Testez si deux prédictions (via un modèle de régression multiple) sont significativement différentesJe travaille sur un modèle de régression linéaire multiple dans JMP 16 qui tente de prédire les résultats cliniques (sous la forme d'une échelle numérique appelée « décharge mRS ») pour les patients victimes d'un AVC sur la base des éléments suivants :
- 1 prédicteur continu ( NIHSS à l'admission , qui est une mesure de la gravité de l'AVC à l'admission à l'hôpital)
- 1 prédicteur catégoriel ( synchronisation EVT , qui est un traitement que le patient victime d'un AVC peut recevoir), qui peut avoir l'une des 3 valeurs suivantes :
- 1 = EVT (le traitement) a été administré immédiatement à l'arrivée à l'hôpital
- 2 = EVT a été administré après un délai
- 0 = EVT n'a PAS été administré
- un terme d'interaction ( NIHSS à l'admission * timing EVT )
Voici à quoi ressemble actuellement le modèle dans JMP :
Ma question/problème est:
Pour toute valeur donnée du NIHSS à l'admission , je souhaite calculer si le résultat moyen prévu (basé sur ce modèle) sera significativement différent (avec des valeurs p) entre si le patient reçoit l'EVT immédiatement (c'est-à-dire le timing EVT = 1 ) et . pas d'EVT (c'est-à-dire timing EVT = 0 ) - c'est-à-dire entre 2 valeurs différentes du prédicteur catégoriel.
Existe-t-il un moyen de faire cette analyse dans JMP ?
( Conceptuellement , mon objectif est de pouvoir utiliser les 2 prédicteurs de ce modèle d'une manière cliniquement utile, par exemple dans l'espoir que le modèle puisse nous aider à décider quels patients - dans ce cas, en fonction de la gravité de leur accident vasculaire cérébral - devraient recevoir ou non un traitement, après avoir prédit le résultat dudit traitement.)
Merci pour votre aide!
Analyse et modélisation des données de baseles fenêtresRe : Tester si deux prédictions (via un modèle de régression multiple) sont significativement différentesSalut @MRB3855 ,
Merci beaucoup! Je pense que ça a fonctionné. Évidemment, je n'ai pas (je ne sais pas comment) faire moi-même les calculs pour confirmer les résultats des tests, mais les valeurs prédites des tests personnalisés correspondent désormais à celles de mon modèle et les résultats des tests ont du sens.
J'apprécie vraiment l'aide!
Re : Tester si deux prédictions (via un modèle de régression multiple) sont significativement différentesSalut @broccoli : Désolé, j'ai fait une erreur. Voir ci-dessous pour la prédiction à l'heure = 24 (pour mes données). Pour le terme d'interaction, vous devez saisir (NIHSS à l'admission - 14.7059). Ainsi, si vous souhaitez prédire au NIHSS sur l'admission = 20, alors 20-14,7059 = 5,2941 doit y être saisi pour l'interaction.
Et pour le lot qui n'est pas répertorié (j'ai quatre lots), il faut le paramétrer comme suit.
Ça a l'air bizarre, je sais ; cela est dû à la façon dont JMP paramétre le modèle.
https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/nominal-factors.shtml#
Et, un contraste non testable fait référence aux sommes de carrés au bas de la sortie qui fournissent un test combiné de tous les contrastes (colonnes). Cela n'a aucun sens dans ce cas car les contrastes ne sont pas orthogonaux (officieusement, cela peut être considéré comme indépendant). Cependant, les tests de chacun des trois contrastes individuellement sont valides et corrects.
Plus d’informations ici sur l’orthogonalité. https://stats.stackexchange.com/questions/171324/what-is-the-relationship-between-orthogonal-correlation-and-independence
Re : Tester si deux prédictions (via un modèle de régression multiple) sont significativement différentesSalut @broccoli Vous avez oublié l'interception (mettez-y 1 dans les deux premières colonnes).
Et êtes-vous sûr que ce qu'est le NIHSS à l'admission n'a pas d'importance ?
Edit : Hmmm, je ne suis pas sûr que cela fonctionne comme prévu lorsqu'il y a des termes d'interaction impliquant la covariable.
Restez à l'écoute.
Re : Tester si deux prédictions (via un modèle de régression multiple) sont significativement différentesBonjour @MRB3855 , j'ai essayé de configurer des tests personnalisés à cet effet, mais je n'arrive pas à y parvenir.
Par exemple, dans l'image ci-dessous, j'essaie de comparer EVT Timing = 0 (dans la colonne 1) et EVT Timing = 1 (dans la colonne 2), avec NIHSS à l'admission = 0 .
Les nombres répertoriés dans la ligne « Valeur » dans les deux premières colonnes de la sortie du test ( 1,467 et 2,100 ) ne sont pas égaux aux valeurs que mon modèle prédit dans ces deux conditions ( 0,0563 et 3,568 , respectivement - voir le profileur de prédiction ci-dessous) .
De même, lorsque j'essaie de répéter ce test personnalisé avec NIHSS sur admission = 20 (ci-dessous), les deux premières colonnes de valeur générées ( 2,329 et 2,962 ) ne correspondent pas aux prédictions de mon modèle ( 5,105 et 5,089 , respectivement).
Qu'est-ce que j'oublie ici? Évidemment, c'est quelque chose de crucial, puisque les " résultats " du test - qui, si je comprends bien, sont censés être répertoriés dans la 3ème colonne de sortie (différence dans les prédictions de valeur , Std Error , t Ratio , p-value et SS ) - semblent être exactement les mêmes, quel que soit ce que j'ai défini au NIHSS lors de l'admission (ce qui ne devrait certainement pas être le cas).
Désolé pour le dérangement et merci encore !
ps en remarque, que signifie « AVERTISSEMENT : contraste non testable » ?
Re : Tester si deux prédictions (via un modèle de régression multiple) sont significativement différentesSalut @broccoli : Oui, cela peut être fait. Cliquez sur le triangle rouge en haut de la sortie et choisissez Estimations/Test personnalisé (photo ci-dessous). Voici un exemple.
Exemple de test personnalisé (jmp.com)
Cela peut cependant être délicat... jetez un œil, puis revenez si vous avez besoin d'aide. Vous devrez ajouter deux colonnes. Ensuite, mettez 1 pour le timing EVT (et l'interaction) qui vous intéresse, et choisissez la valeur du NIHSS à l'admission qui vous intéresse pour les deux premières colonnes. Ensuite, la troisième colonne représente la différence entre les deux premières lignes.
Voici un exemple comparant la prédiction pour le lot 1_11 à l'heure = 3,14 (première colonne 101,2) et le lot 3_13 à l'heure = 3,14 (deuxième colonne 101,4). La troisième colonne représente la différence entre les prédictions (-0,202, avec une valeur p de 0,6758).
