diagrama de correlación con la puntuación de gravedad motora Y usando un generador de gráficos ajustando el biomarcador A según la edad y el sexoNos gustaría aclarar si existe una relación lineal entre el biomarcador X (DATQUANT) y la puntuación de gravedad motora Y (puntuación total de MDS-UPDRS 3) en pacientes con un trastorno neurológico. En una correlación simple, biomarkerX se asocia con el puntaje de severidad motora Y. Dado que la edad y el sexo biológico influyen en el biomarcador X, los consideramos como covariables.
En ese momento, estoy pensando en crear un diagrama de correlación con la puntuación de gravedad motora Y usando un generador de gráficos ajustando el biomarcador A según la edad y el sexo.
Le agradeceríamos mucho que nos indicara cómo obtener un gráfico de dispersión del biomarcador X ajustado por edad y sexo frente a la puntuación de gravedad motora Y utilizando JMP.
GráficosMac OSsecuencias de comandosRe: diagrama de correlación con la puntuación de gravedad motora Y usando un generador de gráficos ajustando el biomarcador A según la edad y el sexoGracias por su respuesta.
Nos gustaría aclarar si existe una relación lineal entre el biomarcador X (DATQUANT: variable dependiente) y la puntuación de gravedad motora Y (MDS-UPDRS-3: variable explicativa). Dado que la edad y el sexo biológico influyen en el biomarcador X, los consideramos como covariables. Nos gustaría realizar una regresión múltiple.
[X (DATQUANT: variable dependiente)] = a1*Y (MDS-UPDRS-3: variable explicativa) + a2*[edad] + a3 + residuos
a1, a2 : coeficientes de pendiente para cada variable explicativa
a3: término constante para el sexo biológico
Ahora nos gustaría visualizar la relación entre [ajustado por edad y sexo (DATQUANT: variable dependiente)] e Y (MDS-UPDRS-3: variable explicativa)
Así que nos gustaría preparar un diagrama de dispersión
X ajustada (a1*[X(DATQUANT: variable continua)] - a2*[edad] - a3) vs. Y (MDS-UPDRS-3: variable dependiente)
Le agradeceríamos mucho si pudiera darnos sus comentarios y sugerencias.
Muchas gracias de antemano.
Re: diagrama de correlación con la puntuación de gravedad motora Y usando un generador de gráficos ajustando el biomarcador A según la edad y el sexoHola @KF2 ,
Una posibilidad es realizar una regresión del biomarcador X sobre la edad y el sexo, guardar los residuos y luego trazarlos contra la puntuación de gravedad motora Y en el generador de gráficos como un diagrama de dispersión simple. Así es como se ve con los datos que proporcionó,
Otra posibilidad, para tratar la edad y el sexo como covariables, es hacer una regresión jerárquica. En otras palabras, puede ajustar un modelo de regresión donde la edad y el sexo predicen su resultado, luego ajustar otro modelo de regresión donde la edad, el sexo y el biomarcador X predicen su resultado. Obtendrá el R-cuadrado para cada uno de esos modelos (resulta que es .002 y .11, respectivamente). A continuación, puede consultar las "Pruebas secuenciales" (o Suma de cuadrados de tipo I) de los efectos para obtener una prueba del cambio en la varianza explicada de un modelo al siguiente. En este caso, el cambio es estadísticamente significativo con un valor F de 11,23, p = 0,001.
Guardé los scripts de cada uno de estos pasos en la tabla de datos adjunta.
HH,
~Laura
Re: diagrama de correlación con la puntuación de gravedad motora Y usando un generador de gráficos ajustando el biomarcador A según la edad y el sexoacabo de tomar un rápido mira los datos proporcionados y algunas de tus dudas. Esto es lo que veo en los datos y algunas preguntas:
1. No tengo ningún contexto para los datos. ¿Cuánto de un cambio en DAT o MDS tiene importancia práctica?
2. En cuanto a la correlación entre MDS y DAT, no hay una fuerte correlación (r=-0,32) y hay una serie de posibles valores atípicos (Mahalanobis, 7). Esto no tiene en cuenta los efectos de edad/sexo.
3. Mirando las relaciones entre DAT y la edad y el sexo, parece que el sexo casi no tiene relación (modelo de ajuste). La edad es estadísticamente significativa. Esos dos términos representan solo alrededor del ~20% de la variación en los datos. A medida que aumenta la edad, DAT disminuye.
4. Parece haber una relación lineal entre DAT y MDS, pero en ese modelo tanto la edad como el sexo son insignificantes. El modelo que contiene los tres términos representa ~8% de la variación en los datos.
¿Qué confianza tiene en los sistemas de medición?
