医学生都想学的纵向随访数据分析,你学会了吗? |
您所在的位置:网站首页 › 纵向研究的样本量计算 › 医学生都想学的纵向随访数据分析,你学会了吗? |
作者丨Lily 来源丨医数思维云课堂(ID:Datamedi) 在医学临床实验研究中,我们经常会收集到患者的多次重复测量纵向随访数据,即每一个患者都有多次观测值,这些观测值是在不同时间记录的,观测次数、时间和间隔都不一定一样,且多次观测值都具有潜在相关性,往往在做分析时是我们更需要关注的。 那么问题来了,面对不同于我们经常收集到的横断面数据,该如何处理分析这些纵向数据呢?别急,听小编慢慢道来。 针对纵向随访数据,结合数据特点,应利用线性混合效应模型进行建模。该模型包含了固定效应以及随机效应,其中随机效应描述的是在不同层次的不同水平中,各变量对总体观察变量的贡献。 那针对线性混合效应模型,如何建模分析呢?今天小编推荐R语言当中线性混合效应模型的两个包: 1、nlme包,这是相对成熟的R包,它除了可以分析分层的线性混合效应模型,也可以处理非线性模型。在优势方面,个人认为它可以处理相处复杂的线性和非线性模型,可以定义方差协方差结构,也可以在广义线性模型中定义连接函数。缺点呢,随机效应的定义过于呆板,并且当数据量很大时,速度很慢,也不能处理多元数据。 2、lme4包,相对于nlme包而言,它的运行速度快一点,对于固定效应、随机效应的结构也可以相对更复杂一点。但是不能处理协方差和相关系数结构。 接下来通过案例,让我们更好的理解这个模型: 例:牛奶蛋白质含量这个数据是纵向数据的一个典型的例子。曾经被Diggle,et.al.(2013)等研究过,这个数据关于79头澳大利亚的奶牛牛奶蛋白质含量和三种饲料的关系,对每一头奶牛计划观测19次,每周一次,但是结果得到,有些奶牛观测了19周,有些不到19周,还有最少的观察了12次。 变量名称变量解释 id牛的编号 week第几周 protein蛋白质含量 diet饲料种类:1.barley;2.lunpins;3.mixed 01 数据的基本描述 library(lattice) data_milk |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |