স্ট্যান এবং ফ্রন্টএন্ড প্যাকেজগুলির সাথে rstanarm
বা brms
আমি মিশ্র-মডেলগুলির মতো আগে যেমন করেছি তেমন সহজেই বায়েশিয়ান পদ্ধতিতে ডেটা বিশ্লেষণ করতে পারি lme
। আমার ডেস্কে ক্রুশকে-গেলম্যান-ওয়াগেনমেকারস-ইত্যাদির বেশিরভাগ বই এবং নিবন্ধগুলি থাকা সত্ত্বেও এগুলি আমাকে কীভাবে চিকিত্সা দর্শকদের জন্য ফলাফলগুলি সংক্ষিপ্ত করতে হবে তা জানায় না, বায়সিয়ানদের ক্রোধের স্কাইলা এবং চিকিত্সা পর্যালোচকদের চ্যারিবিডিসের মধ্যে ছেঁড়া ( "আমরা তাত্পর্যগুলি চাই, না যে ছড়িয়ে পড়া জিনিসগুলি"।
উদাহরণ: গ্যাস্ট্রিক ফ্রিকোয়েন্সি (1 / মিনিট) তিনটি গ্রুপে পরিমাপ করা হয়; স্বাস্থ্যকর নিয়ন্ত্রণ হল রেফারেন্স। প্রতিটি অংশগ্রহণকারীর জন্য বেশ কয়েকটি পরিমাপ রয়েছে, তাই fre লা ঘনঘন বিশেষজ্ঞ আমি নিম্নলিখিত মিশ্র-মডেলটি ব্যবহার করেছি lme
:
summary(lme(freq_min~ group, random = ~1|study_id, data = mo))
সামান্য সম্পাদিত ফলাফল:
Fixed effects: freq_min ~ group
Value Std.Error DF t-value p-value
(Intercept) 2.712 0.0804 70 33.7 0.0000
groupno_symptoms 0.353 0.1180 27 3.0 0.0058
groupwith_symptoms 0.195 0.1174 27 1.7 0.1086
সরলতার জন্য, আমি 95% সিআই হিসাবে 2 * স্ট্যান্ড ত্রুটি ব্যবহার করব।
ঘন ঘনবাদী প্রসঙ্গে, আমি এটিকে সংক্ষেপে বলতাম:
- নিয়ন্ত্রণ গোষ্ঠীতে আনুমানিক ফ্রিকোয়েন্সি ছিল ২. / / মিনিট (সম্ভবত সিআই যোগ করুন এখানে, তবে আমি কখনও কখনও এটিকে এড়িয়ে চলে নিরঙ্কুশ এবং পার্থক্য সিআই দ্বারা সৃষ্ট বিভ্রান্তির কারণে)।
- নো-সাইটিস গ্রুপে, নিয়ন্ত্রণের চেয়ে ফ্রিকোয়েন্সি 0.4 / মিনিট, সিআই (0.11 থেকে 0.59) / মিনিট, পি = 0.006 দ্বারা বেশি ছিল।
- সহ-লক্ষণ গ্রুপে, ফ্রিকোয়েন্সি নিয়ন্ত্রণের চেয়ে 0.2 / মিনিট, সিআই (-0.04 থেকে 0.4) / মিনিট, পি = 0.11 দ্বারা বেশি ছিল।
এটি একটি মেডিকেল প্রকাশনার সর্বাধিক গ্রহণযোগ্য জটিলতা সম্পর্কে, পর্যালোচক সম্ভবত দ্বিতীয় ক্ষেত্রে "তাত্পর্যপূর্ণ নয়" যুক্ত করতে বলবেন।
এখানে stan_lmer
এবং ডিফল্ট প্রিরিয়ারগুলির সাথে একই ।
freq_stan = stan_lmer(freq_min~ group + (1|study_id), data = mo)
contrast lower_CredI frequency upper_CredI
(Intercept) 2.58322 2.714 2.846
groupno_symptoms 0.15579 0.346 0.535
groupwith_symptoms -0.00382 0.188 0.384
যেখানে ক্রেডিআই হ'ল 90% বিশ্বাসযোগ্য ব্যবধান (প্রথম বারের জন্য 90% ডিফল্ট হিসাবে কেন ব্যবহৃত হয় তার প্রথম চিত্র দেখুন))
প্রশ্নাবলী:
- উপরের সংক্ষিপ্ত বিবরণটি বায়েশিয়ান বিশ্বে কীভাবে অনুবাদ করবেন?
- পূর্ব-আলোচনার কতটুকু প্রয়োজন? আমি পুরোপুরি নিশ্চিত যে যখন প্রিয়ারদের উল্লেখ করব তখন কাগজটি স্বাভাবিক "সাবজেক্টিভ অনুমান" নিয়ে ফিরে আসবে; বা কমপক্ষে "কোনও প্রযুক্তিগত আলোচনা নয়, দয়া করে" তবে সমস্ত বায়েশিয়ার কর্তৃপক্ষ অনুরোধ করে যে ব্যাখ্যাটি কেবল প্রবীণদের প্রসঙ্গেই বৈধ।
- বায়েশিয়ান ধারণাগুলি বিশ্বাসঘাতকতা না করে আমি কীভাবে সূত্রের কিছু "তাত্পর্য" সারোগেট সরবরাহ করতে পারি? "বিশ্বাসযোগ্যভাবে পৃথক" (উউউহ ...) বা প্রায় বিশ্বাসযোগ্যভাবে আলাদা (বুওহা ..., "" তাত্পর্যের প্রান্তে) এর মতো কিছু লাগে thing
জোনাহ গ্যাব্রি এবং বেন গুডরিচ (২০১))। আর্টনার্ম: স্ট্যানের মাধ্যমে বায়েসিয়ান অ্যাপ্লাইড রিগ্রেশন মডেলিং। আর প্যাকেজ সংস্করণ 2.9.0-3। https://CRAN.R-project.org/package=rstanarm
স্ট্যান ডেভলপমেন্ট টিম (2015)। স্ট্যান: সম্ভাব্যতা এবং নমুনা দেওয়ার জন্য একটি সি ++ গ্রন্থাগার, সংস্করণ ২.৮.০। ইউআরএল http://mc-stan.org/ ।
পল-খ্রিস্টান বুয়ার্কনার (২০১))। brms: স্ট্যান ব্যবহার করে বয়েসিয়ান রিগ্রেশন মডেল। আর প্যাকেজ সংস্করণ 0.8.0। https://CRAN.R-project.org/package=brms
পিনহেরো জে, বেটস ডি, দেবরোয় এস, সরকার ডি এবং আর কোর টিম (২০১ 2016)। nlme: লিনিয়ার এবং ননলাইনার মিশ্রিত প্রভাব মডেল । আর প্যাকেজ সংস্করণ 3.1-124, http://CRAN.R-project.org/package=nlme>।
group_nosymptoms
এবং তারপরে বলতে পারেন এটির নেতিবাচক হওয়ার সম্ভাবনা 1 / draws
। তবে বাধা দেওয়ার জন্য, চেইন কখনই এই ডেটাগুলির জন্য নেতিবাচক অঞ্চলে ঘুরে বেড়াতে পারে না, সুতরাং আমি অনুমান করি আপনি সম্ভবত এটির চেয়ে কম বলবেন 1 / draws
।
mean(as.matrix(freq_stan)[,"groupwith_symptoms"] < 0)
।