कुछ रोगियों को एक से अधिक बार मापना

Question

मैं एक नैदानिक ​​अध्ययन कर रहा हूँ जहाँ मैं रोगियों के मानवजनित माप का निर्धारण करता हूँ। मैं जानता हूं कि उस स्थिति को कैसे संभालना है जहां मेरे पास प्रति रोगी एक उपाय है: मैं एक मॉडल बनाता हूं, जहां मेरे पास एक यादृच्छिक नमूना है$X_1,\dots,X_n$ कुछ घनत्व से $f_\theta$, और मैं सामान्य सामान करता हूं: नमूना की संभावना लिखें, मापदंडों का अनुमान लगाएं, आत्मविश्वास सेट का निर्धारण करें, और परिकल्पना का परीक्षण करें, या यहां तक ​​कि कुछ बायेसियन विश्लेषण भी करें यदि बॉस नहीं देख रहा है। ;-)

मेरी समस्या यह है कि कुछ रोगियों के लिए हमारे पास एक से अधिक उपाय हैं, क्योंकि हमारा मानना ​​है कि माप उपकरण को संभालने वाले एक से अधिक शोधकर्ता के लिए यह एक अच्छा विचार है, जब यह संभव है (कुछ समय हमारे पास क्लिनिक में काम करने वाले सिर्फ एक शोधकर्ता हैं )। इसलिए, कुछ रोगियों के लिए हमारे पास एक शोधकर्ता द्वारा किए गए एक उपाय हैं, अन्य नमूना इकाइयों के लिए हमारे पास दो अलग-अलग शोधकर्ताओं द्वारा किए गए दो उपाय हैं, और इसी तरह। प्रश्न में माप एक विशिष्ट त्वचा गुना की मोटाई है।

मेरा प्रश्न: मेरी समस्या के लिए किस प्रकार का सांख्यिकीय मॉडल पर्याप्त है?

Comments

जब तक रुचि के सवाल विशिष्ट शोधकर्ताओं से संबंधित नहीं होते हैं , और आपके पास यह बताने के लिए जानकारी होती है कि किसने किस माप को बनाया है, तो आप मिश्रित मॉडल को देख सकते हैं, जिसमें 'शोधकर्ता' यादृच्छिक प्रभाव होता है (जो एक शोधकर्ता की छोटी चीजों की तरह हो सकता है लेकिन सुसंगत पक्षपात, उदाहरण के लिए)।

— Glen_b -Reinstate Monica

क्या आपने इस बात की जानकारी दी है कि किस शोधकर्ता ने कौन सा माप किया? क्या आपको लगता है कि कुछ शोध व्यवस्थित त्रुटियां करते हैं? या कि कुछ शोधकर्ता दूसरों की तुलना में अधिक सटीक मापते हैं?

— user31264

व्यवहार में, क्या आप वास्तव में एक ही समय में एक ही रोगी को मापने वाले शोधकर्ताओं के बीच बड़े अंतर पाते हैं?

— ईडीएम

जैसा कि @Glen_b मुझे लगता है कि आपको मिश्रित प्रभाव वाले मॉडल को देखना चाहिए, शायद यह एक शुरुआत हो सकती है: आंकड़े.stackexchange.com/questions/166434/…

Answer 1

जनरलनेबिलिटी थ्योरी या उनकी किताब पर ब्रेनन (1992) के पेपर पर एक नज़र डालें , जिसका शीर्षक भी "सामान्यता सिद्धांत" (2010, स्प्रिंगर) है। ब्रेनन एएनओवीए का उपयोग करके जीटी के बारे में लिखते हैं, लेकिन मिश्रित मॉडल का उपयोग उसी तरह किया जा सकता है - और कई उन्हें अधिक हालिया विधि के रूप में मानेंगे।

आप क्रॉस-वर्गीकृत डेटा (उदाहरण के लिए राउडेनबश, 1993 ) के लिए एक मिश्रित मॉडल के बारे में सोच सकते हैं । बोलो तुम्हारे पास है$N$ रोगियों द्वारा मापा जाता है $R$ शोधकर्ताओं, और आपके माप को निरूपित किया जाता है $X_{ij}$ के लिये $i = 1,...,N$ तथा $j = 1,...,R$। इस मामले में, माप में रोगियों और शोधकर्ताओं दोनों का प्रभाव होता है, रोगियों में "नेस्टेड" शोधकर्ताओं में (एकल रोगी के लिए कई उपाय) और शोधकर्ताओं ने रोगियों में "नेस्टेड" (प्रत्येक रोगी के लिए कई माप) के साथ, इसलिए

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

कहाँ पे $\beta_0$ एक निश्चित अवरोधन है (यदि डेटा केंद्रित नहीं है), $b_i$ रोगी यादृच्छिक प्रभाव (यादृच्छिक अवरोधन) और है $b_j$ एक शोधकर्ता यादृच्छिक प्रभाव है, जबकि $\varepsilon_{ij}$एक त्रुटि शब्द है। Lme4 में यह होगा

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

आप इस दृष्टिकोण का उपयोग करने के लिए विस्तार कर सकते हैं $X$ एक स्वतंत्र चर के रूप में या एक पदानुक्रमित बायेसियन मॉडल परिभाषित करें जहां आप परिवर्तनशीलता के दोनों स्रोतों को शामिल करते हैं।

Answer 2

मैं इस पर एक प्रहार लूंगा, भले ही मैं केवल एक गणितीय मॉडल प्रदान कर सकता हूं, क्योंकि मैं एक गणित नीरद हूं, लेकिन एक सांख्यिकीविद् नहीं।

कलमन फिल्टर राज्य-आकलन को कई इनपुट और गुम सूचनाओं के साथ संभाल सकते हैं।

अगर मुझे इंजीनियरों को यह दिखाना होता, तो उन्हें मापने के लिए तकनीशियनों के बीच परिवर्तनशीलता के उपाय करने की आवश्यकता होती, ताकि कोई ऑपरेटर-टू-ऑपरेटर परिवर्तनशीलता न हो। वे दो मापों को युग्मित मानेंगे। इस पर स्टैट्स के लोग अच्छे हैं। यदि ऑपरेटर-टू-ऑपरेटर परिवर्तनशीलता नगण्य थी, तो मैं एक लाइन के रूप में प्रत्येक के साथ अपना डेटा तैयार कर सकता था।

• [... मापक १ ... परिणाम]
• [... माप 2 ... परिणाम]

यदि केवल एक तकनीशियन ने माप किया तो डेटा की केवल एक पंक्ति होगी

अन्यथा, मैं डेटा के भीतर ऑपरेटर का संकेत देना चाहता हूं

• [... ओपेराटॉर्नाम माप ... परिणाम]

यदि आप प्रत्येक माप में प्रत्येक ऑपरेटर के अंतर को चिह्नित कर सकते हैं, तो आप इसे अपने मॉडल में देख सकते हैं। यदि आप ऑपरेटर के एक संकेतक की आपूर्ति नहीं करते हैं, जब यह परिवर्तनशीलता का एक महत्वपूर्ण स्रोत है ... जो एक समस्या हो सकती है।

डेटा मॉडल गणितीय मॉडल को सूचित करता है। मुझे लगता है कि इन क्षेत्रों में GLM के अच्छे परिणाम आए हैं। http://www.uta.edu/faculty/sawasthi/Statistics/stglm.html

Answer 3

मैं एक अलग क्षेत्र से भी इस सवाल पर आ रहा हूं। इसके बावजूद, यह मुझे लगता है कि कई लोग माप उपकरण का उपयोग करने के उद्देश्य से माप त्रुटि के लिए खाते में सक्षम हो सकते हैं? यदि आप क्या करने की कोशिश कर रहे हैं, तो मेरी समझ में यह सही है, तो यह संरचनात्मक समीकरण मॉडलिंग (SEM) के लिए एक मामले की तरह लगता है, जो आपको माप त्रुटि से मुक्त अपना मॉडल चलाने की अनुमति देगा। यदि आप FIML अनुमान तकनीकों का उपयोग करते हैं, तो SEM गुम डेटा की जानकारी दे सकता है, आपको लापता डेटा (यानी, कम से कम यादृच्छिक रूप से गायब) के बारे में सामान्य धारणा बनानी होगी। SEM मॉडल आरसीटी सेटिंग्स में तेजी से उपयोग किए गए हैं, इसलिए मुझे नहीं लगता कि इस तकनीक का उपयोग करना असामान्य होगा। प्रश्न मेरे पास है: क्या आपके पास एक उचित पहचान योग्य SEM मॉडल बनाने के लिए पर्याप्त जानकारी है?