Korrelationsdiagramm mit motorischem Schweregrad Y unter Verwendung eines Graph-Builders durch Anpassen von Biomarker A nach Alter und GeschlechtWir möchten klären, ob bei Patienten mit einer neurologischen Erkrankung ein linearer Zusammenhang zwischen Biomarker X(DATQUANT) und motorischem Schweregrad Y (MDS-UPDRS 3-Gesamtscore) besteht. In einer einfachen Korrelation ist biomarkerX ist mit dem motorischen Schweregrad Y assoziiert. Da Alter und biologisches Geschlecht den Biomarker X beeinflussen, betrachteten wir sie als Kovariaten.
Zu dieser Zeit überlege ich, ein Korrelationsdiagramm mit dem motorischen Schweregrad Y mit einem Graph-Builder zu erstellen, indem ich den Biomarker A nach Alter und Geschlecht anpasse.
Wir würden uns sehr freuen, wenn Sie uns mitteilen könnten, wie man mithilfe von JMP ein Streudiagramm des alters- und geschlechtsangepassten Biomarkers X vs. motorischer Schweregrad Y erhält.
GrafikMac OSSkriptingBetreff: Korrelationsdiagramm mit motorischem Schweregrad Y unter Verwendung eines Graph-Builders durch Anpassen von Biomarker A nach Alter und GeschlechtIch habe gerade einen genommen schnell Sehen Sie sich die bereitgestellten Daten und einige Ihrer Fragen an. Folgendes sehe ich in den Daten und einige Fragen:
1. Ich habe keinen Kontext für die Daten. Inwieweit ist eine Änderung von DAT oder MDS von praktischer Bedeutung?
2. Hinsichtlich der Korrelation zwischen MDS und DAT gibt es keine starke Korrelation (r=-0,32) und es gibt eine Reihe potenzieller Ausreißer (Mahalanobis, 7). Dies berücksichtigt nicht die Alters-/Geschlechtseffekte.
3. Wenn man sich die Beziehungen zwischen DAT und Alter und Geschlecht ansieht, scheint es, dass das Geschlecht fast keine Beziehung hat (Fit-Modell). Das Alter ist statistisch signifikant. Diese beiden Begriffe machen nur etwa 20 % der Variation in den Daten aus. Mit zunehmendem Alter nimmt die DAT ab.
4. Es scheint eine lineare Beziehung zwischen DAT und MDS zu geben, aber in diesem Modell sind Alter und Geschlecht unbedeutend. Das Modell, das alle drei Terme enthält, macht ~8% der Variation in den Daten aus.
Wie sicher sind Sie in den Messsystemen?
Betreff: Korrelationsdiagramm mit motorischem Schweregrad Y unter Verwendung eines Graph-Builders durch Anpassen von Biomarker A nach Alter und GeschlechtHi @KF2 ,
Eine Möglichkeit besteht darin, Biomarker X nach Alter und Geschlecht zu regressieren, die Residuen zu speichern und sie dann im Graph Builder als einfaches Streudiagramm gegen den motorischen Schweregrad Y darzustellen. So sieht das mit den von Ihnen angegebenen Daten aus,
Eine andere Möglichkeit, Alter und Geschlecht als Kovariaten zu behandeln, besteht darin, eine hierarchische Regression durchzuführen. Mit anderen Worten, Sie können ein Regressionsmodell anpassen, bei dem Alter und Geschlecht Ihr Ergebnis vorhersagen, und dann ein anderes Regressionsmodell anpassen, bei dem Alter, Geschlecht und Biomarker X Ihr Ergebnis vorhersagen. Sie erhalten das R-Quadrat für jedes dieser Modelle (es stellt sich heraus, dass es 0,002 bzw. 0,11 ist). Sie können sich dann die "sequentiellen Tests" (oder die Summe der Quadrate vom Typ I) der Effekte ansehen, um einen Test für die Änderung der erklärten Varianz von einem Modell zum nächsten zu erhalten. In diesem Fall ist die Änderung mit einem F-Wert von 11,23, p = 0,001 statistisch signifikant.
Ich habe die Skripte jedes dieser Schritte in der angehängten Datentabelle gespeichert.
HTH,
~Laura
Betreff: Korrelationsdiagramm mit motorischem Schweregrad Y unter Verwendung eines Graph-Builders durch Anpassen von Biomarker A nach Alter und GeschlechtDanke für Ihre Antwort.
Wir möchten klären, ob ein linearer Zusammenhang zwischen Biomarker X (DATQUANT: abhängige Variable) und motorischem Schweregrad Y (MDS-UPDRS-3: erklärende Variable) besteht. Da Alter und biologisches Geschlecht den Biomarker X beeinflussen, betrachteten wir sie als Kovariaten. Wir möchten eine multiple Regression durchführen.
[X (DATQUANT: abhängige Variable)] = a1*Y (MDS-UPDRS-3: erklärende Variable) + a2*[Alter] + a3 + Residuen
a1, a2 : Steigungskoeffizienten für jede erklärende Variable
a3: konstanter Begriff für biologisches Geschlecht
Nun möchten wir den Zusammenhang zwischen [alters- und geschlechtsbereinigt (DATQUANT: abhängige Variable)] und Y (MDS-UPDRS-3: erklärende Variable) visualisieren.
Daher möchten wir ein Streudiagramm erstellen
adjustiert X (a1*[X(DATQUANT: kontinuierliche Variable)] - a2*[Alter] - a3) vs. Y (MDS-UPDRS-3: abhängige Variable)
Wir würden uns sehr freuen, wenn Sie uns Kommentare und Anregungen mitteilen könnten.
Vielen Dank im Voraus.
