Confronto delle curve dose-risposta per diversi endpoint all'interno dello stesso gruppoBuon pomeriggio,
Ho un set di dati in cui un gruppo è stato esposto a dosi diverse di un composto e sono stati misurati due diversi endpoint di interesse (entrambe le risposte binarie) (la tabella dei dati è sotto e il file .jmp con il set di dati è allegato).Ho eseguito analisi dose-risposta individuali su ciascuna per stimare l'ED50 (adattamento log-probit utilizzando GLM).Vorrei anche confrontare le curve dose-risposta, ma non sono sicuro del modo migliore per avvicinarsi a questo dato che i due endpoint sono nella stessa popolazione.Qualsiasi suggerimento sarebbe davvero apprezzato.
AnalyticsOggetto: confronto delle curve dose-risposta per diversi endpoint all'interno dello stesso gruppoCosa fa " desidera anche confrontare le curve dose-risposta "significa per te? In che modo li confronteresti? Quale aspetto delle curve deve essere confrontato?
Oggetto: confronto delle curve dose-risposta per diversi endpoint all'interno dello stesso gruppoCiao,
Ci scusiamo per il ritardo nella risposta.In generale, vorrei sapere se è possibile dire statisticamente se i diversi modelli di risposta alla dose descrivono al meglio i dati.Se diversi modelli sono i migliori per descrivere i dati, mi piacerebbe poter confrontare parametri specifici come l'ED50 e possibilmente la pendenza.
Grazie per l'aiuto.
Oggetto: confronto delle curve dose-risposta per diversi endpoint all'interno dello stesso gruppoSono ancora confuso perché il tuo esempio include più di una risposta, ma solo un tipo di modello (GLM binario con funzione di collegamento Probit).
Un approccio per confrontare i modelli consiste nel formare una gerarchia di termini e quindi testare i sottomodelli all'interno di questa gerarchia e quindi valutare il cambiamento complessivo nelle prestazioni del modello o il significato dei singoli termini. Ad esempio, la valutazione della degradazione lineare di una sostanza farmacologica potrebbe postulare un modello di potenza = intercetta + batch + tempo + batch * tempo + errore. Questo modello è gerarchico. Se il periodo di tempo del lotto * è ritenuto non significativo, può essere rimosso per creare un modello migliore e le pendenze dipendenti dal lotto non sono necessarie.
Un altro approccio consiste nell'utilizzare un criterio di selezione del modello come AICc per il confronto (più piccolo è meglio). Tuttavia, non è una statistica per inferenza. Il presupposto è che tutti i modelli utilizzino la stessa Y ma i modelli possono variare (regressione lineare, partizione, rete neurale, eccetera).
Oggetto: confronto delle curve dose-risposta per diversi endpoint all'interno dello stesso gruppoCiao,
Dispiace per la confusione.Non intendevo due tipi di modelli separati: vorrei utilizzare un log-probit per adattare i dati dose-risposta per ciascun tipo di risposta.
Quello che voglio sapere è se la dose-risposta adatta per le due risposte è diversa l'una dall'altra - cioè l'ED50 per la prima risposta è inferiore a quello per l'altra risposta?Ho pensato di inserire la risposta come variabile fittizia, ma non ero sicuro che fosse corretto poiché le risposte sono accoppiate nella stessa popolazione.
Grazie mille.
