多次测量某些患者

10

我正在进行一项临床研究，以确定患者的人体测量指标。我知道如何处理每个患者只有一个指标的情况：建立模型并随机抽样 $X_1,\dots,X_n$ 从某种密度 $f_\theta$ ，然后我做平常的工作：写出样本的可能性，估计参数，确定置信度集并检验假设，甚至在老板不注意的情况下进行一些贝叶斯分析。;-)

我的问题是，对于某些患者，我们有不止一种措施，因为我们认为，在可能的情况下，由多名研究人员来操纵测量设备是一个好主意（有时我们只有一名研究人员在诊所工作））。因此，对于某些患者，我们由一名研究人员进行一项测量，对于其他样本单位，我们由两名不同研究人员进行两项测量，依此类推。所讨论的度量是特定皮肤褶皱的厚度。

我的问题：哪种统计模型足以解决我的问题？

inference

— 温斯基
source

4

除非感兴趣的问题与特定的研究人员有关，并且您有信息告诉谁进行了哪些测量，否则您可能正在研究具有“研究人员”随机效应的混合模型（这可能解释了诸如研究人员规模较小但一致的偏见）。

— Glen_b-恢复莫妮卡

1

您有哪个研究者进行了哪些测量的信息吗？您是否认为某些研究存在系统错误？还是有些研究人员的测量比其他人更精确？

— user31264

1

实际上，您实际上发现在大约同时测量同一患者的研究人员之间存在很大差异吗？

— EdM

正如@Glen_b我想你应该看看混合效应模型，也许这可能是一个开始：stats.stackexchange.com/questions/166434/...

1

看看布伦南（Brennan（1992））关于可概论的论文或他的书，也称为“可概论”（2010，Springer）。布伦南（Brennan）使用方差分析（ANOVA）撰写了有关GT的文章，但是可以以相同的方式使用混合模型-许多人将其视为更新的方法。

您可能会想到交叉分类数据的混合模型（例如Raudenbush，1993年）。说你有 $N$ 通过测量的患者 $R$ 研究人员，您的测量结果表示为 $X_{ij}$ 对于 $i = 1,...,N$ 和 $j = 1,...,R$ 。在这种情况下，测量对患者和研究人员都有影响，患者在研究人员中“嵌套”（对一个患者有多个度量），研究人员在患者中“嵌套”（对每个患者有多个度量），因此

X_{一世 Ĵ} = β_{0} + b_{一世} + b_{Ĵ} + ε_{一世 Ĵ}

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

哪里 $\beta_0$ 是固定的截距（如果数据未居中）， $b_i$ 是患者的随机效应（随机拦截），并且 $b_j$ 是研究人员的随机效应，而 $\varepsilon_{ij}$ 是一个错误术语。在lme4中，这将是

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

您可以将此方法扩展为使用 $X$ 作为自变量或定义分层贝叶斯模型，其中包括两个可变性源。

— 蒂姆
source

0

尽管我只能提供一个数学模型，但我还是会a之以鼻，因为我有点数学书呆子，但不算统计学家。

卡尔曼滤波器可以处理状态估计与多个输入和丢失的信息。

如果我必须向工程师证明这一点，他们将要求我绘制测量技术人员之间的度量变异性图，以显示操作员之间的变异性。他们会将两个测量值配对。统计人员擅长于此。如果操作员之间的变异性可以忽略不计，那么我可以将我的数据表述为一行。

[...测量_1 ...结果]
[... measurement_2 ...结果]

如果只有一名技术人员进行测量，则只有一行数据

否则，我想在数据中显示一个运算符

[...运营商名称测量...结果]

如果您可以描述每个操作员在同一度量上的差异，那么您可以在模型中加以说明。如果您不提供操作员的指标，那么当它是重要的可变性来源时...可能是个问题。

数据模型为数学模型提供了依据。我认为GLM在这些领域取得了不错的成绩。 http://www.uta.edu/faculty/sawasthi/Statistics/stglm.html

— 研究生
source

0

我也从另一个领域来提出这个问题。无论如何，在我看来，让多个人使用测量设备的目的是为了能够弥补测量误差？如果我对您要做什么的理解是正确的，那么这听起来像是结构方程建模（SEM）的情况，这将使您可以在没有测量误差的情况下运行模型。如果您使用FIML估算技术，则SEM可以考虑丢失的数据，您必须对丢失的数据做出通常的假设（即，至少随机丢失）。SEM模型已在RCT设置中越来越多地使用，因此我认为使用此技术并不罕见。我要问的问题是：您是否有足够的信息来建立可正确识别的SEM模型？

— bfoste01
source