Парные, повторные измерения ANOVA или смешанная модель?

Меня попросили проанализировать некоторые данные клинического испытания, изучив два метода измерения артериального давления. У меня есть данные от 50 субъектов, каждый из которых использует от 2 до 57 измерений, используя каждый метод.

Мне интересно, как лучше поступить.

Очевидно, что мне нужно решение, которое будет учитывать тот факт, что измерение артериального давления является парным (два метода измеряются одновременно), а также изменяющимся во времени ковариатом (с различным числом наблюдений на пациента), а также учитывает внутри- и интер- вариабельность пациента.

Я думал о том, чтобы как-то подкрепить это повторяющимися мерами ANOVA, но я думаю, что может потребоваться смешанный подход к модели.

Буду признателен за любой полезный совет, который вы могли бы предложить.

Я новичок в R, но я очень взволнован, чтобы развивать навыки, и у меня небольшой опыт в Stata, поэтому я всегда могу вернуться к этому.

Я не думаю, что вы можете легко сделать то, что вы хотите сделать с RM-ANOVA, так как количество повторений не одинаково для всех предметов. Запуск моделей со смешанными эффектами в R. очень прост. На самом деле, потратив немного времени на изучение основ и команд, вы откроете для вас много возможностей. Я также нахожу смешанное моделирование намного более простым в использовании и более гибким, и почти никогда не нужно выполнять RM-ANOVA напрямую. Наконец, учтите, что при смешанном моделировании вы можете также учитывать ковариационную структуру невязок (RM-ANOVA просто предполагает диагональную структуру), что может быть важно для многих приложений.

Существует два основных пакета для линейного смешанного моделирования в R: nlmeи lme4. В lme4пакетах являются более современными один , который отлично подходит для больших наборов данных , а также для случаев , вы имеете дело с кластерными данными. Nlmeявляется более старым пакетом и в основном не рекомендуется в пользу lme4. Однако для проектов с повторными измерениями это все же лучше, чем, lme4поскольку nlmeпозволяет моделировать только ковариационную структуру невязок. Основной синтаксис nlmeочень прост. Например:

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

Здесь я моделирую взаимосвязь между зависимой переменной dvи фактором, xа также ковариату, связанной со временем t. Subjectявляется случайным эффектом, и я использовал составную структуру симметрии для ковариации невязок. Теперь вы можете легко получить печально известные значения р:

anova(fit.1)

Наконец, я могу предложить вам больше узнать о nlme, используя его полное справочное руководство « Модели смешанных эффектов в S и S-Plus» . Еще одним хорошим справочником для начинающих является линейные смешанные модели - практическое руководство по использованию статистического программного обеспечения, в котором собраны многочисленные примеры различных приложений смешанного моделирования с кодом на R, SAS, SPSS и т. Д.

Если вы ищете RM-ANOVA со смешанной моделью с помощью R. Вы можете проверить это http://blog.gribblelab.org/2009/03/09/repeated-measures-anova-using-r/ Есть отличные примеры, чтобы продемонстрировать, как использовать смешанную модель для выполнения RM-ANOVA.

Исходя из моего опыта, SAS - лучший инструмент для работы со смешанной моделью. Если вы используете SAS, вы можете проверить справку SAS «Proc Mixed» для RM-ANOVA.