ANOVA abbinato, misure ripetute o un modello misto?

Mi è stato chiesto di analizzare alcuni dati di uno studio clinico alla ricerca di due metodi per misurare la pressione sanguigna. Ho dati da 50 soggetti, ciascuno con tra 2 e 57 misure usando ciascun metodo.

Mi chiedo come procedere al meglio.

Ovviamente ho bisogno di una soluzione che spieghi il fatto che la misura della pressione sanguigna è accoppiata (due metodi misurati contemporaneamente) e anche una covariata che varia nel tempo (con un numero variabile di osservazioni per paziente), nonché una spiegazione per intra- e inter- variabilità del paziente.

Stavo pensando di in qualche modo scarpare questo in misure ripetute ANOVA, ma sto pensando che potrebbe essere necessario un approccio misto.

Apprezzerei qualsiasi consiglio utile che potresti offrire.

Sono un principiante R completo ma sono molto entusiasta di sviluppare abilità e ho una moderata esperienza in Stata, quindi potrei sempre ricorrere a questo.

Non penso che tu possa fare facilmente quello che vuoi fare con RM-ANOVA poiché il numero delle ripetizioni non è lo stesso per tutte le materie. Eseguire modelli a effetti misti è molto semplice in R. In effetti, investendo un po 'di tempo per imparare i fondamenti e i comandi, ti apriranno molte possibilità. Trovo anche che la modellazione mista sia molto più semplice da usare e più flessibile e quasi mai debba fare direttamente RM-ANOVA. Infine, considera che con la modellazione mista puoi anche tenere conto della struttura di covarianza dei residui (RM-ANOVA assume semplicemente una struttura diagonale) che può essere importante per molte applicazioni.

Esistono due pacchetti principali per la modellazione mista lineare in R: nlmee lme4. I lme4pacchetti sono i più moderni, ideali per set di dati di grandi dimensioni e anche per i casi in cui si gestiscono dati cluster. Nlmeè il pacchetto precedente ed è per lo più deprecato a favore di lme4. Tuttavia, per i disegni a misure ripetute è ancora meglio che lme4poiché nlmeconsente solo di modellare la struttura di covarianza dei residui. La sintassi di base di nlmeè molto semplice. Per esempio:

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

Qui sto modellando la relazione tra una variabile dipendente dve un fattore xe la covariata legata al tempo t. Subjectè un effetto casuale e ho usato una struttura di simmetria composta per la covarianza dei residui. Ora puoi facilmente ottenere i famigerati valori p:

anova(fit.1)

Infine, posso suggerirti di leggere di più su nlme usando la sua guida di riferimento definitiva, Modelli di effetti misti in S e S-Plus . Un altro buon riferimento per i principianti è Linear Mixed Models - una guida pratica che utilizza software statistico che raccoglie molti esempi di diverse applicazioni di modellazione mista con codice in R, SAS, SPSS, ecc.

Se stai cercando RM-ANOVA con un modello misto usando R. Potresti dare un'occhiata a questo http://blog.gribblelab.org/2009/03/09/repeated-measures-anova-using-r/ Ci sono ottimi esempi per dimostrare come utilizzare il modello misto per realizzare l'RM-ANOVA.

Sulla base della mia esperienza, SAS è uno strumento migliore per gestire il modello misto. Se si utilizza SAS, è possibile consultare la guida SAS "Proc Mixed" per RM-ANOVA.