Вимірювання деяких пацієнтів не один раз

10

Я провожу клінічне дослідження, де визначаю антропометричний показник пацієнтів. Я знаю, як впоратися з ситуацією, коли в мене є один показник на пацієнта: я роблю модель, де маю випадкову вибірку $X_1,\dots,X_n$ від деякої щільності $f_\theta$ , і я роблю звичайні речі: пишу ймовірність вибірки, оцінювати параметри, визначати набори достовірності та перевіряти гіпотезу, або навіть робити аналіз Байєса, якщо начальник не дивиться. ;-)

Моя проблема полягає в тому, що для деяких пацієнтів у нас є більше, ніж один показник, тому що ми вважаємо, що це гарна ідея мати більше одного дослідника, який обробляє вимірювальний прилад, коли це можливо (іноді у нас в клініці працює лише один дослідник ). Тому для деяких пацієнтів у нас є один захід, зроблений одним дослідником, для інших одиниць вибірки - два заходи, зроблені двома різними дослідниками тощо. Розмір, про який йдеться, - товщина конкретної складки шкіри.

Моє запитання: яка саме статистична модель є адекватною моїй проблемі?

inference

— Вронський
джерело

4

Якщо питання, що цікавлять, не стосуються конкретних дослідників, і у вас є інформація, щоб сказати, хто проводив вимірювання, ви можете дивитись на змішані моделі з випадковим ефектом "дослідника" (який може пояснювати такі речі, як дослідник має невеликі, але послідовні упередження, наприклад).

— Glen_b -Встановити Моніку

1

Чи є у вас інформація, який дослідник зробив, який вимірювання? Чи вважаєте ви, що деякі дослідження роблять систематичні помилки? Або що деякі дослідники вимірюють точніше, ніж інші?

— user31264

1

На практиці чи справді ви виявляєте великі відмінності між дослідниками, що вимірюють одного пацієнта приблизно в один і той же час?

— EdM

Так само, як @Glen_b Я думаю, що ви повинні подивитися на моделі змішаних ефектів, можливо, це може бути початком: stats.stackexchange.com/questions/166434/…

1

Погляньте на документ Бреннана (1992) про Теорію узагальненості або його книгу, також під назвою "Теорія генералізації" (2010, Спрингер). Бреннан пише про GT з використанням ANOVA, але змішані моделі можуть використовуватися однаково - і багато хто вважає їх більш сучасним методом.

Можна придумати змішану модель для перехресних даних (наприклад, Рауденбуш, 1993 ). Скажіть, у вас є $N$ пацієнтів, виміряних $R$ дослідники, і ваш показник позначається як $X_{ij}$ для $i = 1,...,N$ і $j = 1,...,R$ . У цьому випадку вимірювання має як ефекти пацієнтів, так і дослідників, причому пацієнти "вкладені" в дослідників (кілька заходів для одного пацієнта) та дослідники "вкладені" у пацієнтів (кілька вимірювань для кожного пацієнта), так

X_{i j} = β_{0} + b_{i} + b_{j} + ε_{i j}

$X_{ij} = \beta_0 + b_i + b_j + \varepsilon_{ij}$

де $\beta_0$ є фіксованим перехопленням (якщо дані не зосереджені), $b_i$ - це випадковий ефект пацієнта (випадковий перехоплення) та $b_j$ є дослідником випадковий ефект, в той час $\varepsilon_{ij}$ - термін помилки. У lme4 це було б

x ~ (1|patient) + (1|researcher)

Ви можете поширити цей підхід на використання $X$ як незалежна змінна чи визначте ієрархічну байєсівську модель, де ви включаєте обидва джерела змінності.

— Тім
джерело

0

Я буду брати участь у цьому, навіть якщо я можу надати лише математичну модель, оскільки я трохи математик, але не статистик.

Kalman Filters може обробляти оцінку стану за допомогою декількох входів та відсутньої інформації.

Якби мені довелося це показати інженерам, вони вимагають від мене скласти графіки мінливості заходів між вимірювальниками, щоб показати, що немає змінності між оператором і оператором. Вони будуть розглядати два вимірювання як парні. Статистика людей у цьому хороша. Якщо мінливість оператора до оператора була незначною, я міг би сформулювати свої дані для кожного як один рядок.

[... вимірювання_1 ... результат]
[... вимірювання_2 ... результат]

якби тільки один технік зробив вимірювання, був би лише один рядок даних

інакше я хотів би вказати оператора в даних

[... вимірювання імені оператора ... результат]

Якщо ви можете охарактеризувати різницю, яку має кожен оператор за одним і тим же вимірюванням, ви можете врахувати це у своїй моделі. Якщо ви не вводите індикатор оператора, коли це важливе джерело змінності ... це може бути проблемою.

Модель даних інформує математичну модель. Я думаю, що GLM мали хороші результати в цих сферах. http://www.uta.edu/facturing/sawasthi/Statistics/stglm.html

— EngrStudent
джерело

0

Я також підходжу до цього питання з іншої галузі. Незважаючи на це, мені здається, що метою використання декількох людей за допомогою вимірювального приладу є можливість обліку помилок вимірювання? Якщо я правильно розумію те, що ви намагаєтеся зробити, то це виглядає як випадок моделювання структурних рівнянь (SEM), який дозволив би запустити вашу модель без помилок вимірювання. SEM може обліковувати відсутні дані, якщо ви використовуєте методи оцінки FIML, ви повинні робити звичайні припущення щодо відсутніх даних (тобто, принаймні, відсутніх навмання). Моделі SEM все частіше використовуються в налаштуваннях RCT, тому я не думаю, що це буде нечасто використовувати цю техніку. Питання, яке у мене виникне, чи є у вас достатньо інформації для того, щоб зробити належним чином ідентифікаційну модель SEM?

— bfoste01
джерело