Мне нужно ОЦЕНИТЬ ПРОДОЛЬНОЕ ИЗМЕНЕНИЕ ЖИРА МЕЖДУ 2 ПОСЕЩЕНИЯМИ с помощью линейной модели смешанных эффектов.
У меня есть некоторые, которые будут меняться от визита 1 к визиту 2, так как это статус гипертонии, статус диабета, ИМТ, окружность талии, статус курения и т. д. И другие переменные, которые не изменятся от визита 1 к визиту. 2 в зависимости от пола или этнической принадлежности.
Следующие переменные являются фиктивными (статус гипертонии, статус диабета, статус курения, пол), а следующие являются непрерывными (ИМТ, окружность талии, возраст).
Моя первоначальная мысль об использовании пакета nlme
была выражена так:
lme(fat~ diabetes_status + hypertension_status + bmi + waist + smoker + gender + ethnicity + Visit, random= ~1|PatientID/Visit, data = df, na.action = na.omit)
посещение имеет 2 уровня (1 и 2)
ВОПРОСЫ:
- Считаете ли вы, что это правильный способ оценить, есть ли продольные изменения в жире?
- Как вы думаете, это содержит слишком много фиксированных эффектов?
PS: я предоставляю вам пример набора данных:
df <- data.frame(PatientID = c(1000344, 1000344,1001471, 1001471, 1002830, 1002830),Visit = c(1,2,1,2,1,2),fat= c( 8.510 ,14.456, 4.612,4.738,18.021,25.740), diabetes_status= c("False" ,"True","False" ,"False" ,"False","True"), hypertension_status= c("True" ,"True","False" ,"True" ,"False","True"),bmi= c(32.0386 ,33.4919 ,29.6878 ,28.7660 ,26.1540 ,26.2788), waist= c(105 ,105 ,98 ,101 ,91 ,96), smoker= c(1 ,0 ,0 ,0 ,1 ,0), gender= c(1 ,1 ,0 ,0,1 ,1), ethnicity= c(1,1 ,0,0,1 ,1), stringsAsFactors = F)
Спасибо!