Fernando, Legal o Experimento agora entendi melhor como ele foi, sobre o modelo, acho que o sugerido já esta legal para esse caso. Até mais
Em 18 de maio de 2012 10:14, Fernando Colugnati <[email protected]> escreveu: > Oi Eder, na verdade o Endotélio Vascular é uma camada celular que "veda"seus > vasos, e a distância entre estas membarnas, o diâmeto do vaso, é uma medida > importante para diagnóstico de problemas de calcificação vascular, que pode > levar a enfartos, avc, etc... > > A medida é o diâmetro do endotélio, em milímetros. Este experimento tem como > objetivo atestar que o médico que mede as 5 replicações dentro de cada > imagem tá com a mão boa, ou seja, mostrar quanto da variabilidade total das > medidas é devido ao erro da medição na imagem. Isso ocorre em duas > ocasisiões, pré e pós oclusão (garrote) no braço do paciente. Digamos que é > um resultado preliminar para a certificação do cara para um estudo maior, > pois pouquíssimas pessoas no país são treinadas neste método. > > Quanto ao modelo entendi, realmente a especificação está errada, um mal > entendimento meu do lme4, acho que com sua dica fica correto...estava > estranhando um coeficiente para as replicações...na verdade é uma confusão > minha com a sintaxe do Stata, que trabalhei por muito tempo. > > Desta forma consigo as variâncias de cada um dos componentes, mas me enrolei > para encontrar a variância do resídiuo (do erro, se pensarmos em uma abela > ANOVA), pois quando peço a ANOVA ela me traz apenas o MSE do intercepto. Na > verdade minha primeira abordagem foi por mínimos quadrados, e fazendo as > contas para achar cada componente da variância, de acordo com os MSE de cada > efeito. O problema foi que em um dos casos, encontro variância negativa (uma > limitação dos MQ para este tipo de problema), e então parti para os modelos > mistos. > > Obrigado > > Em 17 de maio de 2012 21:00, Eder David Borges da Silva <[email protected]> > escreveu: > >> Fernando, >> Pelo oque entendi da sua explicação, você pega 101 pacientes, tira >> duas imagens do endotélio (Segundo Wikipedia isso é uma membrana do >> coração, certo?) em cada uma destas imagens você faz 5 medidas (de >> que? tamanho?, espessura?) com isso você tem seus dados, agora qual o >> objetivo central deste experimento? >> Pelo oque entendi parcialmente o seu modelo esta meio estranho, pois: >> fm1 <- lmer(abps ~ replicacao + (replicacao|medida) + (medida|id3), >> medidas) >> Esta sendo atribuído um efeito fixo para a replicação(entendi que é 2 >> imagens vezes 5 medidas isso). >> Em um modelo com apenas intercepto fixo poderíamos ser: >> 1 componente de variância para o individuo >> 1 componente de variância para a imagem >> 1 componente de variância para a medida dentro da imagem >> resp~1+(1|id)+(medida|replicacao) >> >> Se der mais algumas informações pode ser que conseguimos lhe ajudar mais. >> Att >> Éder >> >> >> >> >> Em 17 de maio de 2012 13:17, Fernando Colugnati <[email protected]> >> escreveu: >> > #Pessoal, estou analisando um experimento que procura avaliar as fontes >> > de >> > variabilidade em um processo de medição. São 101 pacientes, #onde são >> > realizadas 5 medidas em 2 imagens de endotélio, ou seja, para cada >> > paciente >> > tenho 10 replicações, 5 em cada imagem (variável #medida no dataframe >> > abaixo). Entendo que tenho um modelo misto, pois considero os pacientes >> > como >> > efeito aleatório (a variablidade entre eles #é enorme) e também as >> > imagens, >> > já que podem ser tiradas de diferentes partes do antebraço do paciente. >> > >> > #Especifiquei este modelo com o lme4 para uma das medidas que quero >> > analisar, o diâmetro do endotélio pós-oclusão: >> > >> > fm1 <- lmer(abps ~ replicacao + (replicacao|medida) + (medida|id3), >> > medidas) >> > >> > #e gostaria de estimar o % da variância de cada componente, e para isso >> > preciso da variância total, que é a soma de todas, inlcuindo dos >> > #efeitos >> > fixos, do aleatório e tbm dos resíduos. Está especificação está correta, >> > na >> > opinião dos especialistas em experimentos? (não é meu #caso) >> > >> > #Rodando, após o modelo >> > >> > VarCorr(fm1, type="varcov") >> > anova(fm1) >> > >> > #como identifico a variância residual? Na verdade me enrolei um pouco >> > com a >> > saída do VarCorr, e mesmo pesquisando no Google, não achei nada que >> > #apresente este tipo de propósito de análise (é um estudo de R&R, onde >> > quero >> > mostrar que a variabilidade das replicações, ou do operador, é a #de >> > menor >> > culpa neste processo). >> > >> > #Segue um pedaço dos dados: >> > >> > #> dput(medidas[1:20,]) >> > >> > structure(list(abpre = c(0.382, 0.383, 0.386, 0.386, 0.383, 0.386, >> > 0.384, 0.387, 0.386, 0.383, 0.339, 0.335, 0.342, 0.335, 0.339, >> > 0.357, 0.342, 0.346, 0.343, 0.35), abps = c(0.412, 0.412, 0.415, >> > 0.404, 0.408, 0.408, 0.393, 0.408, 0.408, 0.408, 0.382, 0.386, >> > 0.386, 0.386, 0.386, 0.383, 0.383, 0.379, 0.379, 0.379), abs = c(0.03, >> > 0.029, 0.029, 0.018, 0.025, 0.022, 0.009, 0.021, 0.022, 0.025, >> > 0.043, 0.051, 0.044, 0.051, 0.047, 0.026, 0.041, 0.033, 0.036, >> > 0.029), id3 = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, >> > 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), replicacao = c(1L, 2L, 3L, 4L, >> > 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 5L >> > ), medida = c(0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 0L, 0L, >> > 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), abpre2 = c(0.407, 0.408, 0.399, >> > 0.404, 0.401, 0.404, 0.413, 0.413, 0.416, 0.407, 0.318, 0.318, >> > 0.325, 0.325, 0.318, 0.314, 0.315, 0.316, 0.322, 0.322), abps2 = >> > c(0.458, >> > 0.452, 0.452, 0.455, 0.459, 0.465, 0.456, 0.459, 0.462, 0.462, >> > 0.372, 0.382, 0.392, 0.386, 0.365, 0.386, 0.382, 0.369, 0.382, >> > 0.382), abs2 = c(0.051, 0.044, 0.053, 0.051, 0.058, 0.061, 0.043, >> > 0.046, 0.046, 0.055, 0.054, 0.064, 0.067, 0.061, 0.047, 0.072, >> > 0.067, 0.053, 0.06, 0.06), X_Imedida_1 = c(0L, 0L, 0L, 0L, 0L, >> > 1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L), >> > X_ImedXrepli_1 = c(0L, 0L, 0L, 0L, 0L, 1L, 2L, 3L, 4L, 5L, >> > 0L, 0L, 0L, 0L, 0L, 1L, 2L, 3L, 4L, 5L)), .Names = c("abpre", >> > "abps", "abs", "id3", "replicacao", "medida", "abpre2", "abps2", >> > "abs2", "X_Imedida_1", "X_ImedXrepli_1"), row.names = c(NA, 20L >> > ), class = "data.frame") >> > >> > >> > Abraço >> > >> > -- >> > Fernando A.B. Colugnati >> > >> > -- >> > Fernando A.B. Colugnati >> > >> > >> > >> > >> > >> > >> > _______________________________________________ >> > R-br mailing list >> > [email protected] >> > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >> > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >> > código >> > mínimo reproduzível. >> _______________________________________________ >> R-br mailing list >> [email protected] >> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br >> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça >> código mínimo reproduzível. > > > > > -- > Fernando A.B. Colugnati > > > > _______________________________________________ > R-br mailing list > [email protected] > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código > mínimo reproduzível. _______________________________________________ R-br mailing list [email protected] https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
