Với các gói Stan và frontend rstanarm
hoặc brms
tôi có thể dễ dàng phân tích dữ liệu theo cách Bayes như tôi đã làm trước đây với các mô hình hỗn hợp như lme
. Trong khi tôi có hầu hết các cuốn sách và bài báo của Kruschke-Gelman-Wagenmakers -vv trên bàn của tôi, những điều này không cho tôi biết cách tóm tắt kết quả cho khán giả y khoa, bị giằng xé giữa cơn thịnh nộ của Skylla of Bayesian và Charybdis của các nhà phê bình y tế ( "Chúng tôi muốn có ý nghĩa, không phải là thứ khuếch tán").
Một ví dụ: Tần số dạ dày (1 / phút) được đo theo ba nhóm; kiểm soát sức khỏe là tài liệu tham khảo. Có một số phép đo cho mỗi người tham gia, vì vậy tôi thường sử dụng mô hình hỗn hợp sau lme
:
summary(lme(freq_min~ group, random = ~1|study_id, data = mo))
Kết quả được chỉnh sửa một chút:
Fixed effects: freq_min ~ group
Value Std.Error DF t-value p-value
(Intercept) 2.712 0.0804 70 33.7 0.0000
groupno_symptoms 0.353 0.1180 27 3.0 0.0058
groupwith_symptoms 0.195 0.1174 27 1.7 0.1086
Để đơn giản, tôi sẽ sử dụng lỗi 2 * std là 95% CI.
Trong bối cảnh thường xuyên, tôi sẽ tóm tắt điều này là:
- Trong nhóm kiểm soát, tần suất ước tính là 2,7 / phút (có thể thêm CI ở đây, nhưng đôi khi tôi tránh điều này vì sự nhầm lẫn được tạo bởi CI tuyệt đối và khác biệt).
- Trong nhóm no_sym Triệu, tần số cao hơn 0,4 / phút, CI (0,11 đến 0,59) / phút, p = 0,006 so với kiểm soát.
- Trong nhóm with_sym Triệu, tần số cao hơn 0,2 / phút, CI (-0,04 đến 0,4) / phút, p = 0,11 so với kiểm soát.
Đây là về độ phức tạp tối đa có thể chấp nhận được đối với một ấn phẩm y tế, người đánh giá có thể sẽ yêu cầu tôi thêm "không đáng kể" trong trường hợp thứ hai.
Đây là tương tự với stan_lmer
và linh mục mặc định.
freq_stan = stan_lmer(freq_min~ group + (1|study_id), data = mo)
contrast lower_CredI frequency upper_CredI
(Intercept) 2.58322 2.714 2.846
groupno_symptoms 0.15579 0.346 0.535
groupwith_symptoms -0.00382 0.188 0.384
trong đó CredI là khoảng tin cậy 90% (xem họa tiết rctarm tại sao 90% được sử dụng làm mặc định.)
Câu hỏi:
- Làm thế nào để dịch bản tóm tắt ở trên sang thế giới Bayes?
- Đến mức độ nào là cần thảo luận trước? Tôi khá chắc chắn rằng bài báo sẽ trở lại với "giả định chủ quan" thông thường khi tôi đề cập đến các linh mục; hoặc ít nhất là với "không thảo luận kỹ thuật, xin vui lòng". Nhưng tất cả các nhà chức trách Bayes yêu cầu giải thích chỉ có giá trị trong bối cảnh của các linh mục.
- Làm thế nào tôi có thể cung cấp một số "ý nghĩa" thay thế trong công thức, mà không phản bội các khái niệm Bayes? Một cái gì đó như "khác biệt đáng tin cậy" (uuuh ...) hoặc gần như khác biệt đáng tin cậy (buoha ..., nghe giống như "ở tầm quan trọng).
Jonah Gabry và Ben Goodrich (2016). rstanarm: Mô hình hồi quy ứng dụng Bayes thông qua Stan. Gói R phiên bản 2.9.0-3. https://CRAN.R-project.org/package=rstanarm
Nhóm phát triển Stan (2015). Stan: Thư viện C ++ về Xác suất và Lấy mẫu, Phiên bản 2.8.0. URL http://mc-stan.org/ .
Paul-Christian Buerkner (2016). brms: Mô hình hồi quy Bayes sử dụng Stan. Gói R phiên bản 0.8.0. https://CRAN.R-project.org/package=brms
Pinheiro J, Bates D, DebRoy S, Sarkar D và R Core Team (2016). nlme: Mô hình hiệu ứng hỗn hợp tuyến tính và phi tuyến . Gói R phiên bản 3.1-124, http://CRAN.R-project.org/package=nlme>.
group_nosymptoms
và sau đó nói xác suất của nó là âm 1 / draws
. Nhưng đối với việc đánh chặn, chuỗi sẽ không bao giờ đi vào lãnh thổ tiêu cực đối với những dữ liệu này, vì vậy tôi đoán bạn có thể nói xác suất ít hơn 1 / draws
.
mean(as.matrix(freq_stan)[,"groupwith_symptoms"] < 0)
.