¿Modelo lineal mixto de medidas repetidas con un parámetro "anidado" adicional?Hola comunidad JMP,
Necesito ayuda con un modelo lineal mixto de medidas repetidas relativamente complejo:
Contexto:
Recopilé datos de sujetos expuestos a diferentes tratamientos, en el inicio, la semana 4 y la semana 12 (medidas repetidas; ver un pequeño extracto adjunto). He analizado este conjunto de datos utilizando la plataforma Fit Model REML con los siguientes efectos de modelo:
- BRAZO
- PUNTO DE TIEMPO
- ARM*PUNTO DE TIEMPO
- ID del paciente [ARM] y aleatorio
- ID de paciente*PUNTO DE TIEMPO[ARM] y aleatorio
Tema:
Ahora necesito incorporar un efecto adicional (es decir, ID DE PLACA) que también debe anidarse con ID de paciente (corríjame si uso el término incorrectamente).
Suponiendo que esto se pueda hacer con JMP 14.1 (no Pro), ¿cuál sería la estructura correcta de los efectos del modelo?
¿Sería correcto incluir solo un nuevo término = ID del paciente [ID DE LA PLACA] y aleatorio ?
Gracias por tu ayuda.
TS
AnalíticaRe: ¿Modelo lineal mixto de medidas repetidas con un parámetro "anidado" adicional?Hola Statman,
Primero, me equivoqué: invertí la descripción de la relación de anidamiento, es decir, Patient_ID está anidado en PLATE_ID, no al revés.
En segundo lugar, creé un conjunto de datos anónimos que le dará a la comunidad de JMP una visión mucho mejor del conjunto de datos completo.
En tercer lugar, estoy pensando en usar la siguiente estructura de modelo de ajuste con personalidad REML:
- BRAZO
- PUNTO DE TIEMPO
- ARM*PUNTO DE TIEMPO
- ID del paciente [ARM] y aleatorio
- ID de paciente*PUNTO DE TIEMPO[ARM] y aleatorio
- ID del paciente [ID DE LA PLACA] y aleatorio
¿Es apropiado este enfoque para explorar la diferencia entre el efecto de ARM y PUNTO DE TIEMPO para estas medidas repetidas (DATA) mientras se tiene en cuenta PLATE_ID como una posible fuente de variación? FYI, una encuesta visual rápida de los datos sugiere que los DATOS están influenciados por PLATE_ID, ARM y TIME POINT.
Mejor,
TS
Re: ¿Modelo lineal mixto de medidas repetidas con un parámetro "anidado" adicional?No te preocupes, me gustaría poder ser más útil. Realmente no entiendo lo que quiere decir con que Plate ID está anidado dentro de Patient. Del pequeño conjunto de datos de ejemplo que incluyó, no hubo una anidación obvia. Para que una variable esté anidada, debe depender de otra variable. Entonces, para su ejemplo de lotes, dentro de los lotes, las muestras están anidadas dentro del lote. Simplemente no entiendo su situación para proporcionar una mejor orientación. No veo cómo se anidarían los lotes dentro de Paciente, pero esto se debe a que no comprende su situación particular. Si tiene una variable (A) y está anidada en la variable (B), entonces agregaría el término A[B] al modelo. Por supuesto, esto no permitiría estimar los efectos de interacción.
Re: ¿Modelo lineal mixto de medidas repetidas con un parámetro "anidado" adicional?Hola Statman,
Gracias por tus esfuerzos para ayudarme. Perdón por dar información engañosa: en mi publicación inicial, escribí "ver un pequeño extracto adjunto". Entiendo que puede que no haya quedado claro que esto es un subconjunto de mis datos. Debería haber dejado claro que este subconjunto de datos solo se incluyó para brindar una instantánea de la organización de datos y no del conjunto de datos completo.
Con respecto a mi pregunta, me doy cuenta de que el uso del término "confundir" puede tener connotaciones muy específicas que no pretendía. Tal vez, una mejor manera de describir lo que estoy buscando es una recomendación sobre cómo explicar mejor la posible contribución de un efecto de lote (es decir, ID DE PLACA anidada dentro de ID de PACIENTE) en general al explorar datos organizados como se muestra en la tabla pequeña subconjunto que compartí.
Sé lo difícil que es proporcionar comentarios sobre un problema cuando no se puede compartir el conjunto de datos completo (he estado en la misma situación tratando de ayudar a otros usuarios)
Mejor ,
TSRe: ¿Modelo lineal mixto de medidas repetidas con un parámetro "anidado" adicional?Lo siento, solo puedo trabajar con lo que me das. No mencionaste que esto era un subconjunto de tu conjunto de datos...
Con respecto a su pregunta " Donde realmente necesito ayuda es aclarar la estructura del modelo correcto para tener en cuenta un posible factor de confusión vinculado a la plataforma de ensayo (es decir, ID DE LA PLACA)".
Bastante simple, no puede separar los factores de confusión, por lo que debe ser sacar conclusiones cuidadosas sobre dichos factores.
Re: ¿Modelo lineal mixto de medidas repetidas con un parámetro "anidado" adicional?Hola Statman,
Gracias por tomarse el tiempo para mirar el pequeño subconjunto de los datos que compartí. Obviamente, tengo muchos más pacientes en este conjunto de datos (n = 115) con 10 a 25 pacientes por brazo. Desafortunadamente, no puedo compartir el conjunto de datos completo, de ahí la descripción.
Si bien realmente aprecio su enfoque constructivo, ya tengo claro lo que quiero lograr: los LSMEAN contrastan entre el brazo A y todos los demás en cada momento. Espero que una diferencia significativa de +/- 0.2 sea biológicamente significativa.
Donde realmente necesito ayuda es aclarar la estructura del modelo correcto para tener en cuenta un posible factor de confusión vinculado a la plataforma de ensayo (es decir, ID DE LA PLACA). ¿Alguna idea?
Gracias
TSRe: ¿Modelo lineal mixto de medidas repetidas con un parámetro "anidado" adicional?Puedo darle mi opinión sobre su conjunto de datos:
1. Tiene 4 Plate_ID, 7 ID de paciente y 5 ARM y luego tiene medidas durante 3 períodos de tiempo. Si leí bien, solo tienes 7 combinaciones únicas. Los datos se ven como la imagen de abajo.
2. En algunos casos, se confunden ID de paciente y ID_placa. ARM se confunde con ID de paciente, excepto cuando ARM=E.
3. ¿No hay contexto para los DATOS? ¿Cuánto del cambio en esta variable de respuesta es digno de consideración (es de importancia práctica)?
4. Indica que quiere un modelo lineal, pero los "factores" son más de 2 niveles.
Entonces, ¿cómo puede manejar los datos de la serie temporal?
1. Puede echar un vistazo rápido a la consistencia de la serie temporal con un gráfico de rango.
2. Puede calcular una estadística para resumir ese efecto (promedio y desviación estándar, archivo JMP adjunto) aunque los datos parecen ser inconsistentes.
3. ¿Qué estás buscando en la serie temporal? ¿Sería de valor la pendiente de la línea?
