Hallo zusammen,
Wir vergleichen drei verschiedene Assays (A, B, C), um zu sehen, wie gut sie einen Krankheitszustand erkennen. Wir haben vier Gruppen, in denen 1 = Krankheit und 2, 3 und 4 = unterschiedliche gutartige Zustände.
Die Frage ist zweigeteilt
- Welchen Test würden Sie innerhalb eines Assays verwenden, um zu sehen, ob sie einen Unterschied zur Kontrollgruppe (= Krankheit) feststellen können
- Daten sind nicht normalverteilt
- Die Daten enthalten 0, was die Transformation erschwert, da die Log-Transformation nicht funktioniert
- Welche Metrik oder Zahl können wir verwenden, um zu bestimmen, welcher Assay am besten abschneidet?
Vielen Dank im Voraus
Möglicherweise möchten Sie die logistische Regression verwenden, wobei die Krankheitsklasse Y und der Assay X ist. Ich werde die Bezeichnungen 1-4 so lassen, wie sie sind, aber ich werde JMP mitteilen, dass die Reihenfolge 2, 3, 4 und 1 ist, da davon ausgegangen wird, dass die letzte Ebene (jetzt 1) die Zielklasse ist ( Erkrankung). So sieht es aus, wenn Sie Y gegen X separat regressieren:
Die ROC-Kurve ist ein diagnostisches Instrument zur Bewertung der Diskrimination (Sensitivität versus 1-Spezifität), das Ihnen helfen könnte. Es kann auch hilfreich sein, alle drei Assays gleichzeitig als Prädiktoren zu verwenden, um zu sehen, ob einer besser ist. Hier ist die nominelle logistische Regression auf diese Weise:
Es scheint also, dass Assay C besser abschneidet als die beiden anderen Assays. Was ist nun das beste Modell? Ist die Beziehung linear? Hier ist die Passform und der Test des kubischen Modells:
Es scheint, dass ein linearer Prädiktor ausreichend ist.
Was stellen die anderen Klassen (2-4) dar? Gibt es wirklich 3 normale Klassen und 1 abnormale Klasse? Ist diese Studie explorativ oder konfirmatorisch?
Ich habe Ihre JMP-Datentabelle angehängt, nachdem ich Skripte gespeichert habe, um die Analyse zu wiederholen, die ich hier zeige
