Ho condotto uno studio incrociato in cui volontari sani sono venuti al laboratorio due volte (separati da un periodo di wash-out) e sono stati sottoposti a test sensoriali sia sul braccio che sul piede, prima e dopo uno dei due interventi di neuromodulazione. Ogni partecipante è stato sottoposto a entrambe le condizioni in un ordine assegnato casualmente. Vogliamo vedere se gli interventi di neuromodulazione hanno influenzato i risultati in modo diverso per il braccio e il piede.
Vorrei analizzare i risultati (continui) con un modello misto (utilizzo JMP Pro 16.2). I miei effetti fissi sono Tempo (baseline e poststim), Stimolazione (due livelli), Arto (braccio e piede) e tutte le loro interazioni. Ho aggiunto Oggetto come effetto casuale (solo intercetta).
Ho domande su due livelli:
1. Contabilità dei valori di base
- Mi è stato suggerito di adeguarmi ai valori di base del risultato includendoli come effetto fisso. Ciò ovviamente migliora l'adattamento del modello (AIC inferiore) e riduce l'SE delle stime dei parametri, ma mi preoccupo di includere gli stessi valori sia come risultato che come predittore.
- Inoltre, l'inclusione del Soggetto come effetto casuale non tiene già conto dei diversi valori di base (con la grande avvertenza che la linea di base è diversa per braccio e piede e per ciascun livello di stimolazione).
- Per tenere conto di ciò, dovrei incrociare Soggetto (intercetta) con Arto e Stimolazione, per tenere conto delle diverse linee di base per i due arti nelle due sessioni? E se sì, come posso specificarlo correttamente nel modello?
- Un'altra opzione consiste nel calcolare i punteggi di modifica (post-baseline), utilizzarli come risultato e quindi includere la baseline come effetto fisso per adeguarsi ad essi.
2. Struttura della covarianza
- Ho anche riflettuto sulla necessità di specificare una struttura di covarianza. Dato che ho solo due punti temporali, immagino di avere solo una coppia di covarianze da stimare e, pertanto, devo davvero specificare una struttura di covarianza? L'inclusione del Soggetto come effetto casuale non tiene conto della correlazione nelle osservazioni dello stesso soggetto?
- Se provo a specificare la struttura di covarianza (chiamata Struttura ripetuta in JMP), riscontro dei problemi. In JMP, l'impostazione predefinita è Residuo. Ma, come descritto nel manuale JMP: "La struttura Residual specifica che non esiste covarianza tra le osservazioni, vale a dire che gli errori sono indipendenti". Questo ovviamente non è il caso qui. Quando provo strutture più appropriate mi metto nei guai. Poiché ho quattro valori per ciascun punto temporale per ciascun soggetto (ad esempio punti temporali prima: per ciascun arto e per ciascuna stimolazione), ricevo messaggi di errore, in questo modo: Il modello di covarianza XXX richiede che nessun soggetto abbia valori duplicati dell'input ripetuto variabile.
Ci scusiamo per il lungo post. Qualsiasi aiuto che mi indichi le migliori specifiche per questo modello sarebbe molto apprezzato.
