Zaman çizgisi analizi

Bir kişinin doğum sırası ile daha sonra obezite riski arasındaki ilişkiyi birkaç yıllık doğum kohortlarındaki verileri kullanarak araştırıyorum (ör. Http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2908417/ ).

Önemli bir zorluk, doğum düzeninin anne yaşı, küçük ve / veya büyük kardeş sayısı ve doğum aralığı gibi diğer mekanizmalarla sonucu etkileyebilecek diğer özelliklerle bağlantılı olmasıdır. Ayrıca, bu şeylerin daha sonra obezite riski üzerindeki etkileri, "endeks çocuğu" (doğum kohortundaki katılımcı) dahil olmak üzere kardeşlerin cinsiyet kompozisyonu ile değiştirilebilir.

Her endeks çocuğu için, zaman değişkeninde anne yaşı olan, ailedeki tüm doğumları gösteren bir zaman çizelgesi çizilebilir.

Olayların sırası, zamanlaması ve doğasının önemli olabileceği bu tür verileri analiz etmek için yöntemler belirlemeye çalışıyorum. Üyelerin birlikte çalıştığı uygulamaların çeşitliliği nedeniyle burada bu soruyu soruyorum - birisinin tek başına tanımlamam için çok daha uzun sürecek bazı acil önerilere sahip olmasını bekliyorum. Doğru yön (ler) deki herhangi bir dürtme çok takdir edilecektir.

İlgili soru (lar): Kadınların doğum aralıkları hakkındaki verileri nasıl analiz etmeliyim?

Aile içi ve arasındaki etkileri tahmin etmek için çok düzeyli modeller (karışık regresyon) kullanmayı düşünebilirsiniz. Olası bir strateji, planlı bir hiyerarşik model oluşturma yaklaşımı kullanmaktır. Örneğin, her potansiyel öngörücüyü tek değişkenli bir modelde test edin. Aile içi etkiler doğum sırası etkisini kaldırırsa, doğum düzeninin önemli olmadığını, ancak diğer etkilerin önemli olduğunu önerir. IQ üzerindeki doğum sırası etkileri için bunun bir örneği:

• Wichman, AL, Rodgers, J. ve MacCallum, RC (2006). Doğum Düzeni ve Zeka İlişkisine Çok Düzeyli Bir Yaklaşım . Kişilik ve Sosyal Psikoloji Bülteni , 32 (1), 117-127. DOI: 10,1177 / 0146167205279581

Umarım bu yardımcı olur.

Buna istatistiksel bir soru olarak yaklaşıyorum ve tıbbi konular hakkında özel bir bilgim yok.

Bahsettiğiniz makaleye baktığımda, bir kohortun 970 kişi içerdiğini görüyorum. Kabaca bu boyuttaki birkaç kohort hakkında verileriniz varsa, veri kümenizin toplam boyutu, her bireyin zaman çizelgesinin belirli koşulları karşıladığı makul ölçüde büyük alt kümeleri seçme fırsatı sunar. Örneğin, bir alt küme, örneğin, 25-29 yaş arası tüm erkek bireyleri içerebilir. Böyle bir alt küme için, doğum düzenine karşı daha sonra obezitenin uygun bir ölçümünün gerilemesi, endeksli çocuğun cinsiyetindeki farklılıkların daha sonra obezitesi üzerindeki olası herhangi bir etkiyi ortadan kaldıracak ve anne yaşının olası etkilerini büyük ölçüde ortadan kaldıracaktır.

Bu yaklaşımı kardeşlerin cinsiyetine genişletmek kolay değildir, çünkü bir alt küme için bir koşul varsa, endeks çocuğunun daha büyük bir kadın kardeşi olması durumunda, endeks çocuğun kendisinin en büyük bir çocuk olmadığını ima eder, bu da aralığı daraltır regresyondaki bağımsız değişken. Ancak, bunun bir yolu "varsa" kullanarak koşulları tanımlamak olabilir. Örneğin, bir alt küme, 25-29 anne yaşı olan ve varsa daha büyük kardeşleri olan tüm erkek bireyleri içerecek şekilde tanımlanabilir. Böyle bir alt küme hala herhangi bir doğum sırası olan bireyleri içerecektir.

Bir altküme çok karmaşık bir dizi koşul tarafından tanımlanmışsa, içerdiği bireylerin sayısı o kadar az olabilir ki sonuç katsayıları tahminleri yararlı olamayacak kadar kesin olmayabilir. Bu yaklaşım benimsenirse, muhtemelen alt kümelerin tanımlanmasında, mümkün olduğunca çok sayıda etkinin ortadan kaldırılması ile faydalı bir sonuç elde etmek için yeterli sayıda kişinin dahil edilmesi arasında yargılayıcı bir değiş tokuşa ihtiyaç duyulacaktır.

İşlevsel veri analizi öneririm, ancak makul tahminler almak için çok az çocuklu çok sayıda ailenizin olabileceğinden şüpheleniyorum. İhtiyaçlarınızı karşıladığı için devam edin ve okuyun. Belki de birisi zaten benzer verilerle kullanmıştır.

Bu kadar büyük parametrik olmayan bir şey yapmak istemiyorsanız, verilerin boyutsallığını azaltmak için klinik uzmanlığınızı kullanmalısınız. Örneğin, modelinizdeki bir değişken çocuk sayısı, diğeri çocuklar arasındaki ortalama yıl sayısı vb. Olabilir. Bu değişkenlerde herhangi bir etki varsa, fonksiyonel formu hemen doğru belirlememiş olsanız bile ortaya çıkabilir. Daha fazla bilgiye dayalı model oluşturma, oldukça öngörücü bir model oluşturmanıza izin verebilir - sadece bir doğrulama seti tuttuğunuzdan emin olun!