縦方向の変化と欠測
このトピックを完了すると
縦方向データにおける被験者、時間、観測値を区別し、脱落が時間構造と欠測の仮定にどのように影響するかを文書化できるようになります。各時点での単純な平均比較と、被験者内の変化に関する問いを区別します。
繰り返される時間点は独立した標本ではありません
同じ被験者を複数の時間点で測定する場合、被験者内の値は相関しています。分析構造は、研究質問が平均的な時間点の違いに関するものか、個体の変化軌道に関するものかによって異なります。時間間隔、測定順序、脱落を一緒に文書化してください。
縦方向スキーマ
subject_id | time | outcome | exposure | observed
S01 | 0 | ... | A | true
S01 | 1 | ... | A | falseobserved=false単に値がない状態を示すだけであり、欠測の原因を説明するものではありません。被験者が最後の観測後に脱落したのか、測定が失敗したのか、あるいは被験者が研究から除外されたのかを記録する必要があります。
変化と欠測を一緒に見る
欠測が特定の時間点や条件に集中している場合、観測された平均軌道は真の変化と異なる可能性があります。データのみに基づいてMCAR、MAR、またはMNARのラベルを確認しないでください。脱落プロセスと測定理由を確認してください。分析に含まれる被験者の数と、各時点での観測値の数を別々に報告します。
分析の方向性
単純な要約を使用して、各時点でのデータの形状を探ることができます。被験者内相関と群間変動をモデル化するには、混合モデルなどの構造を検討してください。使用する手法にかかわらず、時間単位、ベースライン、欠測処理、外挿範囲を指定してください。
時間と脱落を報告する表
各時間点について、計画被験者数、実際の観測数、新しい脱落数を別々に記録します。全体の欠測率のみを報告すると、どの時間点に脱落が集中したかを知ることはできません。また、条件別の観測数が時間とともに変化しているかどうかを確認してください。
時間は訪問番号、実際の経過時間、またはカテゴリカルな時間点として表現できます。同じtime=1であっても、実際の間隔が異なる場合、変化率の意味が異なる可能性があります。したがって、単位と基準点を指定してください。
解釈のための研究質問への回帰
縦方向の結果は、「時間 1の平均が時間 2の平均と異なる」と「同じ被験者内に変化があった」を区別する必要があります。脱落のあるデータにおいて、観測された被験者のみの軌道を人口全体の変化に拡張しないでください。
一般的な失敗
- 同じ被験者の時間点を独立した標本として数えない。
- 最後の観測値が最終結果であると自動的に仮定しない。
- すべての脱落を同じ欠測原因にグループ化しない。
- データのみに基づいて欠測の仮定を確認しない。
重要なポイント
- 縦方向データには、被験者と時間の間の接続構造がある。
- 脱落は時間構造と欠測の仮定の一部である。
- 平均変化と被験者内変化は異なる問いである。
次のトピック
次のモジュールでは、打ち切り、リスク集合、Kaplan–Meierを用いた生存データを扱います。
参考文献
- statsmodels API: https://www.statsmodels.org/stable/api.html
- Bioconductor OSTA実験デザイン: https://bioconductor.org/books/release/OSTA/pages/bkg-exp-design.html
- pandasユーザーガイド: https://pandas.pydata.org/docs/user_guide/index.html
このモジュールの縦方向スキーマと例は、BioStatPyによって独立して作成されました。