Modello lineare misto a misure ripetute con un parametro "nidificato" aggiuntivo?Ciao Comunità JMP,
Ho bisogno di aiuto con un modello lineare misto a misure ripetute relativamente complesso:
Contesto:
Ho raccolto dati da soggetti esposti a trattamenti diversi, al Baseline, alla Settimana 4 e alla Settimana 12 (misure ripetute; vedere piccolo estratto allegato). Ho analizzato questo set di dati utilizzando la piattaforma Fit Model REML con i seguenti effetti del modello:
- BRACCIO
- PUNTO TEMPO
- INSERIMENTO*PUNTO TEMPO
- ID paziente [ARM] e casuale
- ID paziente*PUNTO TEMPO[ARM] e casuale
Problema:
Ora ho bisogno di incorporare un effetto aggiuntivo (cioè PLATE ID) che deve essere nidificato anche con Patient ID (correggermi se uso il termine in modo errato).
Supponendo che ciò possa essere fatto con JMP 14.1 (non Pro), quale sarebbe la struttura corretta degli effetti del modello?
Sarebbe corretto includere solo un nuovo termine = ID paziente [ID PLACCA] e casuale ?
Grazie per l'aiuto.
TS
AnaliticaRe: Modello lineare misto a misure ripetute con un parametro "nidificato" aggiuntivo?Ciao Statman,
Innanzitutto, ho sbagliato: ho invertito la descrizione della relazione di nidificazione, ovvero Patient_ID è nidificato in PLATE_ID, non il contrario.
In secondo luogo, ho creato un set di dati anonimo che darà alla comunità JMP una visione molto migliore del set di dati completo.
Terzo, sto pensando di utilizzare la seguente struttura del modello di adattamento con la personalità REML:
- BRACCIO
- PUNTO TEMPO
- INSERIMENTO*PUNTO TEMPO
- ID paziente [ARM] e casuale
- ID paziente*PUNTO TEMPO[ARM] e casuale
- ID paziente [ID PLACCA] e casuale
Questo approccio è appropriato per esplorare la differenza tra l'effetto di ARM e TIME POINT per queste misure ripetute (DATA) tenendo conto di PLATE_ID come possibile fonte di variazione? Cordiali saluti, una rapida indagine visiva dei dati suggerisce che i DATI sono influenzati da PLATE_ID, ARM e TIME POINT.
Migliore,
TS
Re: Modello lineare misto a misure ripetute con un parametro "nidificato" aggiuntivo?Nessun problema, vorrei poter essere più utile. Davvero non capisco cosa intendi per Plate ID è annidato all'interno di Patient. Dal piccolo set di dati di esempio che hai incluso, non c'era una nidificazione evidente. Affinché una variabile possa essere nidificata, deve essere subordinata a un'altra variabile. Quindi, per il tuo esempio di batch, all'interno del batch i campioni sono nidificati all'interno del batch. Semplicemente non capisco la tua situazione per fornire una guida migliore. Non vedo come i batch verrebbero nidificati all'interno di Patient, ma ciò è dovuto alla mancata comprensione della tua situazione particolare. Se hai una variabile (A) ed è nidificata nella variabile (B), dovresti aggiungere il termine A[B] al modello. Naturalmente, ciò non consentirebbe di stimare gli effetti di interazione.
Re: Modello lineare misto a misure ripetute con un parametro "nidificato" aggiuntivo?Ciao Statman,
Grazie per i tuoi sforzi per aiutarmi. Scusate per aver fornito informazioni fuorvianti: nel mio post iniziale, ho scritto "vedi piccolo estratto in allegato". Comprendo che potrebbe non essere stato chiaro che questo fosse un sottoinsieme dei miei dati. Avrei dovuto essere chiaro che questo è un sottoinsieme di dati è stato incluso solo per fornire un'istantanea dell'organizzazione dei dati e non dell'intero set di dati.
Per quanto riguarda la mia domanda, mi rendo conto che l'uso del termine "confondente" potrebbe avere connotazioni molto specifiche che non intendevo. Forse, un modo migliore per descrivere ciò che sto cercando è una raccomandazione su come tenere conto del possibile contributo di un effetto batch (ad es. ID PLATE annidato all'interno di ID PAZIENTE) in generale quando si esplorano i dati organizzati come mostrato nella piccola tabella sottoinsieme che ho condiviso.
So quanto sia difficile fornire feedback su un problema quando l'intero set di dati non può essere condiviso (mi sono trovato nella stessa situazione cercando di aiutare altri utenti)
Migliore ,
TSRe: Modello lineare misto a misure ripetute con un parametro "nidificato" aggiuntivo?Scusa, posso lavorare solo con quello che mi dai. Non hai menzionato che questo era un sottoinsieme del tuo set di dati...
Riguardo alla tua domanda" Il punto in cui ho effettivamente bisogno di aiuto è chiarire la corretta struttura del modello per tenere conto di un potenziale fattore di confusione legato alla piattaforma del test (cioè PLATE ID)."
Abbastanza semplicemente, non puoi separare i fattori confusi, quindi devi esserlo trarre conclusioni attente su detti fattori.
Re: Modello lineare misto a misure ripetute con un parametro "nidificato" aggiuntivo?Ciao Statman,
Grazie per aver dedicato del tempo a guardare il piccolo sottoinsieme dei dati che ho condiviso. Ovviamente, ho molti più pazienti in questo set di dati (n = 115) con 10 - 25 pazienti per braccio. Sfortunatamente, non posso condividere l'intero set di dati, quindi la descrizione.
Anche se apprezzo davvero il tuo approccio costruttivo, sono già chiaro su ciò che voglio ottenere: LSMEANs contrasta tra il braccio A e tutti gli altri in ogni momento. Mi aspetto che una differenza significativa di +/- 0,2 sarà biologicamente significativa.
Il punto in cui ho effettivamente bisogno di aiuto è chiarire la struttura del modello corretta per tenere conto di un potenziale fattore di confondimento legato alla piattaforma del test (cioè PLATE ID). qualche idea?
Grazie
TSRe: Modello lineare misto a misure ripetute con un parametro "nidificato" aggiuntivo?Posso darti la mia opinione riguardo al tuo set di dati:
1. Hai 4 Plate_ID, 7 Patient ID e 5 ARM e quindi hai misurazioni su 3 periodi di tempo. Se ho letto bene, hai solo 7 combinazioni uniche. I dati sono come l'immagine qui sotto.
2. In alcuni casi, Patient ID e Plate_ID sono confusi. ARM è confuso con l'ID paziente, tranne quando ARM=E.
3. Non esiste un contesto per i DATI? Quanto cambiamento in questa variabile di risposta è degno di considerazione (è di importanza pratica)?
4. Indichi di volere un modello lineare, ma i "fattori" sono più di 2 livelli.
Quindi, come puoi gestire i dati delle serie temporali:
1. Puoi dare una rapida occhiata alla coerenza delle serie temporali con un grafico a intervalli.
2. È possibile calcolare una statistica per riassumere tale effetto (deviazione media e standard, file JMP allegato) sebbene i dati sembrino incoerenti.
3. Cosa stai cercando nelle serie temporali? La pendenza della linea avrebbe valore?
