আমি সাধারণ রৈখিক মিশ্র মডেলটিতে এলোমেলো প্রভাবের বৈচিত্রটি কীভাবে ব্যাখ্যা করব

Question

লজিস্টিক জেনারেলাইজড লিনিয়ার মিক্সড মডেল (পরিবার = দ্বিপদী) এ, আমি এলোমেলো প্রভাবগুলির বৈচিত্রটি কীভাবে ব্যাখ্যা করতে পারি তা আমি জানি না:

Random effects:
 Groups   Name        Variance Std.Dev.
 HOSPITAL (Intercept) 0.4295   0.6554  
Number of obs: 2275, groups: HOSPITAL, 14

এই সংখ্যার ফলাফলটিকে আমি কীভাবে ব্যাখ্যা করব?

আমার বহুজাতিক কেন্দ্রের গবেষণায় রেনাল ট্রান্সপ্লান্টেড রোগীদের একটি নমুনা রয়েছে। কেন্দ্রগুলির মধ্যে যদি কোনও নির্দিষ্ট অ্যান্টি-হাইপারপ্রেসিভ চিকিত্সা করা রোগীর চিকিত্সা করার সম্ভাবনা একই রকম হয় তবে আমি পরীক্ষা করছিলাম। চিকিত্সা করা রোগীদের অনুপাত কেন্দ্রগুলির মধ্যে অনেক বেশি পরিবর্তিত হয়, তবে এটি রোগীদের বেসাল বৈশিষ্ট্যের পার্থক্যের কারণে হতে পারে। সুতরাং আমি অনুমান করেছি একটি সাধারণীকরণিত রৈখিক মিশ্র মডেল (লজিস্টিক), প্যাটিয়ানদের মূল বৈশিষ্ট্যগুলি সমন্বয় করে। এটি ফলাফল:

Generalized linear mixed model fit by maximum likelihood ['glmerMod']
 Family: binomial ( logit )
Formula: HTATTO ~ AGE + SEX + BMI + INMUNOTTO + log(SCR) + log(PROTEINUR) + (1 | CENTER) 
   Data: DATOS 

     AIC      BIC   logLik deviance 
1815.888 1867.456 -898.944 1797.888 

Random effects:
 Groups   Name        Variance Std.Dev.
 CENTER (Intercept) 0.4295   0.6554  
Number of obs: 2275, groups: HOSPITAL, 14

Fixed effects:
                           Estimate Std. Error z value Pr(>|z|)    
(Intercept)               -1.804469   0.216661  -8.329  < 2e-16 ***
AGE                       -0.007282   0.004773  -1.526  0.12712    
SEXFemale                 -0.127849   0.134732  -0.949  0.34267    
BMI                        0.015358   0.014521   1.058  0.29021    
INMUNOTTOB                 0.031134   0.142988   0.218  0.82763    
INMUNOTTOC                -0.152468   0.317454  -0.480  0.63102    
log(SCR)                   0.001744   0.195482   0.009  0.99288    
log(PROTEINUR)             0.253084   0.088111   2.872  0.00407 ** 

পরিমাণগত পরিবর্তনশীল কেন্দ্রিক হয়। আমি জানি যে লগ-অডেস স্কেলে ইন্টারসেপ্টের মধ্যে হাসপাতালের মানক বিচ্যুতি 0.6554। কারণ বিরতি -১.৮০৪6969৯, লগ-অডিজেন্স স্কেলে, তারপরে একজন ব্যক্তির এন্টিহাইপার্পেনটিভ, সাধারণত বয়সের সাথে সমস্ত ভেরিয়েবল এবং ইনমুনো ট্রিটমেন্ট এ এর ​​গড় মূল্য সহ, একটি "গড়" কেন্দ্রের জন্য চিকিত্সা হওয়ার সম্ভাবনা 14.1% হয় । এবং এখন ব্যাখ্যাটি শুরু হয়: এলোমেলো প্রভাবগুলি একটি সাধারণ বিতরণ অনুসরণ করে এমন অনুমানের অধীনে, আমরা প্রায় 95% কেন্দ্রের শূন্যের গড়ের 2 স্ট্যান্ডার্ড বিচ্যুতির মধ্যে একটি মান রাখার প্রত্যাশা করব, সুতরাং গড় মানুষের জন্য চিকিত্সা হওয়ার সম্ভাবনা এর কভারেজ ব্যবধান সহ কেন্দ্রগুলির মধ্যে পৃথক হবে:

exp(-1.804469-2*0.6554)/(1+exp(-1.804469-2*0.6554))

exp(-1.804469+2*0.6554)/(1+exp(-1.804469+2*0.6554))

এটা কি সঠিক?

এছাড়াও, যদি কেন্দ্রগুলির মধ্যে পরিবর্তনশীলতা পরিসংখ্যানগতভাবে গুরুত্বপূর্ণ হয় তবে আমি কীভাবে উজ্জ্বলতায় পরীক্ষা করতে পারি? আমি ডোনাল্ড হেদেকারের একটি দুর্দান্ত সফ্টওয়্যার, মিক্সনোর সাথে কাজ করতাম এবং সেখানে আমার অনুমানের বৈকল্পিকের একটি স্ট্যান্ডার্ড ত্রুটি রয়েছে, যা আমার কাছে উজ্জ্বল নয়। একটি কেন্দ্রের ব্যবধান সহ প্রতিটি কেন্দ্রে "গড়পড়তা" লোকের জন্য চিকিত্সা হওয়ার সম্ভাবনা আমি কীভাবে পেতে পারি?

ধন্যবাদ

Answer 1

আপনি যদি আমাদের মডেল সম্পর্কে আরও তথ্য দেখান তবে এটি সম্ভবত সবচেয়ে সহায়ক, তবে: আপনার প্রতিক্রিয়া যাই হোক না কেন এর লগ-প্রতিক্রিয়াগুলির (যেমন মৃত্যুর হার) এর বেসলাইন মান হসপিটাল জুড়ে পরিবর্তিত হয়। বেসলাইন মান (প্রতি-হাসপাতালের ইন্টারসেপ্ট শব্দটি) হ'ল বেসলাইন বিভাগে মৃত্যুর (বা যাই হোক না কেন) লগ-প্রতিক্রিয়া (যেমন "চিকিত্সাবিহীন") কোনও ধ্রুবক ভবিষ্যদ্বাণীকের শূন্যমূল্যে। লগ-প্রতিক্রিয়া স্কেলে এই প্রকরণটি সাধারণত বিতরণ করা হয় বলে ধরে নেওয়া হয়। ইন্টারসেপ্টের মধ্যে হাসপাতালের মানক বিচ্যুতি 0.6554; বৈকল্পিক (কেবলমাত্র স্ট্যান্ডার্ড বিচ্যুতি স্কোয়ার - প্রমিত অনিশ্চয়তার পরিমাপ নয় ) ।$0.6554^2=0.4295$

(আপনি যদি নিজের প্রশ্নটি পরিষ্কার করেন / আপনার মডেল সম্পর্কে আরও বিশদ যুক্ত করেন তবে আমি আরও বলার চেষ্টা করতে পারি))

আপডেট : আপনার ভিন্নতার ব্যাখ্যাটি সঠিক বলে মনে হচ্ছে। আরো স্পষ্ট করে,

cc <- fixef(fitted_model)[1] ## intercept
ss <- sqrt(unlist(VarCorr(fitted_model))) ## random effects SD
plogis(qnorm(c(0.025,0.975),mean=cc,sd=ss))

বেসলাইন (পুরুষ / গড় বয়স / ইত্যাদি) পৃথক পৃথক হাসপাতালে চিকিৎসা পাওয়ার সম্ভাবনাগুলির জন্য আপনাকে 95% ব্যবধান (সত্যিকারের যথেষ্ট আত্মবিশ্বাসের ব্যবধান নয়, তবে খুব অনুরূপ) দেওয়া উচিত।

র্যান্ডম এফেক্টটির তাত্পর্য পরীক্ষা করার জন্য আপনার বিভিন্ন ধরণের পছন্দ রয়েছে ( আরও তথ্যের জন্য http://bbolker.github.io/mixedmodels-misc/glmmFAQ.html দেখুন)। (দ্রষ্টব্য যে একটি আরআর বৈকল্পিকের স্ট্যান্ডার্ড ত্রুটি সাধারণত তাত্পর্যপূর্ণ পরীক্ষা করার কোনও নির্ভরযোগ্য উপায় নয় , যেহেতু নমুনা বিতরণটি প্রায়শই স্কিউ / অ-সাধারণ হয় is) সহজ পদ্ধতির সম্ভাবনা অনুপাত পরীক্ষা করা যেমন, উদাহরণস্বরূপ

pchisq(2*(logLik(fitted_model)-logLik(fitted_model_without_RE)),
       df=1,lower.tail=FALSE)/2

2 দ্বারা চূড়ান্ত বিভাগটি সংশোধন করে যে সম্ভাবনা অনুপাত পরীক্ষাটি রক্ষণশীল হয় যখন নাল মান (অর্থাত্ আর ই আর ভেরিয়েন্স = 0) সম্ভাব্য জায়গার সীমানায় থাকে (অর্থাত্ আরআরই বৈকল্পিক <0 হতে পারে না)।

Comments

আমি প্রশ্নটি সম্পাদনা করেছি

— ব্যবহারকারী 2310909

ধন্যবাদ, বিষয় সম্পর্কে ভাল জানেন এমন কারও কাছে পড়তে পেরে আনন্দিত।

— ব্যবহারকারী 2310909