Ghép nối, đo lặp lại ANOVA hoặc mô hình hỗn hợp?

Tôi đã được yêu cầu phân tích một số dữ liệu từ một thử nghiệm lâm sàng tìm kiếm hai phương pháp đo huyết áp. Tôi có dữ liệu từ 50 đối tượng, mỗi đối tượng có từ 2 đến 57 biện pháp sử dụng từng phương pháp.

Tôi đang tự hỏi làm thế nào tốt nhất để tiến hành.

Rõ ràng tôi cần một giải pháp sẽ giải thích cho thực tế là đo huyết áp được ghép nối (hai phương pháp được đo đồng thời) và cũng là thời gian thay đổi theo thời gian (với số lượng quan sát khác nhau trên mỗi bệnh nhân) cũng như tính toán trong và giữa các bệnh nhân) bệnh nhân bị biến dạng.

Tôi đã nghĩ đến việc bằng cách nào đó ghê sợ điều này thành các biện pháp lặp đi lặp lại ANOVA, nhưng tôi nghĩ rằng nó có thể cần phải là một mô hình hỗn hợp.

Tôi đánh giá cao bất kỳ lời khuyên hữu ích nào bạn có thể cung cấp.

Tôi là một người mới hoàn toàn R nhưng rất hào hứng để phát triển các kỹ năng và tôi có trải nghiệm vừa phải ở Stata nên luôn có thể dựa vào đó.

Tôi không nghĩ rằng bạn có thể dễ dàng làm những gì bạn muốn làm với RM-ANOVA vì số lần lặp lại không giống nhau cho tất cả các môn học. Chạy các mô hình hiệu ứng hỗn hợp rất dễ dàng trong R. Trên thực tế, bằng cách đầu tư một chút thời gian để tìm hiểu các nguyên tắc cơ bản và các lệnh, nó sẽ mở ra rất nhiều khả năng cho bạn. Tôi cũng thấy mô hình hỗn hợp đơn giản hơn nhiều để sử dụng và linh hoạt hơn và hầu như không bao giờ cần phải làm trực tiếp RM-ANOVA. Cuối cùng, hãy xem xét rằng với mô hình hỗn hợp, bạn cũng có thể tính đến cấu trúc hiệp phương sai của phần dư (RM-ANOVA chỉ đơn giản là giả định cấu trúc đường chéo) có thể quan trọng đối với nhiều ứng dụng.

Có hai gói chính cho mô hình hỗn hợp tuyến tính trong R: nlmevà lme4. Các lme4gói này là gói hiện đại hơn, rất phù hợp với các bộ dữ liệu lớn và cả cho các trường hợp bạn xử lý dữ liệu phân cụm. Nlmelà gói cũ hơn và hầu hết không được ủng hộ lme4. Tuy nhiên, đối với các thiết kế biện pháp lặp đi lặp lại, nó vẫn tốt hơn lme4vì chỉ nlmecho phép bạn mô hình hóa cấu trúc hiệp phương sai của phần dư. Cú pháp cơ bản của nlmerất đơn giản. Ví dụ:

fit.1 <- lme(dv ~ x + t, random=~1|subject, cor=corCompSymm())

Ở đây tôi đang mô hình hóa mối quan hệ giữa một biến phụ thuộc dvvà một yếu tố xvà hiệp phương sai liên quan đến thời gian t. Subjectlà một hiệu ứng ngẫu nhiên và tôi đã sử dụng cấu trúc đối xứng hợp chất cho hiệp phương sai của phần dư. Bây giờ bạn có thể dễ dàng nhận được các giá trị p khét tiếng bằng cách:

anova(fit.1)

Cuối cùng, tôi có thể đề nghị bạn đọc thêm về nlme bằng cách sử dụng hướng dẫn tham khảo dứt khoát của nó, Mô hình hiệu ứng hỗn hợp trong S và S-Plus . Một tài liệu tham khảo tốt khác cho người mới bắt đầu là Mô hình hỗn hợp tuyến tính - Hướng dẫn thực hành sử dụng Phần mềm thống kê , tổng hợp rất nhiều ví dụ về các ứng dụng khác nhau của mô hình hỗn hợp với mã trong R, SAS, SPSS, v.v.

Nếu bạn đang tìm kiếm RM-ANOVA với mô hình hỗn hợp bằng cách sử dụng R. Bạn có thể muốn kiểm tra điều này http://blog.gribblelab.org/2009/03/09/repeat-measure-anova-USE-r/ Có những ví dụ tuyệt vời để chứng minh làm thế nào để sử dụng mô hình hỗn hợp để thực hiện RM-ANOVA.

Dựa trên kinh nghiệm của tôi, SAS là một công cụ tốt hơn để đối phó với mô hình hỗn hợp. Nếu bạn đang sử dụng SAS, bạn có thể kiểm tra trợ giúp của SAS "Proc Hỗn hợp" cho RM-ANOVA.