タグ付けされた質問 「absolute-risk」

先日、疫学者と相談しました。彼女は疫学の公衆衛生学の学位を持つMDであり、統計に精通しています。彼女は研究フェローと居住者を指導し、統計上の問題について支援します。彼女は仮説検定をよく理解しています。彼女は、うっ血性心不全（CHF）の発症に関連するリスクに違いがあるかどうかを確認するために、2つのグループを比較するという典型的な問題を抱えていました。彼女は、CHFを獲得した被験者の割合の平均差をテストしました。p値は0.08でした。その後、彼女は相対リスクを調べることにし、p値0.027を得ました。そこで彼女は、なぜ一方が重要で、もう一方が重要でないのかと尋ねました。差と比率の95％の両側信頼区間を見ると、平均差間隔には0が含まれていたが、比率の信頼限界の上限は1未満であることがわかりました。技術的には正しいが、私の答えはあまり満足のいくものではなかった。「これらは異なる統計であり、異なる結果をもたらす可能性があります。p値はどちらもわずかに有意な領域にあります。これは簡単に起こります。」相対リスクと絶対リスクのテストの違いを理解するのを助けるために、医師に素人の言葉でこれに答えるより良い方法がなければならないと思います。エピスタディでは、両方のグループの発生率が非常に小さく、サンプルサイズがそれほど大きくないまれなイベントをよく見ているため、この問題が頻繁に発生します。私はこれについて少し考えてきましたが、いくつかのアイデアを共有します。しかし、最初に私はあなたの何人かがこれをどのように扱うか聞きたいです。皆さんの多くが医療分野で働いたり相談したりしており、おそらくこの問題に直面していることを知っています。あなたならどうしますか？

12 relative-risk  absolute-risk  rare-events 

注：法的な理由で以前の質問を削除する必要があったため、この質問は再投稿です。 SASのPROC MIXED をR lmeのnlmeパッケージの関数と比較していると、やや紛らわしい違いを見つけました。より具体的には、異なるテストの自由度はとの間PROC MIXEDで異なり、lmeなぜだろうと思いました。 次のデータセットから開始します（以下のRコード）。 ind：測定が行われる個人を示す因子 fac：測定が行われる臓器 trt：治療を示す因子 y：連続応答変数 アイデアは、次の単純なモデルを構築することです： y ~ trt + (ind)：indランダムな要因として y ~ trt + (fac(ind))：facにネストされたindランダムな要因として、 最後のモデルでは特異性が生じることに注意してください。とのyすべての組み合わせに対しての値は1つだけです。indfac 最初のモデル SASでは、次のモデルを作成します。 PROC MIXED data=Data; CLASS ind fac trt; MODEL y = trt /s; RANDOM ind /s; run; チュートリアルによると、使用しているRの同じモデルnlmeは次のようになります。 > require(nlme) > options(contrasts=c(factor="contr.SAS",ordered="contr.poly")) > m2<-lme(y~trt,random=~1|ind,data=Data) 両方のモデルは、係数とそのSEに対して同じ推定値を与えますがtrt、の効果に対してF検定を実行する場合、異なる自由度を使用します。 SAS …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining