Verificare se due previsioni (tramite un modello di regressione multipla) sono significativamente diverseSto lavorando su un modello di regressione lineare multipla in JMP 16 che tenta di prevedere i risultati clinici (sotto forma di scala numerica chiamata " mRS di dimissione ") per i pazienti con ictus sulla base di quanto segue:
- 1 predittore continuo ( NIHSS al momento del ricovero , che è una misurazione della gravità dell'ictus al momento del ricovero in ospedale)
- 1 predittore categorico ( tempi EVT , che è un trattamento che il paziente con ictus può ricevere), che può avere uno qualsiasi dei 3 seguenti valori:
- 1 = EVT (il trattamento) è stato somministrato immediatamente all'arrivo in ospedale
- 2 = L'EVT è stata somministrata dopo un ritardo
- 0 = l'EVT NON è stato somministrato
- un termine di interazione ( NIHSS all'ammissione * tempistica EVT )
Ecco come appare il modello in JMP in questo momento:
La mia domanda/problema è:
Per ogni dato valore del NIHSS al momento del ricovero , voglio calcolare se il risultato medio previsto (sulla base di questo modello) sarà significativamente diverso (con valori p) tra se il paziente riceve EVT immediatamente (ovvero tempistica EVT = 1 ) vs. .nessuna EVT (cioè temporizzazione EVT = 0 ) - vale a dire, tra 2 diversi valori del predittore categoriale.
C'è un modo per eseguire questa analisi in JMP?
( Concettualmente , il mio obiettivo è quello di essere in grado di utilizzare i 2 predittori di questo modello in modo clinicamente utile, ad esempio nella speranza che il modello possa aiutarci a decidere quali pazienti - in questo caso, in base alla gravità del loro ictus - dovrebbero ricevere o meno un trattamento, avendo previsto l’esito di detto trattamento.)
Grazie per l'aiuto!
Analisi e modellazione dei dati di basefinestreRi: Verificare se due previsioni (tramite un modello di regressione multipla) sono significativamente diverseCiao @MRB3855 ,
Grazie mille! Penso che abbia funzionato. Ovviamente non ho fatto (non so come fare) i calcoli per confermare personalmente i risultati dei test, ma i valori previsti dei test personalizzati ora corrispondono a quelli del mio modello e i risultati dei test hanno senso.
Apprezzo davvero l'aiuto!
Ri: Verificare se due previsioni (tramite un modello di regressione multipla) sono significativamente diverseCiao @broccoli : Mi scuso, ho fatto un errore. Vedi sotto per la previsione al tempo = 24 (per i miei dati). Per il termine di interazione è necessario inserire (NIHSS all'ammissione - 14.7059). Quindi, se vuoi pronosticare al NIHSS all'ammissione = 20, allora per l'interazione deve essere inserito 20-14.7059 = 5.2941.
E per il lotto che non è elencato (ne ho quattro), deve essere parametrizzato come segue.
Sembra strano, lo so; ciò è dovuto al modo in cui JMP parametrizza il modello.
https://www.jmp.com/support/help/en/18.0/index.shtml#page/jmp/nominal-factors.shtml#
Inoltre, un contrasto non testabile si riferisce alle somme dei quadrati nella parte inferiore dell'output che fornisce un test combinato di tutti i contrasti (colonne). In questo caso non ha senso perché i contrasti non sono ortogonali (informalmente possono essere considerati indipendenti). Tuttavia, i test di ciascuno dei tre contrasti individualmente sono validi e corretti.
Maggiori informazioni qui sull'ortogonalità. https://stats.stackexchange.com/questions/171324/what-is-the-relationship-between-orthogonal-correlation-and-independence
Ri: Verificare se due previsioni (tramite un modello di regressione multipla) sono significativamente diverseCiao @broccoli Hai dimenticato l'intercetta (metti 1 lì nelle prime due colonne).
E sei sicuro che non abbia importanza quale sia il NIHSS al momento dell'ammissione?
Modifica: Hmmm, non sono così sicuro che funzioni come mi aspettavo quando ci sono termini di interazione che coinvolgono la covariata.
Rimani sintonizzato.
Ri: Verificare se due previsioni (tramite un modello di regressione multipla) sono significativamente diverseCiao @MRB3855 , ho provato a impostare test personalizzati per questo scopo, ma non riesco a farlo bene.
Ad esempio, nell'immagine seguente sto tentando di confrontare EVT Timing = 0 (nella colonna 1) con EVT Timing = 1 (nella colonna 2), con NIHSS all'ammissione = 0 .
I numeri elencati nella riga " Valore " nelle prime due colonne dell'output del test ( 1.467 e 2.100 ) non sono uguali ai valori previsti dal mio modello in queste due condizioni ( 0.0563 e 3.568 , rispettivamente - vedere il profiler di previsione di seguito) .
Allo stesso modo, quando provo a ripetere questo test personalizzato con NIHSS all'ammissione = 20 invece (sotto), le prime due colonne di Valore emesso ( 2.329 e 2.962 ) ancora una volta non corrispondono alle previsioni del mio modello ( 5.105 e 5.089 , rispettivamente).
Cosa mi manca qui? Ovviamente è qualcosa di cruciale, dal momento che i " risultati " del test - che, se ho capito bene, dovrebbero essere elencati nella terza colonna di output (differenza nelle previsioni del valore , errore std , rapporto t , valore p e SS ) - sembrano essere esattamente gli stessi indipendentemente da ciò che ho impostato al NIHSS al momento dell'ammissione (cosa che sicuramente non dovrebbe essere il caso).
Scusate il disturbo e grazie ancora!
ps come nota a margine, cosa significa " ATTENZIONE: contrasto non testabile "?
Ri: Verificare se due previsioni (tramite un modello di regressione multipla) sono significativamente diverseCiao @broccoli : Sì, si può fare. Fai clic sul triangolo rosso nella parte superiore dell'output e scegli Stime/Test personalizzato (immagine mostrata di seguito). Ecco un esempio.
Esempio di test personalizzato (jmp.com)
Può essere complicato però... dai un'occhiata e poi torna se hai bisogno di aiuto. Dovrai aggiungere due colonne. Quindi inserisci 1 per i tempi (e l'interazione) dell'EVT di interesse e scegli il valore di NIHSS all'ammissione che ti interessa per le prime due colonne. Quindi la terza colonna è la differenza tra le prime due righe.
Ecco un esempio che confronta la previsione per il batch 1_11 all'ora=3.14 (prima colonna 101.2) e il batch 3_13 all'ora=3.14 (seconda colonna 101.4). La terza colonna rappresenta la differenza nelle previsioni (-0,202, con valore p 0,6758).
