¿ANOVA de medidas repetidas emparejado o un modelo mixto?

Me han pedido que analice algunos datos de un ensayo clínico que busca dos métodos para medir la presión arterial. Tengo datos de 50 sujetos, cada uno con entre 2 y 57 medidas utilizando cada método.

Me pregunto cómo proceder mejor.

Obviamente, necesito una solución que tenga en cuenta el hecho de que la medida de la presión arterial está emparejada (dos métodos medidos al mismo tiempo) y también una covariable variable en el tiempo (con un número variable de observaciones por paciente), así como la cuenta intra e inter- variabilidad del paciente

Estaba pensando de alguna manera poner el calzado en esto en medidas repetidas ANOVA, pero estoy pensando que podría ser un enfoque de modelo mixto.

Agradecería cualquier consejo útil que pueda ofrecer.

Soy un novato completo en R pero estoy muy emocionado de desarrollar habilidades y tengo una experiencia moderada en Stata, por lo que siempre podría recurrir a eso.

No creo que puedas hacer fácilmente lo que quieres hacer con RM-ANOVA ya que el número de repeticiones no es el mismo para todas las asignaturas. Ejecutar modelos de efectos mixtos es muy fácil en R. De hecho, al invertir un poco de tiempo para aprender los fundamentos y los comandos, te abrirá muchas posibilidades. También encuentro que el modelado mixto es mucho más simple de usar y más flexible y casi nunca necesito hacer RM-ANOVA directamente. Finalmente, considere que con el modelado mixto también puede tener en cuenta la estructura de covarianza de los residuos (RM-ANOVA simplemente supone una estructura diagonal) que puede ser importante para muchas aplicaciones.

Hay dos paquetes principales para el modelado mixto lineal en R: nlmey lme4. El lme4paquete es el más moderno, ideal para grandes conjuntos de datos y también para los casos en los que se trata con datos agrupados. Nlmees el paquete anterior y en su mayoría está en desuso a favor de lme4. Sin embargo, para diseños de medidas repetidas aún es mejor que lme4ya que solo le nlmepermite modelar la estructura de covarianza de los residuos. La sintaxis básica de nlmees muy simple. Por ejemplo:

fit.1 <- lme(dv ~ x + t, random=~1|subject, cor=corCompSymm())

Aquí estoy modelando la relación entre una variable dependiente dvy un factor xy una covariable relacionada con el tiempo t. Subjectes un efecto aleatorio y he usado una estructura de simetría compuesta para la covarianza de los residuos. Ahora puede obtener fácilmente los valores p infames por:

anova(fit.1)

Finalmente, puedo sugerirle que lea más sobre nlme utilizando su guía de referencia definitiva, Modelos de efectos mixtos en S y S-Plus . Otra buena referencia para principiantes son los modelos lineales mixtos: una guía práctica que utiliza software estadístico que recopila muchos ejemplos de diferentes aplicaciones de modelado mixto con código en R, SAS, SPSS, etc.

Si está buscando RM-ANOVA con modelo mixto utilizando R. Puede consultar esto http://blog.gribblelab.org/2009/03/09/repeated-measures-anova-using-r/ Hay excelentes ejemplos para demostrar cómo utilizar el modelo mixto para lograr el RM-ANOVA.

Según mi experiencia, SAS es una mejor herramienta para lidiar con el modelo mixto. Si está utilizando SAS, puede consultar la ayuda de SAS "Proc Mixed" para RM-ANOVA.