दोहराया उपायों के लिए असंतुलित मिश्रित प्रभाव एनोवा

Question

मेरे पास सर्जरी के दौरान 2 अलग-अलग तरह के उपचारों से रोगियों का डेटा है। मुझे हृदय गति पर इसके प्रभाव का विश्लेषण करने की आवश्यकता है। हर 15 मिनट में हृदय गति माप ली जाती है।

यह देखते हुए कि प्रत्येक रोगी के लिए सर्जरी की लंबाई अलग-अलग हो सकती है, प्रत्येक रोगी की हृदय गति माप 7 से 10 के बीच हो सकती है। तो एक असंतुलित डिजाइन का उपयोग किया जाना चाहिए। मैं आर का उपयोग करके अपना विश्लेषण कर रहा हूं। और एज़ पैकेज का उपयोग बार-बार मिश्रित प्रभाव एनोवा को मापने के लिए कर रहा हूं। लेकिन मुझे नहीं पता कि असंतुलित डेटा का विश्लेषण कैसे किया जाए। क्या कोई मदद कर सकता है?

डेटा का विश्लेषण कैसे करें, इस पर सुझाव का भी स्वागत किया जाता है।

अपडेट:
जैसा कि सुझाव दिया गया है, मैंने lmerफ़ंक्शन का उपयोग करके डेटा फिट किया और पाया कि सबसे अच्छा मॉडल है:

heart.rate~ time + treatment + (1|id) + (0+time|id) + (0+treatment|time)

निम्नलिखित परिणाम के साथ:

Random effects:
 Groups   Name        Variance   Std.Dev. Corr   
 id       time        0.00037139 0.019271        
 id       (Intercept) 9.77814104 3.127002        
 time     treat0      0.09981062 0.315928        
          treat1      1.82667634 1.351546 -0.504 
 Residual             2.70163305 1.643665        
Number of obs: 378, groups: subj, 60; time, 9

Fixed effects:
             Estimate Std. Error t value
(Intercept) 72.786396   0.649285  112.10
time         0.040714   0.005378    7.57
treat1       2.209312   1.040471    2.12

Correlation of Fixed Effects:
       (Intr) time  
time   -0.302       
treat1 -0.575 -0.121

अब मैं परिणाम की व्याख्या करने में हार गया हूं। क्या मैं यह निष्कर्ष निकालने में सही हूं कि दोनों उपचार हृदय गति को प्रभावित करने में भिन्न थे? Treat0 और treat1 के बीच -504 का परस्पर संबंध क्या है?

Comments

इससे पहले कि मैं उत्तर को अपडेट करूं, क्या बार-बार होने वाला कारक है? अर्थात, क्या प्रत्येक विषय को उपचार "a" और उपचार "b" दोनों प्राप्त होता है या यह एक बीच का विषय है?

— मैट अल्ब्रेक्ट

उपचार एक बीच का विषय है। प्रत्येक विषय केवल 1 प्रकार का उपचार प्राप्त करता है। मैंने दो उपचारों को 1 और 0 के रूप में कोडित किया है और उपचार को कारक चर के रूप में सेट किया है।

— बायोस्टैट_न्यूबी

Answer 1

Nlme / lme4 संकुल से lme / lmer फ़ंक्शंस असंतुलित डिज़ाइनों से निपटने में सक्षम हैं। आपको यह सुनिश्चित करना चाहिए कि समय एक संख्यात्मक चर है। आप शायद विभिन्न प्रकार के कर्व्स के लिए भी परीक्षण करना चाहेंगे। कोड कुछ इस तरह दिखेगा:

library(lme4)
#plot data with a plot per person including a regression line for each
xyplot(heart.rate ~ time|id, groups=treatment, type= c("p", "r"), data=heart)

#Mixed effects modelling
#variation in intercept by participant
lmera.1 <- lmer(heart.rate ~ treatment * time + (1|id), data=heart)
#variation in intercept and slope without correlation between the two
lmera.2 <- lmer(heart.rate ~ treatment * time + (1|id) + (0+time|id), data=heart)
#As lmera.1 but with correlation between slope and intercept
lmera.3 <- lmer(heart.rate ~ treatment * time + (1+time|id), data=heart)

#Determine which random effects structure fits the data best
anova(lmera.1, lmera.2, lmera.3)

द्विघात मॉडल प्राप्त करने के लिए "heart.rate ~ उपचार * समय * I (समय ^ 2) + (यादृच्छिक प्रभाव)" सूत्र का उपयोग करें।

अद्यतन:
इस मामले में जहां उपचार एक अंतर-विषय कारक है, मैं ऊपर दिए गए मॉडल विनिर्देशों के साथ रहना चाहूंगा। मुझे नहीं लगता कि शब्द (0 + उपचार | समय) एक है जिसे आप मॉडल में शामिल करना चाहते हैं, मेरे लिए यह इस उदाहरण से कोई मतलब नहीं है कि समय को यादृच्छिक-प्रभाव वाले समूह चर के रूप में माना जाए।

लेकिन आपके सवाल का जवाब देने के लिए "सहसंबंध -0.504 का तात्पर्य treat0 और treat1 के बीच है " यह दो उपचारों के बीच सहसंबंध गुणांक है जहां हर बार समूहन मूल्यों की एक जोड़ी है। यह अधिक समझ में आता है अगर आईडी समूहीकरण कारक है और उपचार एक भीतर-विषय चर है। तब आपके पास दो स्थितियों के अंतर के बीच संबंध का अनुमान है।

मॉडल के बारे में कोई निष्कर्ष निकालने से पहले, इसे lmera.2 से फिर से भरें और REML = F को शामिल करें। फिर "भाषा" पैकेज लोड करें और चलाएं:

plmera.2<-pvals.fnc(lmera.2)
plmera.2

तब आप पी-मान प्राप्त कर सकते हैं, लेकिन इसके बारे में, समय का एक महत्वपूर्ण प्रभाव और उपचार का एक महत्वपूर्ण प्रभाव है।

Comments

जब उन मॉडलों को बनाते समय FALSE करने के लिए एक lmer के REML तर्क को सेट किया जाना चाहिए क्योंकि वे अंततः aova () फ़ंक्शन का उपयोग करके तुलना करेंगे?

— माइक लॉरेंस

संभावना-अनुपात परीक्षण का उपयोग करते हुए मॉडल की तुलना करते समय, आप विभिन्न यादृच्छिक प्रभाव संरचनाओं की तुलना REML (प्रतिबंधित / अवशिष्ट अधिकतम संभावना, जैसे कि ऊपर) का उपयोग करके कर सकते हैं , लेकिन आपको विभिन्न निश्चित प्रभाव मॉडल की तुलना करने के लिए एमएल (अधिकतम संभावना) का उपयोग करना चाहिए ।

— onestop

सर्जरी के दौरान हृदय की दर के माप के नमूने लेने के बाद क्या समय पर इसका असर नहीं होना चाहिए? यदि यह मामला है, तो निम्नलिखित फिट का मतलब होगा (क्योंकि मैं अभी भी lmer फ़ंक्शन पर पढ़ रहा हूं और वाक्यविन्यास को काफी नहीं समझा है)? lmer (हार्ट.रेट ~ ट्रीटमेंट + (1 | id) + (1 + टाइम), डेटा = हार्ट)

— बायोस्टैट_न्यूबी

यादृच्छिक प्रभाव पक्ष पर '(समय आईडी)) शब्द प्रत्येक व्यक्ति के लिए अलग (रैखिक) ढलानों को फिट करने के लिए फ़ंक्शन को बताता है। इसलिए आपके पास एक निश्चित प्रभाव और एक यादृच्छिक प्रभाव दोनों के रूप में समय हो सकता है, लेकिन उनका मतलब अलग-अलग चीजों से है। डगलस बेट्स की पुस्तक में नींद की मिसाल पर एक नज़र डालें: lme4.r-forge.r-project.org/book/Ch4.pdf

— मैट अल्ब्रेक्ट

मुझे समझ नहीं आता कि कैसे दोहराए गए डिजाइनों के लिए, lmerपुराने के बजाय सुझाव दिया जाता है lme। ऐसे रेगिस्तानों में यादृच्छिक प्रभावों को पार किया जाता है, जिनके लिए मुख्य भाग lmerदुर्लभ हैं, लेकिन अक्सर आप अवशिष्ट के सहसंबंध संरचना को मॉडल करना चाहते हैं। जहां तक ​​मैं समझता हूं कि lmerवह समर्थन नहीं करता है लेकिन lmeकरता है। क्या मैं गलत हूं ऐसे मामलों lmerकी तुलना में एक अवर उपकरण है lme?

— एलेफ्सिन