625499_ko-KR

liliconcom

Re: 반복 측정 디자인을 사용한 다변량 데이터

저는 귀하의 특정 상황에 대한 SME는 아니지만 일반적으로 먼저 치료 내 변동을 평가합니다(귀하의 반복 측정으로 정량화됨). 여기에는 반복을 그래픽으로 평가하고 치료 내 일관성을 평가하는 것이 포함될 수 있습니다. 처리 내 변동을 평가한 후에는 이러한 반복 측정을 열거하는 방법(예: 처리 내 데이터를 요약하는 데 사용할 통계)을 결정할 수 있습니다. 이것은 중심 경향의 일부 척도와 분산의 일부 척도일 수 있습니다. 이를 수행하는 "올바른" 방법은 없습니다. 백분율 변경 사용에 대한 귀하의 생각은 확실히 시도해 볼 가치가 있습니다. 그런 다음 해당 요약 통계를 분석하여 치료 효과를 모델링합니다. JMP의 장점은 여러 가지 방법을 매우 효율적으로 시도할 수 있다는 것입니다.

Re: 반복 측정 디자인을 사용한 다변량 데이터

안녕 @abmayfield ,

 

다른 제안이 있을 수 있습니다.

분석물 반응이 시간 경과에 따라 측정된 연속 값인 경우 Functional Data Explorer가 곡선/시간 변화에서 변동을 추출하는 데 도움이 될 수 있습니까?

이 컨텍스트에서 도움이 될 수 있는 곡선 데이터에 대한 측정 시스템 분석을 다루는 항목이 있습니다.
기능적 랜덤 효과 모델을 사용한 곡선 데이터의 측정 시스템 분석(2023-EU-30MP-1316)

 

이 답변이 도움이 되길 바라며,

Re: 반복 측정 디자인을 사용한 다변량 데이터

당신의 생각에 감사드립니다. 존재-부재 데이터가 될 것 같은 느낌이 들기 때문에 생각보다 간단할 수 있다고 생각합니다. 사람에게 돌연변이가 발생했는지, 그렇다면 돌연변이가 발생한 기간 동안 농도가 변경된 단백질은 무엇입니까? 등장? 나는 이것이 그들의 질문이라고 생각합니다 (내 전문 분야 외). 즉, 일반적인 반복 측정 대화로 JMP에 입력할 필요조차 없을 수 있습니다.

Re: 반복 측정 디자인을 사용한 다변량 데이터

감사합니다. 이것은 FDE 사용과 관련하여 멋진 아이디어입니다. 바이오마커가 "평평한" 추세(즉, 변화 없음), 쌍곡선 추세(상승했다가 다시 하락함) 또는 고원(상승)해야 합니까? 그리고 머물렀다)? 궁극적으로 이것은 이 임상 시험을 진행하는 의사가 알고 싶어하는 것일 수 있습니다. 또한 한 번도 사용한 적이 없는 JMP Clinical에 LIKELY가 이런 종류의 복잡한 질문을 해결할 수 있는 도구를 가지고 있다고 생각하므로 그 방법도 탐색할 수 있습니다.

Re: 반복 측정 디자인을 사용한 다변량 데이터

안녕 @abmayfield ,

 

JMP Clinical은 FDE(적어도 JMP Clinical 17에서는)와 같은 JMP Pro 기능이 포함되어 있다는 점을 제외하면 시간이 지남에 따라 패턴을 찾는 경우 추가로 제공할 것이 없습니다.

 

이것은 각 분석(단백질)에 대한 일련의 프로필(환자)이 있는 크로마토그래피 데이터(시간 경과에 따라 용출된 단백질의 양)와 같다고 생각합니다. 이것은 치료 비교가 포함되기 때문에 FDE-DOE라고 불리는 것으로 바뀔 수 있습니다.

 

유용한 링크:

https://community.jmp.com/t5/Discovery-Summit-Munich-2020/Using-FDE-and-DOE-to-Help-Build-Predictive-Models-for-Spectral/ta-p/243861

https://www.jmp.com/support/help/en/17.1/index.shtml#page/jmp/example-of-functional-doe-analysis.shtml

 

이 경우 DOE는 실제로 처리된 것과 처리되지 않은 단일 요소일 뿐입니다.

Re: 반복 측정 디자인을 사용한 다변량 데이터

FDE 접근 방식도 마음에 들지만 첫 번째 단계로 모든 값이 매번 다른 열이 되도록 데이터를 피벗하고 환자당 하나의 행이 있는 다음 PCA 또는 PLS를 사용하는 것을 고려할 수 있습니다.FDE를 사용하면 시간 경과에 따른 각 값의 곡선을 쉽게/직접 볼 수 있지만 각 y 변수에 대한 분석도 수행해야 합니다.PLS를 사용하면 곡선이 시간이나 변수에 따라 자동으로 정렬되지 않기 때문에 곡선을 해석하기가 더 어렵지만 많은 매개변수가 필요하지 않습니다.

Re: 반복 측정 디자인을 사용한 다변량 데이터

나는 모든 요소가 이미 거기에 있다고 생각하기 때문에 실제로 이것을 "위시리스트"에 포함시킬 수 있습니다. 다변량 분석을 위한 PLS+반복 주제가 직접 지정되는 반복 측정을 위한 혼합 모델 플랫폼. 나는 이것이 보이는 것만큼 모호하거나 난해한 요구가 아니라고 생각합니다. 왜냐하면 미래에 많은 제약 회사와 임상 연구자들이 시간이 지남에 따라 추적된 개인의 전체 분자 제품군을 반복적으로 프로파일링하기를 원할 것이기 때문입니다. 예를 들어 약물을 복용하는 경우). 그러나 저는 이것을 잘못 수행하면(즉, 디자인의 반복 측정 특성을 무시하는 것) 많은 테스트 대상을 가정한 적절한 분석과 크게 다른 결과를 얻지 못할 것이라고 생각합니다. 즉, 200명의 환자에게 약을 투여하고 200명의 다른 환자에게 위약을 투여한 다음 MANOVA 또는 PLS를 사용하여 시간 경과에 따른 유전자 발현 변화를 관찰하면 사람들이 서로 다른 위치에서 "시작"하더라도 여전히 차이를 감지할 수 있습니다. 기준선 유전자 발현 수준. 그러나 물론 통계적으로 가장 강력한 방법으로 수행하는 것이 좋습니다!

Re: 반복 측정 디자인을 사용한 다변량 데이터

반복 측정이 있는 혼합 모델 접근 방식을 고수하고 싶다면 mRNA에서 PCA를 수행하고 가장 큰 영향을 미치는 PC를 저장한 다음 반응 역할(PLS가 수행하는 것과 유사)에서 사용할 수 있을 것 같습니다. 그런 다음 다음과 같이 혼합 모델 또는 표준 최소 제곱에서 수행할 수 있는 것처럼 반복 측정을 수행합니다. 지도 시간 .

 

또는 응답에 모든 mRNA를 넣고 혼합 모델을 선택하고 시간 기반 반복 구조에 대해 설정한 다음 고정 효과에 처리를 적용합니다(추가할 항목이 누락되었을 수 있음). 그런 다음 빨간색 삼각형을 사용하고 여러 응답에 대한 옵션을 선택합니다. 보고서 대신 모든 항목에 대한 표를 얻을 수 있으며 도움이 될 수 있지만 가장 영향을 많이 받는 mRNA와 각 모델 용어에 대한 기타 통계를 분류하기 위한 추가 작업이 있을 것입니다.

 

 

어쨌든 생각입니다. 그만한 가치가있을 수 있습니다.

Re: 반복 측정 디자인을 사용한 다변량 데이터

안녕, 앤더슨,

네가 말할 때 " 3,000개의 분석물", 즉 3,000개의 Y 변수가 있다는 의미입니다(동일한 주제에 대해 측정되었기 때문에).

혼합 모델은 단일 Y( https://www.jmp.com/support/help/en/17.1/#page/jmp/example-of-repeated-measures.shtml#ww1279888 ). 또한 상관 응답인 여러 Y를 맞출 수 있는 기능이 있습니다( https://www.jmp.com/support/help/en/17.1/#page/jmp/example-of-a-correlated-response.shtml# ). 하지만 JMP에서 여러 공분산 구조를 지정하여 둘을 결합할 수 있는 방법은 없습니다.

SAS에서 이러한 혼합 모델을 맞추는 것이 가능할 수도 있지만 이러한 방식으로 여러 상관 관계 소스를 모델링하는 데 너무 많은 데이터를 요구할 수 있다고 생각합니다. 다시 관심이 있습니다!). 치료 매개변수를 추가하기 전에 추정할 반복 측정 매개변수와 3000Y 사이에 4,501,500개의 분산 및 공분산이 있습니다!

또 다른 가능한 플랫폼은 상관 관계 구조를 지정하는 데 매우 유연하기 때문에 SEM일 수 있습니다.@LauraCS 내가 할 수있는 것보다 더 효과적으로 말할 수 있습니다. 혼합 모델과 동일한 데이터 부족 문제가 발생할 수 있다는 것을 알고 있습니다.

저는 개인적으로 PLS 모델에 반복 측정 구조를 포함하는 것을 들어본 적이 없지만 일반적으로 PLS에 익숙하지 않습니다. MANOVA는 수학적으로 혼합 모델 상관 응답과 동일하므로 같은 위치에 있습니다.

처음부터 끝까지 델타에 대한 응답을 단순화하면 나중에 설명하기 위해 훨씬 더 간단한 모델로 비슷한 결정을 내릴 수 있습니다! 물론 응답이 중간에 변경되지 않고 마지막에 기준선으로 돌아간다고 가정합니다. FDE 아이디어가 연속 응답인 경우에도 마음에 들지만 응답의 가능한 상관 관계를 캡처할 것이라고는 생각하지 않습니다.

-엘리자베스

Re: 반복 측정 디자인을 사용한 다변량 데이터

안녕 앤더슨,

나는 같은 질문을 가지고 @eclaassen 데이터의 정확한 구조에 대해 제기했습니다. 그러나 혼합 모델처럼 들리거나 SEM이 이 분석에 자연스럽게 적합합니다(실제로 PLS + 반복 구조가 있는 혼합 모델은 다소 SEM과 유사함).

 

다음은 SEM에서 궤적을 모델링하는 방법을 설명하는 발견 프레젠테이션입니다.

https://community.jmp.com/t5/Discovery-Summit-Americas-2021/Modeling-Trajectories-over-Time-with-Structural-Equation-Models/ta-p/398754

비디오의 유용한 시간:

1분 33초 -- SEM이 반복 측정 분석에 도움이 되는 이유

3분 40초-- 세로 데이터와 함께 SEM을 사용하기 위한 요구 사항(단, 버전 18은 비정규 연속 데이터에 대해 강력한 추론을 가짐)

11분 23초-- SEM 반복 측정 데이터 활용 예

 

처럼 @ih 지적했듯이 데이터는 행당 하나의 개인과 반복 측정당 하나의 열이 있는 "와이드 형식"이어야 합니다. SEM은 모든 개인이 평평한 궤적(Intercept-only Latent Growth Curve)을 갖는 모델을 선형, 2차 또는 기타 비선형(잠재 기반) 성장을 갖는 모델과 비교합니다.

 

두 그룹(위약 및 약물)이 있으므로 SEM에서 다중 그룹 분석을 사용하여 그룹 간 궤적을 비교할 수 있습니다. 이런 종류의 임상 시험에서 SEM을 사용하는 것은 매우 일반적입니다. 여기 빠른 Google 검색의 한 예). 우리의 문서에는 시간 경과에 따른 남학생과 여학생의 궤적을 비교하는 예가 있습니다(4회 반복 측정 포함).

https://www.jmp.com/support/help/en/17.1/#page/jmp/example-of-multiple-group-analysis.shtml#ww676033

 

HTH,

~로라

 

Re: 반복 측정 디자인을 사용한 다변량 데이터

우와! 모두들 정말 감사합니다. 이것은 실제로 종단 연구라고하는 것입니다. 하지만 데이터를 살펴보기 시작했는데 샘플 크기가 Y의 수보다 4배 또는 5배 더 커야 하는 것 같습니다. 그렇지 않으면 "샘플 크기 테스트"에 실패한 것 같습니다. 이러한 'Omics 연구에서는 거의 항상 대상보다 훨씬 더 많은 Y(분자)가 있을 것입니다. 예를 들어, 나는 16명의 개인 각각에서 측정된 71개의 단백질이 있는 하나의 데이터 세트를 가지고 있습니다(8/치료 x 2 치료). 이 설계는 샘플 크기 규칙에 "실패"합니다. 이것은 분석 대상보다 실험 대상이 더 많은 경우에만 SEM을 사용할 수 있다는 것을 의미합니까? 그렇다면 그것은 내가 하고자 하는 일을 위한 최고의 플랫폼이 아닐 수 있습니다(3,000개의 단백질에 대해 분자 단위로 가는 것은 너무 오래 걸릴 것입니다!).

Re: 반복 측정 디자인을 사용한 다변량 데이터

아! 네, 중요한 주의사항입니다... 데이터에 행보다 열이 더 많으면 SEM이 작동하지 않습니다. SEM에 필요한 샘플 크기는 모델이 추정하는 매개변수의 수에 따라 다릅니다. 매개변수보다 더 많은 행을 원합니다.

혼합 모델은 샘플 크기와 관련하여 SEM보다 더 관대하지만 16개 행과 71개 열을 사용하는 것도 해결책이 아니라고 생각합니다. 이를 바탕으로 FDE가 여러분이 필요로 하는 것을 제공해 줄 것이라고 생각합니다. 해당 링크 확인 @Chris_Kirchberg FDE-DOE를 위해 공유하면 도움이 될 것입니다.

최상의,

~로라

Re: 반복 측정 디자인을 사용한 다변량 데이터

그냥 돌아와서 이것으로 답장을 하려고 했는데 당신이 저를 이겼어요. (어제 답글을 달기 전에 이 답글을 못봐서 같은 시간에 타이핑을 한건지, @Chris_Kirchberg !)

그런 다음 테스트 p-값을 플로팅/정렬하여 중요한 항목 등을 확인할 수 있기 때문에 이것은 훌륭한 옵션입니다. 그리고 JMP의 상호 작용을 통해 플롯을 선택할 수 있으며 데이터 테이블에서 "중요" 항목을 하위 집합으로 선택합니다. 그들. 이것이 내가 더 복잡한 무작위 효과 구조를 가진 대부분의 '오믹스 유형 분석'을 본 방법입니다. 예, Y 사이의 상관 관계를 무시하고 있지만 분석을 실현 가능하게 만드는 반면 그렇지 않으면 다루기 어렵습니다.

Re: 반복 측정 디자인을 사용한 다변량 데이터

나는 Chris의 아이디어가 좋은 아이디어라고 생각합니다. 왜냐하면 실제로 사람들이 알고 싶은 것은 약물(또는 어떤 치료)이 다음과 같은지 여부이기 때문입니다.

A) 평균적인 개인에 대해 시간이 지남에 따라 영향을 미치지 않음

지속적인 효과 도출(감소 또는 증가 여부)

C) 쌍곡선 효과(분석물 농도가 내려갔다가 기준선으로 돌아가거나 올라갔다가 기준선으로 돌아가는 원인이 됨)를 유발함

따라서 혼합 모델에서 분자별로 수행함으로써 반복 측정 특성을 수용할 수 있으며 결과 출력이 크더라도 일부 테이블 정렬을 수행한 다음 다양한 항목으로 부분 집합화하는 것이 어렵지 않을 것입니다. 효과, 예를 들어 효과가 없는 단백질, 시간이 지남에 따라 증가하는 단백질, "반발"(쌍곡선) 반응이 있는 단백질을 식별합니다.

 

팀의 노력에 감사드리며 이것이 어떻게 작동했는지 나중에 다시 보고하겠습니다(다른 사람을 대신하여 요청하거나 다른 사람이 즉시 시도할 수 있음).

Re: 반복 측정 디자인을 사용한 다변량 데이터

또 다른 접근 방식은 무작위 절편/무작위 기울기 모델을 사용하는 것입니다.피험자 결과 대 시간의 프로필을 선형 회귀 모델로 설명할 수 있는 경우 혼합 모델 플랫폼은 각 피험자에 대한 임의 기울기 및/또는 임의 절편을 사용하여 모델을 맞출 수 있습니다.이 스크립트는 이러한 유형의 분석을 실행하기 위해 저장된 스크립트와 예제 테이블을 생성합니다.

 

Names Default To Here( 1 );

dt = New Table( "Example" );

dt << New Column( "Y" );
dt << New Column( "subject", Nominal, Numeric );
dt << New Column( "time" );

ys = [];
t = [];
subjects = [];

times = [0, 1, 2, 3, 6, 9, 12];
ntimes = N Rows( times );

For( subject = 1, subject <= 1000, subject++, 

 mu = Random Normal( 0, 1 );
 slope = Random Normal( 1, .5 );

 y_subject = J( ntimes, 1, mu ) + slope * times + J( ntimes, 1, Random Normal( 0, 0.5 ) );

 ys = ys |/ y_subject;
 t = t |/ times;
 subjects = subjects |/ J( ntimes, 1, subject );
);

dt:y << set values( ys );
dt:time << set values( t );
dt:subject << set values( subjects );

dt << Add Properties to Table(
 {New Script(
  "Y vs. time",
  Graph Builder(
   Size( 528, 454 ),
   Show Control Panel( 0 ),
   Variables( X( :time ), Y( :Y ), Overlay( :subject ) ),
   Elements( Points( X, Y, Legend( 13 ) ), Line Of Fit( X, Y, Legend( 15 ) ) )
  )
 )}
);

dt << Add Properties to Table(
 {New Script(
  "Fit Mixed",
  Fit Model(
   Y( :Y ),
   Effects,
   Random Effects( Intercept[:subject], :time[:subject] & Random Coefficients( 1 ) ),
   NoBounds( 1 ),
   Personality( "Mixed Model" ),
   Run(
    Repeated Effects Covariance Parameter Estimates( 0 ),
    Residual Plots( 1 ),
    Conditional Residual Plots( 1 ),
    Covariance of Covariance Parameters( 1 ),
    Conditional Profiler(
     1,
     Confidence Intervals( 1 ),
     Term Value(
      "Conditional",
      subject( 9, Lock( 0 ), Show( 1 ) ),
      time( 4.714, Lock( 0 ), Show( 1 ) )
     )
    ),
    Linear Combination of Variance Components( [1 0 1], Label( "asdfsad" ) )
   ),
   SendToReport(
    Dispatch( {}, "Random Coefficients", OutlineBox, {Close( 0 )} ),
    Dispatch(
     {"Linear Combination of Variance Components"},
     " ",
     TextEditBox,
     {Set Text( "asdfsad" )}
    )
   )
  )
 )}
);

Re: 반복 측정 디자인을 사용한 다변량 데이터

정말 고마워. 나도 확실히 이것을 시도 할 것입니다.

 

참고로(이 글을 읽는 모든 사람, 특히 응답한 사람에게) 이제 시도했습니다. @Chris_Kirchberg 의 제안: 혼합 모델 플랫폼에 ~35,000개의 단백질을 Y로 넣은 다음 반복 측정 ANOVA로 설정했습니다. 샘플 ID) 및 반복되는 이벤트는 "day"(불일치 분산 성격)입니다. RAM이 64GB인 내 Macbook Pro(JMP Pro 18 베타)에서는 실행하는 데 2~3분밖에 걸리지 않았습니다. 이제 일련의 테이블이 있는데 그 중 하나는 FDR p-값으로 정렬할 수 있는 ~114,000개의 모든 비교(치료, 시간, 치료 x 시간 x 35,000개의 단백질)가 있습니다. 이제 내 유일한 질문은 FDR p-값을 사용한다고 가정하면(비교가 너무 많아 유형 I 오류를 방지하기 위해) 다른 출력 데이터의 덩어리를 확인하지 않아도 되는 것입니까? 공분산 추정치는 반복 구조에 의해 수용되어야 합니다. 다른 RM 성격 유형을 테스트하고 BIC가 떨어지는지 확인할 수 있을까요?

 

분산의 분포와 균질성을 살펴보는 것은 35,000개의 분석 물질이 있는 창 밖으로 나갈 수 있다고 생각하지만, 적합도를 개선하기 위해 변환이 필요하지 않은 분석 물질, 제곱근 변환이 필요한 분석 물질 등으로 하위 집합을 만들 수 있다고 가정합니다. .

반복 측정 설계가 있는 다변량 데이터

JMP 질문보다 통계에 가까운 것을 커뮤니티에 퍼뜨린 것에 대해 사과드립니다. 하지만 다음과 같습니다. 저는 최근에 JMP Pro가 시간이 지남에 따라 동일한 개인에서 3,000개의 분석물이 측정되는 설계를 분석할 수 있는지 질문을 받았습니다(한 그룹은 아마도 약과 다른 하나는 위약을 받았습니다). 많은 수의 분석이 문제는 아니지만 이것이 반복 측정 설계라는 사실과 내가 아는 한 Fit Model 아래의 다변량 옵션은 반복 측정 설계를 처리할 수 없습니다(단일 Y가 있는 경우 문제가 되지 않음). ). MANOVA 또는 부분 최소 제곱에서 모델에 "시간"을 입력하면 반복 측정 특성을 수용하지 않습니다. 내가 원하는 최적의 통계 테스트를 JMP Pro에서 수행할 수 없다고 가정하는 것이 맞습니까? 대신 각 개인에 대한 "각 분석 물질의 농도 변화 %"를 볼 수 있으므로 모델에서 시간을 제거할 수 있지만 다른 옵션이 열려 있습니다!

고급 통계 모델링기본 데이터 분석 및 모델링실험 설계맥 OS