환자 중 일부를 두 번 이상 측정

10

환자의 인체 측정 방법을 결정하는 임상 연구를 진행하고 있습니다. 환자 당 하나의 측정 값이있는 상황을 처리하는 방법을 알고 있습니다. 나는 어떤 밀도 로부터 임의의 샘플 을 가지고 모델을 만들고 일반적인 것들을 수행합니다. 표본을보고, 매개 변수를 추정하고, 신뢰도를 결정하고, 가설을 테스트하거나, 보스가보고 있지 않은 경우 베이지안 분석을 수행 할 수도 있습니다. ;-) $X_1,\dots,X_n$ $f_\theta$

내 문제는 일부 환자의 경우 측정 도구를 여러 개 보유하고 있다는 것입니다. 가능하면 한 명 이상의 연구원이 측정 장치를 다루는 것이 좋습니다. ). 따라서 일부 환자의 경우 한 연구원이 만든 하나의 측정 값이 있고 다른 샘플 단위의 경우 두 명의 다른 연구원이 만든 두 가지 측정 값 등이 있습니다. 문제의 척도는 특정 피부 주름의 두께입니다.

내 질문 : 어떤 종류의 통계 모델이 내 문제에 적합한가?

inference

— 브론스키
소스

4

관심있는 질문이 특정 연구원 과 관련이 없고 누가 어떤 측정을했는지 알 수있는 정보가 없다면, '연구자'임의 효과 (작은 규모이지만 예를 들어 일관된 편향).

— Glen_b-복지 주 모니카

1

어떤 연구원이 어떤 측정을 수행했는지에 대한 정보가 있습니까? 일부 연구에서 체계적인 오류가 있다고 생각하십니까? 아니면 일부 연구자들이 다른 연구자들보다 더 정확하게 측정합니까?

— user31264

1

실제로, 같은 환자를 거의 동시에 측정하는 연구원들 사이에 큰 차이가 실제로 있습니까?

— EdM

@Glen_b와 마찬가지로 혼합 효과 모델을 살펴 봐야한다고 생각합니다. stats.stackexchange.com/questions/166434/…

1

일반 화성 이론 또는 그의 책인 "일반 화성 이론" (2010, Springer) 에 관한 Brennan (1992)의 논문을 살펴보십시오 . Brennan은 ANOVA를 사용하여 GT에 대해 글을 쓰지만 혼합 모델은 같은 방식으로 사용될 수 있으며 많은 사람들이 더 최근의 방법으로 생각할 것입니다.

교차 분류 된 데이터에 대한 혼합 모델을 생각할 수 있습니다 (예 : Raudenbush, 1993 ). 연구원이 측정 한 명의 환자 가 있고 측정치가 및 대해 로 표시되어 있다고 가정합니다 . 이 경우, 측정은 환자와 연구원 모두에게 영향을 미치며, 환자는 연구원에서 "중첩 됨"(단일 환자에 대한 여러 측정 값)과 환자에서 연구원에 "중첩 됨"(각 환자에 대한 다중 측정 값)이 있으므로 $N$ $R$ $X_{ij}$ $i = 1,...,N$ $j = 1,...,R$

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

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

여기서 은 고정 인터셉트 (데이터가 중앙에 있지 않은 경우)이고 는 환자 랜덤 효과 (random intercept)이고 는 연구원 랜덤 효과이며 는 오류 항입니다. lme4에서 이것은 $\beta_0$ $b_i$ $b_j$ $\varepsilon_{ij}$

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

를 독립 변수로 사용하도록이 접근 방식을 확장 하거나 가변성 소스를 모두 포함하는 계층 적 베이지안 모델을 정의 할 수 있습니다. $X$

— 팀
소스

0

나는 수학적으로 조금만 수학 통계를 제공 할 수 없기 때문에 수학적 모델 만 제공 할 수는 있지만 이것을 찌를 것입니다.

칼만 필터는 다중 입력 및 누락 된 정보로 상태 추정을 처리 할 수 있습니다.

엔지니어에게 이것을 보여 주어야한다면, 측정 기술자 사이에 측정 값의 변동성 도표를 작성하여 운영자 간 변동성이 없음을 보여 주어야합니다. 두 측정을 쌍으로 처리합니다. 통계 사람들은 이것에 능숙합니다. 운영자 간 변동성이 무시할 만하다면 각각의 데이터를 한 줄로 구성 할 수 있습니다.

[... measurement_1 ... 결과]
[... measurement_2 ... 결과]

한 명의 기술자 만 측정하면 한 줄의 데이터 만 표시됩니다.

그렇지 않으면 데이터 내에 운영자 표시를 원합니다.

[... 운전자 이름 측정 ... 결과]

각 연산자가 동일한 측정에서 갖는 차이를 특성화 할 수 있으면 모델에서이를 설명 할 수 있습니다. 운영자의 지표를 제공하지 않으면 변동의 중요한 원인이 될 때 문제가 될 수 있습니다.

데이터 모델은 수학 모델을 알려줍니다. 이 분야에서 GLM의 결과가 좋았다고 생각합니다. http://www.uta.edu/faculty/sawasthi/Statistics/stglm.html

— 학생
소스

0

나는 또한 다른 분야 에서이 질문에 왔습니다. 그럼에도 불구하고 여러 사람이 측정 장치를 사용하게하는 것이 측정 오류를 설명 할 수있는 것처럼 들립니다. 내가하려는 일에 대한 이해가 정확하면 구조 방정식 모델링 (SEM)의 경우처럼 들리므로 모델을 측정 오류없이 실행할 수 있습니다. SFI는 FIML 추정 기술을 사용하는 경우 누락 된 데이터를 설명 할 수 있으므로 누락 된 데이터에 대해 일반적인 가정을해야합니다 (즉, 적어도 임의로 누락 됨). SEM 모델은 RCT 설정에서 점점 더 많이 사용되어 왔기 때문에이 기술을 사용하는 것이 일반적이지 않다고 생각합니다. 내가 가진 질문은 올바르게 식별 가능한 SEM 모델을 만들기에 충분한 정보가 있습니까?

— bfoste01
소스