかまず最初に、すべてのやり取りはプライベート メッセージではなく、ディスカッション エリアで行われることを望んでいることを説明させていただきます。 なぜ？ 同じような質問や問題を抱えている可能性のあるコミュニティの他のメンバーには、解決策の一部またはすべてが与えられないからです。 問題やデータの性質によってはプライバシーの問題があり、公開できない場合があることを理解しています。
あなたのメッセージによると、回帰結果は心強いものです。 残差プロットを見せてもらうことは可能ですか？ このプロットは、推定値と検定を歪める 1 つ以上の影響力のある観測値に関する質問に答えるのに役立ちます。 プロットは、適合度の評価にも役立ちます。
逸脱テストも非常に重要です。 このテストは適合性の欠如を確認するためのものです。 モデルには偏りがあり、正確な予測は得られません。 これは通常、重要な変数が欠落しているか、非線形効果に対処する項が欠落している可能性が高いことを示しています。 クロスターム (例: 性別 * 年齢) またはパワー (例: 年齢 * 年齢) を追加することを検討してください。
Re: 共変量を調整するにはどうすればよいですかありがとう
分析のクリップをあなたに送りました
Re: 共変量を調整するにはどうすればよいですかポアソン対数線形回帰モデルが日数の計算には合理的であることに同意します。 より優れたモデルは、より重要性を示します。 JMP からの回帰結果を共有してもらえますか? 一部の情報は推定値です。 残りはモデルの品質に関するものです。 すべての情報は、モデルの妥当性を評価するのに役立ちます。
Re: 共変量を調整するにはどうすればよいですか私の同僚の一人は、性格に一般化線形モデルを使用し、ログリンクを使用してポアソン分布を選択して、患者の在院日数データを比較することを提案しました。 滞在期間は日数です。つまり、カウントデータのようなもので、日数です。
このモデルでは非常に有意な差が生じるため、その妥当性については非常に疑わしいと感じています。 ほぼすべての変数の P 値は 0.0001 未満です。 デフォルトの標準最小二乗モデルを使用した場合、モデルに変数を追加すると、ケースとコントロールの間の有意な差はすぐに消えますが、一般化線形モデルでは、依然として非常に有意な差が残ります。
Re: 共変量を調整するにはどうすればよいですか私はあなたの結論に同意する傾向がありますが、それはデータがモデルと回帰の仮定を満たしていることが分析によって示された場合に限ります。 これは重要な研究のようです。 研究の計画と研究で収集されたデータの分析には注意が必要です。 この分析は単純な t 検定ではなく、t 検定はそれほど単純ではありません。
研究についてさらに詳しい情報を共有していただけますか。 たとえば、[モデルの適合] の設定を繰り返しますが、[強調] = [効果の活用] であることを確認してください。 実際の予測値とレバレッジ プロットのセットの写真を含めていただけますか? また、予測プロットによる残差または標準化残差プロットはどちらですか? これらのプロットは、分析が適切かどうかを評価するのに大いに役立ち、自信を持って結論に進むことができます。
Re: 共変量を調整するにはどうすればよいですか申し訳ありませんが、私は統計学者ではなく臨床医です。 残念ながら、私が働いている場所には統計専門家がいないので、自分で調べなければなりません。
もう一度試してみます
私は症例と対照（ケアのエスカレーションが必要かどうか）の遡及データを持っています。 ノンパラメトリック ウィルコクソン検定による Y by X のフィットを使用すると、これら 2 つのグループの結果、入院期間は大きく異なります。 （滞在期間が長くなる場合もあります）
しかし、この 2 つのグループは似ておらず、対照群の病気の重症度は症例よりもはるかに高くなっています。
病気の重症度以上が予想される患者は入院期間も長くなるため、モデルに病気の重症度を含めると、2 つのグループ間の在院期間の差がより顕著になることが予想されます。
ただし、ICU 滞在期間を Y として、病気の重症度スコアとモデル内の症例/対照のカテゴリ変数を使用した適合モデルを使用すると、効果が得られます。 次のパラメータ推定値が得られます
切片 3.99 、確率 >t < 0.0001
PIM3 -0.17、0.0039
症例/対照 -0.22 0.514
このことから、モデルに病気の重症度を含めても、入院期間に関しては症例と対照の間に有意な差はないと推測します。
Re: 共変量を調整するにはどうすればよいですか意味がわかりません。 」症例と対照間の結果変数 (ICU 在院日数、入院在院日数、人工呼吸器日数) の一変量比較では、非常に有意な差がありました (P 値 < 0.0001)。 確かに、年齢層や病気の重症度スコアには違いがあります" は単変量比較ではありません。 また、なぜ違いがないと予想されるのでしょうか?
回帰モデルの仮定の問題は別として、差異（たとえば、対照群の病気の重症度スコアが高いなど）は問題なくモデル化できるはずです。 実際、差が大きければ大きいほど、効果はより重要になり、パラメータ推定値の重要性も高まります。
「調整」という言葉の意味が分かりません。
「」が何を言っているのか分かりません。回帰モデルでは負の符号が考慮されていません。」
Re: 共変量を調整するにはどうすればよいですかありがとう。 それが最も論理的な方法です。
ただし、得られた結果が正しいかどうかは完全にはわかりません。
症例と対照間の結果変数 (ICU 在院日数、入院在院日数、人工呼吸器日数) の一変量比較では、非常に有意な差がありました (P 値 < 0.0001)。 確かに、年齢層や病気の重症度スコアには違いがあります
病気の重症度スコアは、症例よりも対照群の方が高かった（平均スコアは対照群の2.5、症例の平均スコアは-4.5）。これは、対照群の方がより長い入院期間を持つ必要があることを意味します。 そして、病気の重症度スコアを調整すると、その差はさらに顕著になります。
回帰モデルでは負の符号が考慮されていないのではないかと思います (病気が少ない患者は負のスコアを持ちます)。 病気が悪化するにつれて、スコアはよりプラスになります)
Re: 共変量を調整するにはどうすればよいですか共変量を追加の予測変数として重回帰モデルに含めます。
[分析] > [モデルの適合] を選択します。 応答データ列を選択し、Y をクリックします。 予測子/因子および共変量データ列を選択し、「追加」をクリックします。ここで「実行」をクリックします。 効果テストを使用して、各用語の重要性を判断します。 パラメータ推定値を使用して、各用語の重要性を判断します。 赤い三角形をクリックし、[因子プロファイリング] > [プロファイラー] を選択して、各予測変数の変化と共変量の応答への寄与を理解します。
詳細と例については、「ヘルプ」>「ブック」>「線形モデルのフィッティング」を参照してください。
