389534_es-ES

liliconcom

Necesita ayuda con las mediciones repetidas

Hola,

un cliente tiene la siguiente situación:

Se probarán varios Productos (X_1, V_1_0 a V_1_19) con 5 placas de cultivo cada uno (X_3, 1 a 5) durante 4 veces (X_14-X_17, por ejemplo, 0, 12, 48, ... h). Hay varios factores que quieren saber cuál de ellos y cómo influyen en los resultados (X_4-X_7).

¿Cuál es la mejor forma de configurar este modelo? ¿Usa MANOVA o LS con efectos aleatorios? Al apilar y agregar los factores a mi modelo, tiene problemas de singularidad.  

Apégate primero a la funcionalidad JMP.

También pensé en FDE, pero creo que los datos son pocos para tener un buen modelo en mis ojos.

 

@DonMcCormack @Julian

 

 

Re: Necesito ayuda con las mediciones repetidas

Hola martin,

Estoy un poco confundido por los datos (puede deberse al proceso de anonimización).Daría un paso atrás y me aseguraría de que el cliente tenga una declaración clara de lo que está tratando de hacer.Aquí hay varias preguntas que me vinieron a la mente mientras trataba de dar sentido a los datos ...

1. ¿Debe considerarse cada producto en conjunto o individualmente?

2. ¿Cuál es el resultado de interés? ¿Es el valor medido en cada punto de tiempo o es una tasa de crecimiento o el momento en que el crecimiento alcanza un cierto punto, o un cambio porcentual (para hacer comparaciones entre productos)?

3. Parece X14 = respuesta para el punto de tiempo 1, X15 = respuesta para el punto de tiempo 2, etc. (que coincide con su uso apilado de los datos). ¿Se puede reemplazar con los valores de tiempo?

4. ¿El X4 - X7 parece ser niveles específicos por producto - puesto en una escala estandarizada?

5. Creo que está tratando de comprender el impacto de X4 - X7 en las respuestas como se muestra en la captura de pantalla adjunta ...

6. ¿Quizás FDE funcionaría después de realizar los pasos 3 y 4?

 

Re: Necesito ayuda con las mediciones repetidas

Hola @karencopeland ,

Intento responder a las preguntas.

1. ¿Debe considerarse cada producto en conjunto o individualmente?

Los productos (X_1) se clasifican por tipos de productos (X_2)

2. ¿Cuál es el resultado de interés? ¿Es el valor medido en cada punto de tiempo o es una tasa de crecimiento o el momento en que el crecimiento alcanza un cierto punto, o un cambio porcentual (para hacer comparaciones entre productos)?

Verificaré esto nuevamente, pero lo que entendí es que ella quiere saber para cada producto si los factores X4-X7 son necesarios y cómo afectan el resultado de los cultivos. El comportamiento ideal es plano durante los primeros 3 puntos de tiempo hasta el último punto de tiempo que debería ser alto. Si todo es plano, no funcionó.

3. Parece X14 = respuesta para el punto de tiempo 1, X15 = respuesta para el punto de tiempo 2, etc. (que coincide con su uso apilado de los datos). ¿Se puede reemplazar con los valores de tiempo?

0, 4, 24, 168 min

4. ¿El X4 - X7 parece ser niveles específicos por producto - puesto en una escala estandarizada?

Puede pensar en un experimento en el que un producto tiene una configuración de X_4-X_7 y se probará en 5 placas de cultivo en paralelo, cada una medida en 4 puntos de tiempo. El siguiente producto tiene otra configuración diferente de X_4-X_7 y nuevamente se prueba en 5 placas de cultivo y se mide 4 veces.

Dicho esto, los 5 platos se utilizan para ver la variación que se produce en un ajuste. Y los productos son tratados por los 4 factores y es de interés qué afecta más el resultado y en qué se diferencia para cada producto. Por ejemplo, si una configuración alta de X_4 tendría un efecto positivo en el producto A, ¿también es cierto para el producto B o no debería usarse allí?

5. Creo que está tratando de comprender el impacto de X4 - X7 en las respuestas como se muestra en la captura de pantalla adjunta ...

sí, pero tengo muy pocos grados de libertad para verificar esto

6. ¿Quizás FDE funcionaría después de realizar los pasos 3 y 4?

Creo que los modelos no son lo suficientemente precisos con solo 2 nudos para configurar. (ver archivo adjunto StackedForFDE). Verifiqué brevemente la estandarización, pero no pude ver un beneficio para el modelo aquí.

Re: Necesito ayuda con las mediciones repetidas

En términos de MANOVA vs.modelos mixtos, me refiero al método estadístico para el análisis de mediciones repetidas (CS Davis, 2002, Springer), quien indica que MANOVA tiene poca potencia en relación con los modelos mixtos. Personalmente, encuentro MANOVA más difícil de interpretar y prefiero un enfoque de modelado lineal. Dicho esto, estará limitado con respecto a las estructuras de covarianza en JMP, con solo simetría compuesta disponible. JMP Pro tiene un conjunto estándar de estructuras de covarianza para medidas repetidas, pero no tantas como SAS. Hice un artículo de Discovery hace unos años sobre este tema. Por cierto, hay un capítulo en el libro de Davis sobre el modelado de la curva de crecimiento.

FDE? Creo que sería una opción viable, pero es posible que surjan problemas si la gente pregunta acerca de las diferencias estadísticas. Además, dependiendo de la industria, es posible que se utilicen modelos estándar porque los parámetros tienen interpretaciones particulares.

¿Proviene de una industria regulada? Si es así, puede haber un procedimiento operativo estándar para modelar los datos.

Re: Necesito ayuda con las mediciones repetidas

Después de mirar los datos y los comentarios un poco más de cerca, creo que tendrá problemas para tratar de ajustar estos datos. Las respuestas parecen ser valores porcentuales muy discretos, que pueden ajustarse mejor si se consideran ordinales. Si los trata como continuos, deberá utilizar un modelo mixto no gaussiano (¿Beta?). Los niveles son exclusivos del producto, por lo que solo puede ajustar los factores o los niveles del producto, pero no ambos.

Re: Necesito ayuda con las mediciones repetidas

Miré los datos. El modelo en el que el sujeto es un efecto aleatorio, como usted especificó para las medidas repetidas, asume que una estructura CS se puede ajustar con la eliminación de cuatro efectos fijos, X4-X7.Hay una falta total de variabilidad en estos efectos fijos por ID de sujeto X__3 [X__1], que se muestra en el Informe de singularidad de JMP.