Корреляция зависимых переменных Опции

[Daria]

Здравствуйте.
Суть задачи. Есть 4 признака: пациент (id), наблюдение (этап - 1 или 2), баллы по шкале (шкала), время ожидания операции (срок).
Нужно оценить линейную зависимость количества баллов на этапе 2 и время ожидания операции (т.е. чем больше ждем, тем хуже состояние пациента) с коррекцией на исходное количества баллов по шкале (т.е. ухудшение состояния, связанное с длительностью ожидания операции наблюдается независимо от исходного количества баллов).

Как я вижу решение:
а) применить частную корреляцию. Можно ли это делать в случае повторных наблюдений?
б) построить регрессионную модель. Зависимая ШКАЛА на этапе 2, предикторы - шкала на этапе 1, срок. Потом строим линейную кривую. Насколько я читала, в случае повторных наблюдений нужно использовать смешанную регресионную модель с фиксированными и случайными эффектами.

Оба этих подхода можно реализовать и в SPSS, и в Stata. Какой подход будет более правильным?

[Daria]

Благодарю за внимание к моей задачи.

Дело в том, что на первом этапе все больные имеют небольшой разброс значений баллов относительно центральной тенденции. Корреляция (смотрела критерием Спирмана) времени ожидания и баллов на первом этапе очень слабая - не более 0.15-0.2. Через определенное время количество баллов меняется. Причем за исключением двух больных, количество баллов увеличивается (состояние ухудшается). Это вполне объяснимо и закономерно. Я даже сначала думала оценивать односторонний уровень значимости. Чем больше ждем операции, тем больше количество баллов на второй точке: зависимость времени ожидания от баллов втором этапе значительно сильнее - ро примерно 0.7, корреляция с дельтой количества баллов также сильная и значима (сейчас просто нет данных под рукой).
Все эти расчеты я делала просто чтоб примерно прикинуть, насколько верна моя гипотеза. Теперь встал вопрос о том, как это сделать правильно.

Отдельно хочу остановиться на "ухудшение состояния, связанное с длительностью ожидания операции наблюдается независимо от исходного количества баллов?, вряд ли верно с медицинской точки зрения". С первого взгляда да. Однако этот вывод я сделала по двум причинам: состояние пациентов на первой точке примерно одинаковое (собственно - лучшее на протяжении анализируемого периода у 99% больных). Это практически сводит на нет эффект того, что "Какие то исходные состояния медленно прогрессируют, можно откладывать операцию на какое то время, но для исходно более тяжелых больных откладывание операции может приводить к быстрому прогрессированию". Если я Вас правильно поняла. Поэтому и корреляция с временем ожидания очень слабая. Однако, безусловно, такой эффект присутствует и мне и необходимо исключить влияние количества баллов 1 (на первом этапе для краткости) на время ожидания (в рамках поставленной задачи).

Я как раз и смотрела в сторону модели во случайными эффектами, т.к. там можно рассматривать индивидуальную изменчивость, как случайный эффект (насколько я поняла).
Но чем больше читаю, тем больше у меня вопросов по решению, как мне кажется, достаточно несложной задачи (когда очень хочется решить ее правильно).

[100$]

...корреляция с дельтой количества баллов также сильная и значима (сейчас просто нет данных под рукой).

Вот это - самая драгоценная часть вашего исследования. Я бы еще из озорства проверил гипотезу Ho:P{(X-Y)>0}=1/2 (т.е. о том, что медиана этих разностей равна 0). Критерием Манна - Уитни. Да-да, несмотря на то, что формально он вроде бы здесь и неприменим. При отвержении нулевой гипотезы восстанавливал бы зависимость: Дельта=Константа + Бета*Временной_интервал+ Ашипка.

И все это только для того, чтобы "доказать" ученому миру, что чем грубее шкала, тем больше приходится ждать, чтобы зафиксировать с ее помощью различия в состоянии пациента...

Сообщение отредактировал 100$ - 26.02.2018 - 14:32