diagramma di correlazione con il punteggio di gravità motoria Y utilizzando un generatore di grafici regolando il biomarcatore A in base all'età e al sessoVorremmo chiarire se esiste una relazione lineare tra il biomarcatore X(DATQUANT) e il punteggio di gravità motoria Y (punteggio totale MDS-UPDRS 3) nei pazienti con un disturbo neurologico. In una semplice correlazione, biomarkerX è associato al punteggio di gravità motoria Y. Poiché l'età e il sesso biologico influenzano il biomarcatore X, li abbiamo considerati come covariate.
A quel tempo, sto pensando di creare un diagramma di correlazione con il punteggio di gravità motoria Y utilizzando un generatore di grafici regolando il biomarcatore A in base all'età e al sesso.
Apprezzeremmo molto se potessi farci sapere come ottenere il diagramma a dispersione del biomarcatore X aggiustato per età e sesso rispetto al punteggio di gravità motoria Y usando JMP.
GraficaMac OSSceneggiaturaRe: diagramma di correlazione con il punteggio di gravità motoria Y utilizzando un generatore di grafici regolando il biomarcatore A in base all'età e al sessoGrazie per la risposta.
Vorremmo chiarire se esiste una relazione lineare tra il biomarcatore X (DATQUANT: variabile dipendente) e il punteggio di gravità motoria Y (MDS-UPDRS-3: variabile esplicativa). Poiché l'età e il sesso biologico influenzano il biomarcatore X, li abbiamo considerati come covariate. Vorremmo condurre una regressione multipla.
[X (DATQUANT: variabile dipendente)] = a1*Y (MDS-UPDRS-3: variabile esplicativa) + a2*[età] + a3 + residui
a1, a2 : coefficienti di pendenza per ciascuna variabile esplicativa
a3: termine costante per sesso biologico
Ora vorremmo visualizzare la relazione tra [età e sesso aggiustato (DATQUANT: variabile dipendente)] e Y (MDS-UPDRS-3: variabile esplicativa)
Quindi vorremmo preparare un grafico a dispersione
aggiustato X (a1*[X(DATQUANT: variabile continua)] - a2*[età] - a3) vs. Y (MDS-UPDRS-3: variabile dipendente)
Ti saremmo molto grati se potessi darci commenti e suggerimenti.
Molte grazie in anticipo.
Re: diagramma di correlazione con il punteggio di gravità motoria Y utilizzando un generatore di grafici regolando il biomarcatore A in base all'età e al sessoCiao @KF2 ,
Una possibilità è quella di regredire il biomarcatore X su età e sesso, salvare i residui e quindi tracciarli rispetto al punteggio di gravità motoria Y nel generatore di grafici come un semplice grafico a dispersione. Ecco come appare con i dati che hai fornito,
Un'altra possibilità, per trattare l'età e il sesso come covariate, è fare una regressione gerarchica. In altre parole, puoi adattare un modello di regressione in cui età e sesso predicono il tuo risultato, quindi adattare un altro modello di regressione in cui età, sesso e biomarcatore X predicono il tuo risultato. Otterrai la R al quadrato per ciascuno di questi modelli (si scopre che è rispettivamente .002 e .11). È quindi possibile esaminare i "test sequenziali" (o somma dei quadrati di tipo I) degli effetti per ottenere un test per il cambiamento nella varianza spiegata da un modello all'altro. In questo caso, la variazione è statisticamente significativa con un valore F di 11,23, p = .001.
Ho salvato gli script di ciascuno di questi passaggi nella tabella dati allegata.
HTH,
~Laura
Re: diagramma di correlazione con il punteggio di gravità motoria Y utilizzando un generatore di grafici regolando il biomarcatore A in base all'età e al sessoHo appena preso un Presto guarda i dati forniti e alcune delle tue domande. Ecco cosa vedo nei dati e alcune domande:
1. Non ho alcun contesto per i dati. Quanto di un cambiamento in DAT o MDS ha un significato pratico?
2. Per quanto riguarda la correlazione tra MDS e DAT, non c'è una forte correlazione (r=-0,32) e ci sono un certo numero di potenziali valori anomali (Mahalanobis, 7). Questo non tiene conto degli effetti età/sesso.
3. Osservando le relazioni tra DAT ed età e sesso, sembra che il sesso non abbia quasi alcuna relazione (modello adatto). L'età è statisticamente significativa. Questi due termini rappresentano solo circa il 20% circa della variazione dei dati. Con l'aumentare dell'età, il DAT diminuisce.
4. Sembra esserci una relazione lineare tra DAT e MDS, ma in quel modello sia l'età che il sesso sono insignificanti. Il modello contenente tutti e tre i termini rappresenta circa l'8% della variazione dei dati.
Quanto sei sicuro dei sistemi di misurazione?
