diagramme de corrélation avec le score de sévérité motrice Y à l'aide d'un graph builder en ajustant le biomarqueur A selon l'âge et le sexeNous souhaitons préciser s'il existe une relation linéaire entre le biomarqueur X(DATQUANT) et le score de sévérité motrice Y (score total MDS-UPDRS 3) chez les patients présentant un trouble neurologique. Dans une corrélation simple, biomarkerX est associé au score de sévérité motrice Y. L'âge et le sexe biologique influençant le biomarqueur X, nous les avons considérés comme des covariables.
A cette époque, je songe à créer un diagramme de corrélation avec le score de sévérité motrice Y à l'aide d'un graph builder en ajustant le biomarqueur A en fonction de l'âge et du sexe.
Nous apprécierions beaucoup si vous pouviez nous faire savoir comment obtenir un nuage de points du biomarqueur X ajusté en fonction de l'âge et du sexe par rapport au score de gravité moteur Y à l'aide de JMP.
GraphiquemacOSScriptRe : diagramme de corrélation avec le score de sévérité motrice Y à l'aide d'un graph builder en ajustant le biomarqueur A selon l'âge et le sexeMerci pour votre réponse.
Nous souhaitons préciser s'il existe une relation linéaire entre le biomarqueur X (DATQUANT : variable dépendante) et le score de sévérité motrice Y (MDS-UPDRS-3 : variable explicative). L'âge et le sexe biologique influençant le biomarqueur X, nous les avons considérés comme des covariables. Nous aimerions effectuer une régression multiple.
[X (DATQUANT : variable dépendante)] = a1*Y (MDS-UPDRS-3 : variable explicative) + a2*[âge] + a3 + résidus
a1, a2 : coefficients de pente pour chaque variable explicative
a3 : terme constant pour le sexe biologique
Nous souhaitons maintenant visualiser la relation entre [ajusté selon l'âge et le sexe (DATQUANT : variable dépendante)] et Y (MDS-UPDRS-3 : variable explicative)
Nous aimerions donc préparer un nuage de points
X ajusté (a1*[X(DATQUANT : variable continue)] - a2*[âge] - a3) vs. Y (MDS-UPDRS-3 : variable dépendante)
Nous apprécierions beaucoup si vous pouviez nous faire part de vos commentaires et suggestions.
Merci d'avance.
Re : diagramme de corrélation avec le score de sévérité motrice Y à l'aide d'un graph builder en ajustant le biomarqueur A selon l'âge et le sexeSalut @KF2 ,
Une possibilité consiste à régresser le biomarqueur X sur l'âge et le sexe, à enregistrer les résidus, puis à les tracer par rapport au score de gravité moteur Y dans le générateur de graphiques sous la forme d'un simple nuage de points. Voici à quoi cela ressemble avec les données que vous avez fournies,
Une autre possibilité, pour traiter l'âge et le sexe comme des covariables, est de faire une régression hiérarchique. En d'autres termes, vous pouvez ajuster un modèle de régression où l'âge et le sexe prédisent votre résultat, puis ajuster un autre modèle de régression où l'âge, le sexe et le biomarqueur X prédisent votre résultat. Vous obtiendrez le R au carré pour chacun de ces modèles (il s'avère que c'est 0,002 et 0,11, respectivement). Vous pouvez ensuite consulter les "tests séquentiels" (ou somme des carrés de type I) des effets pour obtenir un test de variation de la variance expliquée d'un modèle à l'autre. Dans ce cas, le changement est statistiquement significatif avec une valeur F de 11,23, p = 0,001.
J'ai enregistré les scripts de chacune de ces étapes dans le tableau de données ci-joint.
HTH,
~Laura
Re : diagramme de corrélation avec le score de sévérité motrice Y à l'aide d'un graph builder en ajustant le biomarqueur A selon l'âge et le sexeje viens de prendre un rapide regardez les données fournies et certaines de vos questions. Voici ce que je vois dans les données et quelques questions :
1. Je n'ai aucun contexte pour les données. Dans quelle mesure un changement de DAT ou de MDS a-t-il une importance pratique ?
2. En ce qui concerne la corrélation entre MDS et DAT, il n'y a pas de forte corrélation (r = -0,32) et il existe un certain nombre de valeurs aberrantes potentielles (Mahalanobis, 7). Cela ne tient pas compte des effets âge/sexe.
3. En examinant les relations entre le DAT et l'âge et le sexe, il semble que le sexe n'ait presque aucune relation (modèle d'ajustement). L'âge est statistiquement significatif. Ces deux termes ne représentent qu'environ 20 % de la variation des données. À mesure que l'âge augmente, le DAT diminue.
4. Il semble y avoir une relation linéaire entre DAT et MDS, mais dans ce modèle, l'âge et le sexe ne sont pas significatifs. Le modèle contenant les trois termes représente environ 8 % de la variation des données.
Quelle est votre confiance dans les systèmes de mesure ?
