Correlación en serieTengo un conjunto de datos en el que se recopilaron múltiples valores del mismo paciente. Hay 25 pacientes pero cada paciente tendría unas 30 observaciones.
A estos pacientes se les mide el CO2 transcutáneo en diferentes momentos. Y estamos comparando diferentes características (requerimiento de oxígeno, soporte respiratorio) con mediciones transcutáneas de CO2 normales y anormales. Correlacionando también el CO2 transcutáneo con la FiO2. También haremos un análisis de regresión de múltiples variables.
Obviamente, esto conduce al problema de las observaciones no independientes y al error en el valor P de las pruebas estándar.
Estaba hablando con un estadístico que analiza los datos usando SAS. Mencionó que puede ajustar la prueba estadística para correlación serial en SAS.
¿Es posible en jmp hacer eso?
Re: Correlación serialcomando xtreg en el programa STATA
Usó análisis de regresión para datos de panel.
Según el estadístico, "la prueba t simple no es aplicable para los datos". Todavía me gustaría replicar los resultados en JMP
Re: Correlación serialHmm no puedo llegar a él. pero preguntare
Mientras tanto, estoy tratando de averiguar si Fit Y by X es una estrategia adecuada en este caso.
Re: Correlación serial" Estadístico acaba de enviarme los resultados de su análisis por SAS ". ¿Puede pedirles que también envíen el código SAS que usaron y lo publiquen aquí (no los datos), por favor?
Re: Correlación serialEl estadístico acaba de enviarme los resultados de su análisis por SAS. Su análisis de los valores medios de FiO2 para el CO2 transcutáneo normal y anormal es muy diferente de lo que calculé en base al ajuste univariado simple Y por la comparación de X en jmp.
La única explicación que puedo dar es que tiene algo que ver con la correlación en serie de los valores (múltiples valores registrados cada 30 minutos para cada paciente). En jmp he contado cada fila como una observación independiente. No estoy del todo seguro de lo que ha hecho el estadístico (no puedo comunicarme con él).
No quiero tomar su análisis al pie de la letra y quiero verificar los resultados de forma independiente (también me ayuda a entenderlo cuando escribo)
Re: Correlación serialAsí que tienes unas 30 observaciones para cada uno de los 25 pacientes. Cada observación es un punto de tiempo que incluye identificación del paciente, CO2 transcutáneo, FiO2, requerimiento de oxígeno, soporte respiratorio. ¿Es esto muy correcto?
Y es esto es correcto
Entiendo por 'correlación en serie' que quiere decir que la respuesta está autocorrelacionada. ¿Sabes por qué? Por ejemplo, ¿se toman las mediciones durante un período de tiempo que es demasiado corto para la variación aleatoria, o hay un tratamiento durante el mismo período de tiempo que afecta la respuesta?
Las mediciones se toman cada 30 minutos. Estos pacientes están en el hospital recibiendo varios tipos de tratamiento, por lo que varios tratamientos durante el período de tiempo pueden afectar la respuesta.
¿Cuál de estas variables es la respuesta o resultado que es importante para usted?
El CO2 transcutáneo es la variable predictora (clasificada como normal y anormal según los valores) y las variables predichas son FiO2, tasa de flujo, puntuación de bronquiolitis y pew sco, las más importantes son la FiO2 y la tasa de flujo re.
¿Existen otras variables, como la edad, el género o el estado de la enfermedad?
el género y el peso del paciente son otras variables que pueden afectar
¿Se determina el CO2 transcutáneo normal o anormal de forma independiente para cada observación?
Sí, eso se determina de forma independiente para cada observación.
¿Explicó el estadístico la naturaleza del ajuste que se usaría?
No precisamente
Creo que un modelo mixto con paciente como efecto aleatorio estaría bien, pero podría ser necesario anidar los otros parámetros para un modelo de coeficiente aleatorio. JMP puede realizar algunas de estas regresiones. Es posible que se requiera JMP Pro para las otras regresiones.
Re: Correlación serialAsí que tienes unas 30 observaciones para cada uno de los 25 pacientes. Cada observación es un punto de tiempo que incluye identificación del paciente, CO2 transcutáneo, FiO2, requerimiento de oxígeno, soporte respiratorio. ¿Es esto muy correcto?
Entiendo por 'correlación en serie' que quiere decir que la respuesta está autocorrelacionada. ¿Sabes por qué? Por ejemplo, ¿se toman las mediciones durante un período de tiempo que es demasiado corto para la variación aleatoria, o hay un tratamiento durante el mismo período de tiempo que afecta la respuesta?
¿Cuál de estas variables es la respuesta o resultado que es importante para usted?
¿Existen otras variables, como la edad, el género o el estado de la enfermedad?
¿Se determina el CO2 transcutáneo normal o anormal de forma independiente para cada observación?
¿Explicó el estadístico la naturaleza del ajuste que se usaría?
Creo que un modelo mixto con paciente como efecto aleatorio estaría bien, pero podría ser necesario anidar los otros parámetros para un modelo de coeficiente aleatorio. JMP puede realizar algunas de estas regresiones. Es posible que se requiera JMP Pro para las otras regresiones.
