Discussion :

[Lenes0]

Bonjour à tous,
j'ai effectué une imputation multiple sur mes données (10 datasets, 10 itérations).

Je souhaite présenter les caractéristiques de mes patients (Tableau 1) avec les données imputées en fonction de la survenue d'un évènement (colonne 1 = évènement Non, colonne 2= évènement Oui) . J'obtiens mon tableau avec mes pourcentages, médiane et interquartile sans difficulté ...
Mon problème se situe dans les tests statistiques pour comparer ces deux groupes (évènement oui vs. évènement non).
J'effectue facilement mes Chi2 sur mes différents datasets, mais d'après ce que j'ai compris, une moyenne de mes p-values serait fausse.
Il faudrait combiner les p-values en une p-value (voir article https://doi.org/10.1186/1471-2288-9-57), ce que fait d'ailleurs la macro SAS CombChi (https://statisticalhorizons.com/wp-c...ds/combchi.sas).
En réalisant ce qui est dit dans l'article, j'obtiens parfois des p-values qui n'ont réellement rien à voir avec chacune des p-values des 10 datasets (exemple : p-value de chaque datasets <0.001, vs. p-value=0.984 après combinaison ...).

Qu'en pensez-vous ?
Comment faites-vous pour obtenir des p-values combinées après imputation multiple ? Des PROC MIANALYZE existent peut-être?

Merci d'avance pour votre aide.

[Lenes0]

Finalement, je me suis trompée en prenant les p-values à la place des statistiques du khi2 ...
La macro SAS CombChi fonctionne donc bien.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
%macro combchi(df=,chi=);
/******************************************************************************
Version 1.0, 4-27-00
 
This is a BETA version. USE AT YOUR OWN RISK!. Report any errors, problems
or questions to the e-mail address below. The latest version of this macro
can be found at the web site below:
 
Author:  Paul D. Allison, University of Pennsylvania
         <a href="mailto:allison@ssc.upenn.edu">allison@ssc.upenn.edu</a>
         <a href="http://www.ssc.upenn.edu/~allison/" target="_blank">http://www.ssc.upenn.edu/~allison/</a>
 
MACRO COMBCHI combines chi-square statistics from an analysis of several data
sets created by multiple imputation, using the method described on p. 115 of
 
Schafer, J.L. (1997) Analysis of Incomplete Multivariate Data.  London: 
   Chapman and Hall. 
 
The chi-square statistics can be either Wald statistics or likelihood ratio
statistics.  All that's needed are the several chi-square values and the
segrees of freedom. 
 
COMBCHI requires the installation of IML.
 
Example of usage:
 
Suppose a 3 d.f. test on four data sets produces chi-squares of 5.8, 7.2,
6.1 and 8.5.  Submit the statement:
 
   %combchi(df=3, chi=5.8 7.2 6.1 8.5)
 
The following output is printed
 
                 F        DF       DDF
         2.1201613         3 342.22381
                      P
                   0.0974097
 
The macro calculates an F-statistic of 2.12 with 3 and 342 degrees of freedom.  
The associated p-value is .097.
 
*****************************************************************************/
proc iml;
  df=&df;
  g2={&chi};
  m=ncol(g2);
  g=sqrt(g2);
  mg2=sum(g2)/m;
  r=(1+1/m)*(ssq(g)-(sum(g)**2)/m)/(m-1);
  f=(mg2/df - r*(m-1)/(m+1))/(1+r);
  ddf=(m-1)*(1+1/r)**2/df**(3/m);
  p=1-probf(f,df,ddf);
  print f df ddf;
  print p;
run;
%mend combchi;