Proc mixed et analyse de variance [Résolu]

[mathis86]

Bonjour à tous,

Je doit faire une analyse de varaiance sur données répétées. Comme il y a des données manquantes je ne peux utiliser glm, j'utilise à la place proc mixed.
On mesure une variable A (quantitative) sur pllusieurs sujets à différents instants.
FR : variable à expliquée quantitative répétée sur chaque sujet
tmp : instants de mesure (1,2,3,4,5). Variable qualitative fixe
Intubationrecod : variable qualitative fixe (oui/non) indicatrice d'un état, ça peut correspondre à une variable groupe (je n'ais pas le même nombre d'individu par groupe, est-ce que ça peut poser un problème?)

le but final : Savoir si les groupes oui, ont des variation dans le temps identiques ou pas.

Voici mes modèles :

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
proc mixed DATA=b.fr1;
title 'modele 2';
class sujet Intubationrecod tmp;
model FR=Intubationrecod tmp Intubationrecod*tmp;/*/ddfm=KR;*/
random sujet(Intubationrecod);
repeated/ GROUP=intubationrecod;/*option repeated lorsque les observ ne sont pas indépendante*/
run;
 
 
proc mixed DATA=b.fr1;
title 'modele 3';
class sujet Intubationrecod tmp;
model FR=Intubationrecod tmp /*Intubationrecod*tmp*/;
repeated/ subject=sujet type=un;
run;

Mes principales questions :
ma démarche est-elle la bonne
doit-je inclure le sujet comme un effet aléaoire ou pas?
Faut-il ajouter l'instruction repeated et si oui Comment la remplir ?
Lequel de mes modèles est le plus exacte?

Merci

[olivier.decourt]

Bonjour.
On peut obtenir presque exactement les mêmes matrices de variance/covariance (pour certains cas simples) avec RANDOM et REPEATED. Mais il vaut mieux utiliser REPEATED dans le cas de données répétées, comme ici.
Je vote donc pour le modèle 3.
J'y ajouterais DDFM=KR (que j'inclus systématiquement) et l'interaction temps*X pour voir si elle est significative.

Dans REPEATED, en plus de SUBJECT et TYPE=UN, je mettrais VCORR pour avoir une idée des corrélations entre différents temps pour le 1er sujet. Ca donnerait des pistes pour simplifier le modèle avec d'autres structures de variance : TYPE=AR(1), TYPE=CS, TYPE=TOEP (je suppose que tes mesures sont espacées régulièrement dans le temps). Selon les explications médicales pour pourraient justifier telle ou telle structure, on comparera ensuite les critères (AIC, BIC) entre les modèles pour opter pour la meilleure structure à utiliser.
A ce moment-là, et à ce moment-là seulement, on pourra passer à l'analyse de variance proprement dite (tests de type 3, LSMEANS, etc.).

J'ajoute qu'en plus d'être quanti, la variable FR devrait suivre une loi normale pour être dans les clous.

Bon courage.
Olivier

[mathis86]

La matrice de correlation est la suivante

Code :

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
Estimated R Correlation
                                         Matrix FOR sujet 1
 
                                     Row        Col1        Col2
 
                                       1      1.0000      0.6676
                                       2      0.6676      1.0000
 
 
                                  Covariance Parameter Estimates
 
                                  Cov Parm    Subject    Estimate
 
                                  UN(1,1)     sujet       41.1799
                                  UN(2,1)     sujet       22.7933
                                  UN(2,2)     sujet       28.3039
                                  UN(3,1)     sujet       15.9931
                                  UN(3,2)     sujet       13.2653
                                  UN(3,3)     sujet       17.7238
                                  UN(4,1)     sujet        9.8632
                                  UN(4,2)     sujet       12.8360
                                  UN(4,3)     sujet       11.1574
                                  UN(4,4)     sujet       27.5998
                                  UN(5,1)     sujet       13.3971
                                  UN(5,2)     sujet       13.7781
                                  UN(5,3)     sujet        9.1933
                                  UN(5,4)     sujet       10.6798
                                  UN(5,5)     sujet       18.4999

Quelle structure pourait mieux convenir (en effets les mesures sont espacés régulièrement dans le temps).
Comment interpréter les résultas du test de type 3?
Je voudrais pouvoir comparer les groupes entre eux globalement et aussi à chaque instant

Merci pour votre aide

[Manoutz]

Bonjour,

En complément du message d'Olivier, je proposerais de retirer la variable Intubationrecod (à ce que je comprends ton intérêt se porte sur une seule modalité, donc il n'est pas utile de complexifier le modèle, il suffit juste de filtrer les "oui"). En ce qui concerne le choix de la matrice de covariance, je passerais par le test du maximum de vraisemblance qui permet de tester si la perte d'information est significative ou pas lorsque l'on passe à une écriture plus simple. Et pour le choix de la simplification de matrice de variance covariance (ou les choix, on peut en tester plusieurs dans des modèles distincts), je me baserais sur

http://courses.ttu.edu/isqs5349-west...structures.htm

en fonction de tes valeurs présentes dans ton précédent post.

[mathis86]

qu'est ce que vous voulez dire par "filtrer les oui". Ce que je veux c'est étudier la variation intra en fonctions du temps, je veux savoir sil elle est identique pour les personnes intubées (intubation =oui) et celles qui ne le sont pas.

Je te remercie pour tes conseils

[Manoutz]

Ma remarque faisait conséquence au fait que j'avais compris que ton objectif se portait uniquement sur les intubés. En ce sens, inutile de mettre les non intubés dans le modèle. Mais avec ta clarification cette remarque n'a plus lieu.

En revanche l'utilisation de l'option group= en complément de subject= et type= peut être informative. Tu auras alors deux estimations de matrice variance covariance (une pour le groupe oui, une pour le groupe non). La structure de la matrice (le type=) sera par contre identique au deux groupes.