Mesures répétées des résultats en fonction des covariablesPermettez-moi de porter un ensemble de données à votre attention, que j'ai du mal à analyser correctement:
| Identifiant de l'étude | Vivant | Jour de mesure | Variable 1 | Variable 2 | Co variable |
| UNE | 1 | 0 | 210 | 500 | Oui |
| UNE | 1 | 2 | 210 | 250 | Oui |
| B | 1 | 0 | 151 | 398 | non |
| B | 1 | 1 | 151 | 372 | non |
| B | 1 | 2 | 151 | 320 | Oui |
| B | 1 | 3 | 151 | 268 | non |
| B | 1 | 4 | 151 | 372 | non |
| C | 0 | 0 | 33 | 269 | Oui |
| C | 0 | 1 | 33 | 203 | non |
Comme j'ai des mesures répétées pour tous mes sujets (ID d'étude), toutes les variables ont été empilées pour les différents points de temps (jour de mesure). Tous ont un résultat nominal: Vivant: 1/0.
1. Les variables 1 et 2 sont des variables continues et peuvent déterminer le résultat (vivant) pour mon sujet (ID de l'étude)
- pouvez-vous me guider sur le test que j'ai le mieux utilisé, ou vous référer à la référence
2. Problème 1: les sujets meurent ou survivent à différentes périodes (jusqu'au dernier jour de mesure) - comment puis-je en tenir compte?
3. Problème 2: tous les sujets n'ont pas répété les mesures pour tous les jours (jour de la mesure), certains sont manquants (exemple ID de l'étude: A) - comment puis-je en tenir compte?
4. La variable Co peut influencer la variable 2, ce qui peut affecter le résultat (vivant) - comment pourrais-je tenir compte de cet effet?
Merci beaucoup pour vos conseils! J'apprécie vraiment votre aide dans cette analyse! Marc
Re: Mesures répétées des résultats en fonction des covariablesCe n'est pas une conception conventionnelle de «mesures répétées». Il s'agit d'une étude de «survie». Le résultat (réponse) n'est ni vivant ni mort. La mort est «l'événement». La réponse est l'heure de cet événement (jour). Le fait que certains sujets soient encore en vie signifie que la dernière fois observée est une durée de vie minimale. Ces données sont «censurées». Vous pouvez utiliser des données «censurées à droite» dans JMP (uniquement borne inférieure). Le fait que vous ne surveilliez pas le sujet en continu, mais seulement une fois par jour, suggère d'utiliser la «censure d'intervalle» pour obtenir des estimations plus précises (bornes inférieure et supérieure).
Créez votre tableau de sorte que vous ayez deux colonnes pour le résultat (jour). La première colonne est l'heure à laquelle ils ont été observés vivants pour la dernière fois et la deuxième colonne est l'heure à laquelle ils ont été observés morts pour la première fois. Le fait que vous ayez observé un sujet pendant plusieurs jours est sans importance. Seul l'heure de la mort compte.
Vous configurez votre tableau de données avec une observation pour chaque sujet, y compris les covariables pour la dernière observation. Cela pourrait ressembler à ceci pour les premiers sujets. (Si je comprends votre exemple.)
Pour analyser les données, sélectionnez Analyser> Ajuster le modèle. Cliquez sur le menu déroulant pour Personnalité et sélectionnez Survie paramétrique. Sélectionnez les colonnes de données Early et Late et cliquez sur Y. REMARQUE: il est essentiel que la première heure soit saisie en premier. Sélectionnez les colonnes de données covariées et utilisez Ajouter ou Macros pour créer le prédicteur linéaire. Cela devrait ressembler quelque chose comme ça:
Cliquez sur Exécuter.
Je vous recommande de ne pas utiliser à la fois Variable 2 et Variable co dans le modèle.
