Composante de variance pour les données censuréesJe ne sais pas si c'est une question plus liée aux statistiques ou à la plateforme. Appréciera toutes les entrées ici !
Lorsque nous traitons d'études sur les composantes de la variance, tous nos facteurs seront Aléatoire les facteurs. Lorsque nous ajustons un tel modèle à l'aide de la plate-forme des moindres carrés standard dans le modèle d'ajustement, JMP peut nous fournir le tableau REML Variance Component Estimates. Nous pouvons donc obtenir notre résultat ici (principalement le pourcentage de chaque facteur aléatoire). Cependant, lorsque nous traitons des données de censure (pour l'analyse de survie), JMP n'autorise aucun facteur aléatoire existant dans le modèle en raison de la restriction du modèle.
Ma question serait de savoir si cela est dû à la limitation du modèle, car nous ne pouvons pas effectuer ce type d'analyse des composantes de la variance pour l'analyse de survie en supposant que tous nos facteurs seront Aléatoire facteurs (données de censure) ? De plus, je me demande pour l'analyse de survie, en particulier lorsque nous utilisons la distribution de Weibull, existe-t-il une règle empirique telle que le pourcentage d'échec (proportion de données non censurées) devrait être supérieur à un certain nombre ? comme 60%, 70%, etc...
Merci
AnalytiqueRe : Composant de variance pour les données censuréesSalut Kevin,
Je ne peux pas parler de la deuxième partie de votre question (la règle empirique) car je ne suis pas un expert en analyse de survie. J'espère que quelqu'un d'autre pourra vous aider là-bas!
Je peux parler un peu de la première partie. À l'heure actuelle, JMP (et JMP Pro) ne peut effectuer qu'une analyse de composante de variance comme vous le mentionnez à partir des personnalités standard des moindres carrés ou mixtes dans Fit Model lorsque la distribution de réponse est gaussienne/normale. Malheureusement, pour l'analyse de survie, la distribution des réponses n'est pas gaussienne (que ce soit Weibull, Exponential, etc.), et les options de la plate-forme de survie (Survival ou Parametric Survival) n'autorisent pas les effets aléatoires (comme vous l'avez remarqué). Il existe des plans pour une plate-forme de modèle mixte linéaire généralisé pour JMP Pro qui pourrait permettre ce type d'analyse. La portée initiale de cette plate-forme n'inclut pas les distributions de survie, bien qu'elles soient répertoriées pour un développement futur. Les GLMM de survie sont un domaine de recherche très actif !
En attendant, je ne sais pas si vous avez accès à SAS PROC GLIMMIX. Je sais qu'il a les capacités pour ce genre d'analyse. Le livre "Generalized Linear Mixed Models: Modern Concepts, Methods and Applications" de Walter W. Stroup a un chapitre entier consacré à l'analyse des données Time-to-Event à l'aide de PROC GLIMMIX. Cela pourrait être une référence utile pour vous.
-Elisabeth
Re : Composant de variance pour les données censuréesComme @eclaassen souligné, il existe des méthodes/outils pour effectuer une analyse de survie avec des effets aléatoires. Vous pourriez être intéressé par ce document SUGI : Approche de modèle mixte linéaire généralisée pour les données de temps jusqu'à l'événement avec des observations censurées . Mais le JMP ne propose pas de tels outils dans la version actuelle. Veuillez prêter attention à sa nouvelle plate-forme dans la prochaine version.
Outre les outils de type GLIMMIX, l'inférence bayésienne pourrait être une approche différente. Je travaille sur une nouvelle plate-forme de dégradation des mesures répétées, qui modélise les paramètres aléatoires du sujet à l'aide de l'inférence bayésienne. La plate-forme elle-même n'est pas pertinente pour ce dont vous avez besoin maintenant, bien que la technologie puisse être appliquée.
Pour votre question empirique, une préoccupation majeure est de savoir comment la censure affecte votre objectif d'analyse. Il y a deux choses sur la censure dont vous devrez peut-être vous soucier : combien d'observations censurées se produisent, et quand (ou où) les observations censurées se produisent. Une situation inquiétante peut être que vous ayez des données censurées à droite avec une grande quantité d'observations censurées, alors que vous vous intéressez à la probabilité d'échec bien au-delà du temps de censure. Mais ce n'est pas inquiétant, si vous vous intéressez à la probabilité de défaillance avant le temps de censure, et que vous avez encore une grande quantité d'observations de défaillance, même si la proportion censurée est importante.
Dans le cas où la censure a un grand impact sur vos résultats, donc les résultats ont de grandes incertitudes, il faut poser des hypothèses très fortes, soit sur un modèle spécifique, soit sur un ou plusieurs paramètres.
Une méthode classique connue sous le nom de Weibayes fournit une approche utile lorsque presque toutes les observations sont censurées. En plus de cette méthode, l'inférence bayésienne est une autre approche plus complète pour gérer les données censurées lourdes. Les plateformes JMP Life Distribution et Fit Life by X proposent ces méthodes en conséquence.
Re : composant de variance pour les données censuréesMerci!
