J'ai mené un essai croisé au cours duquel des volontaires sains sont venus au laboratoire à deux reprises (séparées par une période de sevrage) et ont subi des tests sensoriels au bras et au pied, avant et après l'une des deux interventions de neuromodulation. Chaque participant a subi les deux conditions dans un ordre attribué au hasard. Nous voulons voir si les interventions de neuromodulation ont affecté les résultats différemment pour le bras et le pied.
Je souhaite analyser les résultats (continus) avec un modèle mixte (j'utilise JMP Pro 16.2). Mes effets fixes sont le temps (de base et post-tim), la stimulation (deux niveaux), les membres (bras et pied) et toutes leurs interactions. J'ai ajouté le sujet comme effet aléatoire (interception uniquement).
J'ai des questions à deux niveaux :
1. Comptabilisation des valeurs de référence
- Il m'a été suggéré d'ajuster les valeurs de base du résultat en les incluant comme effet fixe. Cela améliore évidemment l'ajustement du modèle (AIC inférieur) et réduit l'ES des estimations des paramètres, mais je crains d'inclure les mêmes valeurs à la fois comme résultat et comme prédicteur.
- De plus, l'inclusion du sujet en tant qu'effet aléatoire ne tient-elle pas déjà compte des différentes valeurs de base (avec la grande mise en garde que la ligne de base est différente pour le bras et le pied et pour chaque niveau de stimulation).
- Pour en tenir compte, dois-je croiser Sujet (interception) avec Membre et Stimulation, pour tenir compte des différentes lignes de base pour les deux membres dans les deux séances ? Et si oui, comment puis-je le spécifier correctement dans le modèle ?
- Une autre option consiste à calculer les scores de changement (après la ligne de base), à les utiliser comme résultat, puis à inclure la ligne de base comme effet fixe pour les ajuster.
2. Structure de covariance
- J'ai également réfléchi à la nécessité de spécifier une structure de covariance. Puisque je n'ai que deux points dans le temps, je suppose que je n'ai qu'une seule paire de covariances à estimer, et par conséquent, ai-je vraiment besoin de spécifier une structure de covariance ? L'inclusion du sujet comme effet aléatoire ne rend-elle pas compte de la corrélation entre les observations du même sujet ?
- Si j'essaie de spécifier une structure de covariance (appelée structure répétée dans JMP), je rencontre des problèmes. Dans JMP, la valeur par défaut est Résiduelle. Mais, comme décrit dans le manuel JMP : « La structure résiduelle précise qu'il n'y a pas de covariance entre les observations, c'est-à-dire que les erreurs sont indépendantes. » Ce n'est évidemment pas le cas ici. Lorsque j’essaie des structures plus appropriées, j’ai des ennuis. Parce que j'ai quatre valeurs pour chaque point temporel pour chaque sujet (par exemple, points temporels avant : pour chaque membre et pour chaque stimulation), j'obtiens des messages d'erreur, comme celui-ci : Le modèle de covariance XXX exige qu'aucun sujet n'ait des valeurs en double de l'entrée répétée. variable.
Désolé pour le long message. Toute aide m'indiquant les meilleures spécifications pour ce modèle serait grandement appréciée.
