Ich führte einen Crossover-Versuch durch, bei dem gesunde Freiwillige zweimal ins Labor kamen (getrennt durch eine Auswaschphase) und sich vor und nach einer von zwei Neuromodulationseingriffen sensorischen Tests an Arm und Fuß unterzogen. Jeder Teilnehmer durchlief beide Bedingungen in einer zufällig zugewiesenen Reihenfolge. Wir wollen sehen, ob die Neuromodulationsinterventionen die Ergebnisse für Arm und Fuß unterschiedlich beeinflusst haben.
Ich möchte die (kontinuierlichen) Ergebnisse mit einem gemischten Modell analysieren (ich verwende JMP Pro 16.2). Meine festen Effekte sind Zeit (Grundlinie und Poststim), Stimulation (zwei Ebenen), Gliedmaßen (Arm und Fuß) und alle ihre Interaktionen. Ich habe „Subjekt“ als Zufallseffekt hinzugefügt (nur Abfangen).
Ich habe Fragen auf zwei Ebenen:
1. Berücksichtigung der Grundwerte
- Mir wurde vorgeschlagen, die Ausgangswerte des Ergebnisses anzupassen, indem ich sie als festen Effekt einbeziehe. Dies verbessert offensichtlich die Anpassung des Modells (geringerer AIC) und verringert die SE der Parameterschätzungen, aber ich mache mir Sorgen, dass dieselben Werte sowohl als Ergebnis als auch als Prädiktor einbezogen werden.
- Berücksichtigt die Einbeziehung des Subjekts als zufälliger Effekt nicht bereits die unterschiedlichen Basiswerte (mit der großen Einschränkung, dass die Basislinie für Arm und Fuß und für jede Stimulationsstufe unterschiedlich ist)?
- Um dies zu berücksichtigen, sollte ich Subjekt(Intercept) mit Gliedmaßen und Stimulation kreuzen, um die unterschiedlichen Grundlinien für die beiden Gliedmaßen in den beiden Sitzungen zu berücksichtigen? Und wenn ja, wie gebe ich das im Modell richtig an?
- Eine andere Möglichkeit besteht darin, die Änderungswerte (nach dem Ausgangswert) zu berechnen, sie als Ergebnis zu verwenden und dann den Ausgangswert als festen Effekt einzubeziehen, um sie anzupassen.
2. Kovarianzstruktur
- Ich habe auch über die Notwendigkeit nachgedacht, eine Kovarianzstruktur anzugeben. Da ich nur zwei Zeitpunkte habe, muss ich vermutlich nur ein Kovarianzpaar schätzen. Muss ich daher überhaupt eine Kovarianzstruktur angeben? Erklärt die Einbeziehung des Subjekts als zufälliger Effekt nicht die Korrelation in den Beobachtungen desselben Subjekts?
- Wenn ich versuche, eine Kovarianzstruktur (in JMP „Wiederholte Struktur“ genannt) anzugeben, stoße ich auf Probleme. In JMP ist der Standardwert auf „Rest“ eingestellt. Aber wie im JMP-Handbuch beschrieben: „Die Reststruktur legt fest, dass es keine Kovarianz zwischen Beobachtungen gibt, d. h. die Fehler sind unabhängig.“ Dies ist hier offensichtlich nicht der Fall. Wenn ich geeignetere Strukturen ausprobiere, gerate ich in Schwierigkeiten. Da ich für jeden Zeitpunkt für jedes Subjekt vier Werte habe (z. B. Zeitpunkte davor: für jedes Glied und für jede Stimulation), erhalte ich Fehlermeldungen wie diese: Das XXX-Kovarianzmodell erfordert, dass keine Subjekte doppelte Werte der wiederholten Eingabe haben Variable.
Entschuldigung für den langen Beitrag. Für jede Hilfe, die mich auf die beste Spezifikation für dieses Modell hinweist, wäre ich sehr dankbar.
