Регрессионный анализ?, статистика |
Здравствуйте, гость ( Вход | Регистрация )
Регрессионный анализ?, статистика |
23.09.2015 - 14:41
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 43 Регистрация: 12.04.2014 Пользователь №: 26319 |
Уважаемые коллеги, пожалуйста подскажите! Изучаются изменения фармакокинетических показателей препарата А (Cmax А) после введения препарата Б. При этом препарат Б способен изменять уровень эндогенных веществ С и Д, которые в свою очередь также способны влиять на Cmax A (С вызывает увеличение Cmax A, Д - снижение Cmax A). После введения препарата Б наблюдалось снижение уровня вещества С, а уровень Д статистически достоверно не изменился (ожидается что в следующих сериях он может возрасти, но он точно не может снизиться), при этом возросла Cmax A. Правильно ли будет сделать вывод о том, что причина изменений Cmax A - препарат Б, без регрессионного анализа? Я бы хотел его провести, но не знаю как. Препарат Б вводился в одной дозе, уровень его в крови не измерялся, следовательно уравнение регрессии может включать 0 или 1 (до введения и после введения препарата Б)? Также хотелось бы отразить силу связи самого факта введения препарата Б и изменений фармакокинетических параметров препарата А (корреляционный анализ?).
Сообщение отредактировал grergi - 23.09.2015 - 14:48 |
|
23.09.2015 - 20:04
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 43 Регистрация: 12.04.2014 Пользователь №: 26319 |
p2004r, спасибо за ответ, буду разбираться. Но нельзя ли посчитать это в Statistica или SPSS?
|
|
23.09.2015 - 22:31
Сообщение
#3
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
p2004r, спасибо за ответ, буду разбираться. Но нельзя ли посчитать это в Statistica или SPSS? Eсли не ошибаюсь последние версии этих пакетов включают в себя R. Но если хотите мы можем здесь рассмотреть данные (их можно просто "анонимизировать" например нормализацией). Сообщение отредактировал p2004r - 27.09.2015 - 11:11 |
|
25.09.2015 - 21:25
Сообщение
#4
|
|
Группа: Пользователи Сообщений: 43 Регистрация: 12.04.2014 Пользователь №: 26319 |
Eсли не ошибаюсь последние версии этих пакетов включают в себя R. Но если хотите мы можем здесь публично рассмотреть данные (их можно просто "анонимизировать" например нормализацией). p2004r, предложенный вами пакет для R пока мне никак "не поддается", если возможно провести расчеты в SPSS или Statistica, объясните, пожалуйста, для них. Сообщение отредактировал grergi - 25.09.2015 - 21:27
Прикрепленные файлы
|
|
26.09.2015 - 10:19
Сообщение
#5
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
p2004r, предложенный вами пакет для R пока мне никак "не поддается", если возможно провести расчеты в SPSS или Statistica, объясните, пожалуйста, для них. Если я правильно понял и No это номер подопытного Код > data <- read.table("data.txt", dec=",", header=TRUE) > data.new$Б <- factor(data$Б) > data.new$No <- factor(data$No) > str(data.new) 'data.frame': 16 obs. of 5 variables: $ No : Factor w/ 8 levels "1","2","3","4",..: 1 2 3 4 5 6 7 8 1 2 ... $ CmaxА: num 18.4 15.4 42.5 31.8 39.8 ... $ С : num 13.42 9.1 10.3 7.42 8.91 ... $ Д : num 4.01 5.37 7.01 4.55 10.36 ... $ Б : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 2 2 ... > data.new No CmaxА С Д Б 1 1 18.43 13.42 4.01 0 2 2 15.37 9.10 5.37 0 3 3 42.55 10.30 7.01 0 4 4 31.80 7.42 4.55 0 5 5 39.76 8.91 10.36 0 6 6 45.69 13.31 3.77 0 7 7 112.01 12.92 16.43 0 8 8 21.60 15.36 9.36 0 9 1 112.90 9.47 9.75 1 10 2 145.01 5.01 4.01 1 11 3 99.43 7.32 6.78 1 12 4 132.67 8.00 8.35 1 13 5 112.34 7.34 9.01 1 14 6 89.44 10.45 11.23 1 15 7 257.87 11.42 20.34 1 16 8 157.71 11.37 10.02 1 > (hc(data.new, optimized=F)) Bayesian network learned via Score-based methods model: [No][Б][С|No][Д|No][CmaxА|Д:Б] nodes: 5 arcs: 4 undirected arcs: 0 directed arcs: 4 average markov blanket size: 2.00 average neighbourhood size: 1.60 average branching factor: 0.80 learning algorithm: Hill-Climbing score: BIC (cond. Gauss.) penalization coefficient: 1.386294 tests used in the learning procedure: 100 optimized: FALSE Как видим уровень факторов индивидуален, препарат влияет на целевой показатель, но влияет и один из факторов. Сообщение отредактировал p2004r - 27.09.2015 - 11:10 |
|
27.09.2015 - 19:46
Сообщение
#6
|
|
Группа: Пользователи Сообщений: 43 Регистрация: 12.04.2014 Пользователь №: 26319 |
Если я правильно понял и No это номер подопытного Код > data <- read.table("data.txt", dec=",", header=TRUE) > data.new$Б <- factor(data$Б) > data.new$No <- factor(data$No) > str(data.new) 'data.frame': 16 obs. of 5 variables: $ No : Factor w/ 8 levels "1","2","3","4",..: 1 2 3 4 5 6 7 8 1 2 ... $ CmaxА: num 18.4 15.4 42.5 31.8 39.8 ... $ С : num 13.42 9.1 10.3 7.42 8.91 ... $ Д : num 4.01 5.37 7.01 4.55 10.36 ... $ Б : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 2 2 ... > data.new No CmaxА С Д Б 1 1 18.43 13.42 4.01 0 2 2 15.37 9.10 5.37 0 3 3 42.55 10.30 7.01 0 4 4 31.80 7.42 4.55 0 5 5 39.76 8.91 10.36 0 6 6 45.69 13.31 3.77 0 7 7 112.01 12.92 16.43 0 8 8 21.60 15.36 9.36 0 9 1 112.90 9.47 9.75 1 10 2 145.01 5.01 4.01 1 11 3 99.43 7.32 6.78 1 12 4 132.67 8.00 8.35 1 13 5 112.34 7.34 9.01 1 14 6 89.44 10.45 11.23 1 15 7 257.87 11.42 20.34 1 16 8 157.71 11.37 10.02 1 > (hc(data.new, optimized=F)) Bayesian network learned via Score-based methods model: [No][Б][С|No][Д|No][CmaxА|Д:Б] nodes: 5 arcs: 4 undirected arcs: 0 directed arcs: 4 average markov blanket size: 2.00 average neighbourhood size: 1.60 average branching factor: 0.80 learning algorithm: Hill-Climbing score: BIC (cond. Gauss.) penalization coefficient: 1.386294 tests used in the learning procedure: 100 optimized: FALSE Как видим уровень факторов индивидуален, препарат влияет на целевой показатель, но влияет и один из факторов. p2004r, спасибо, буду разбираться Сообщение отредактировал grergi - 27.09.2015 - 19:46 |
|
27.09.2015 - 22:18
Сообщение
#7
|
|
Группа: Пользователи Сообщений: 1091 Регистрация: 26.08.2010 Пользователь №: 22699 |
p2004r, спасибо, буду разбираться Вот ещё бутстреп оценка Код > strength.plot(res, boot.strength(data.new, algorithm="hc", R=1000)) > boot.strength(data.new, algorithm="hc", R=1000) from to strength direction 1 No CmaxА 0.000 0.0000000 2 No С 0.000 0.0000000 3 No Д 0.001 0.5000000 4 No Б 0.002 0.5000000 5 CmaxА No 0.000 0.0000000 6 CmaxА С 0.431 0.3979118 7 CmaxА Д 0.920 0.4364130 8 CmaxА Б 0.998 0.3562124 9 С No 0.000 0.0000000 10 С CmaxА 0.431 0.6020882 11 С Д 0.842 0.4881235 12 С Б 0.756 0.3835979 13 Д No 0.001 0.5000000 14 Д CmaxА 0.920 0.5635870 15 Д С 0.842 0.5118765 16 Д Б 0.559 0.4821109 17 Б No 0.002 0.5000000 18 Б CmaxА 0.998 0.6437876 19 Б С 0.756 0.6164021 20 Б Д 0.559 0.5178891 > и подгонка модели Код > bn.fit(res, data.new) Bayesian network parameters Parameters of node No (multinomial distribution) Conditional probability table: 1 2 3 4 5 6 7 8 0.125 0.125 0.125 0.125 0.125 0.125 0.125 0.125 Parameters of node CmaxА (conditional Gaussian distribution) Conditional density: CmaxА | Д + Б Coefficients: 0 1 (Intercept) -1.932269 56.689805 Д 5.630433 8.225583 Standard deviation of the residuals: 0 1 20.60321 39.26309 Discrete parents' configurations: Б 0 0 1 1 Parameters of node С (conditional Gaussian distribution) Conditional density: С | No Coefficients: 0 1 2 3 4 5 6 7 (Intercept) 11.445 7.055 8.810 7.710 8.125 11.880 12.170 13.365 Standard deviation of the residuals: 0 1 2 3 4 5 6 2.7930718 2.8920667 2.1071782 0.4101219 1.1101576 2.0223254 1.0606602 7 2.8213561 Discrete parents' configurations: No 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 Parameters of node Д (conditional Gaussian distribution) Conditional density: Д | No Coefficients: 0 1 2 3 4 5 6 7 (Intercept) 6.880 4.690 6.895 6.450 9.685 7.500 18.385 9.690 Standard deviation of the residuals: 0 1 2 3 4 5 6 4.0587929 0.9616652 0.1626346 2.6870058 0.9545942 5.2750166 2.7647875 7 0.4666905 Discrete parents' configurations: No 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 Parameters of node Б (multinomial distribution) Conditional probability table: 0 1 0.5 0.5 |
|
7.10.2015 - 09:51
Сообщение
#8
|
|
Группа: Пользователи Сообщений: 43 Регистрация: 12.04.2014 Пользователь №: 26319 |
p2004r, если я правильно понял, Вы провели корреляционный анализ? Используя коэффициент Пирсона я получил прямую зависимость Cmax от Д и от Б, обратную зависимость ? от С и Д не обнаружил (да и характер связи между этими показателями мне не очень интересен),но насколько я понимаю, коэффициент Пирсона здесь не применим т.к. непараметрические данные. Коэффициент Спирмена обнаружил прямую зависимость только Cмах от Б. Однако нужно ли проводить корреляционный анализ если данные статистически достоверно не изменились??? Или это был не корреляционный анализ???
|
|