Los modelos lineales de efectos mixtos no se usan comúnmente en mi rincón de la biología, y necesito informar la prueba estadística que utilicé en un documento que estoy tratando de escribir. Sé que la conciencia del modelado multinivel está comenzando a aparecer en algunas áreas de las biociencias ( una solución a la dependencia: uso del análisis multinivel para acomodar datos anidados ), ¡pero todavía estoy tratando de aprender cómo informar mis resultados!
En resumen, mi diseño experimental:
* Los sujetos fueron asignados a uno de los cuatro grupos de tratamiento
* Las mediciones de la variable dependiente se tomaron varios días después del inicio del tratamiento
* El diseño no está equilibrado (números desiguales de sujetos en los grupos de tratamiento, y falta mediciones para algunos sujetos en algunos días)
* El tratamiento A es la categoría de referencia
* Centré los datos en el día final del tratamiento
Quiero saber si el Tratamiento A (la categoría de referencia) produce resultados significativamente mejores que los otros tratamientos (al final del tratamiento).
Hice mi análisis en R, usando nlme:
mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject, data = mydf, na.action = na.omit,
+ correlation = corAR1(form = ~1 |Subject), method = "REML")
Y el resultado (en parte; truncado por brevedad) es:
>anova(mymodel)
numDF denDF F-value p-value
(Intercept) 1 222 36173.09 <.0001
Treat 3 35 16.61 <.0001
Day 7 222 3.43 0.0016
Treat:Day 21 222 3.62 <.0001
>summary(mymodel)
Fixed effects: dv ~ Treatment * Day
Value Std.Error DF t-value p-value
(Intercept) 7.038028 0.1245901 222 56.48945 0.0000
TreatmentB 0.440560 0.1608452 35 2.73903 0.0096
TreatmentC 0.510214 0.1761970 35 2.89570 0.0065
TreatmentD 0.106202 0.1637436 35 0.64859 0.5208
Entonces, sé que el efecto del día difiere según el tratamiento y que, en el último día del tratamiento (donde se centran los datos), dv es significativamente diferente en el tratamiento A que en los tratamientos B o C.
Lo que quiero decir es: "Como se predijo, encontramos que la variable dependiente fue significativamente menor en los sujetos que recibieron el tratamiento A (media +/- SE) que en los sujetos que recibieron el tratamiento B (media +/- SE, p = 0.0096) o tratamiento C (media +/- SE, p = 0.0065), medido en el último día de tratamiento ".
Pero, tengo que indicar qué prueba estadística se realizó. ¿Sería esta una forma aceptable de describir el análisis? "El [Método de medición] se realizó en los días indicados y se determinó la Variable dependiente (unidades); analizamos los datos transformados logarítmicamente utilizando un modelo lineal de efectos mixtos centrado en el [día final del tratamiento]. Los símbolos representan la media dv; las barras de error son error estándar. El último día de tratamiento, dv fue significativamente menor en el tratamiento A (media +/- SE) que en el tratamiento B (media +/- SE, p = 0.0096) ... "
Específicamente,
* ¿Eso dice lo suficiente sobre la prueba estadística utilizada? (Los lectores están acostumbrados a ver algo más como "media +/- SE, p = 0.0096, prueba t de Student", pero parece extraño escribir "p = 0.0096, coeficiente para el tratamiento B versus el tratamiento A a partir de efectos lineales mixtos modelo en [último día de tratamiento] ")
* ¿Hay una mejor manera de decir esto?
(La sección de métodos incluirá más información sobre las estadísticas: "Los datos del [Método de medición] se analizaron usando R y los paquetes R ... Analizamos los datos de la Variable dependiente transformada logarítmicamente usando modelos de efectos lineales mixtos usando Sujetos como efectos aleatorios y una estructura de autocorrelación de orden 1 (AR1). Como efectos fijos, incluimos el tratamiento y el día, y la interacción del tratamiento y el día. Verificamos la normalidad y la homogeneidad mediante inspecciones visuales de parcelas de residuos contra valores ajustados. Para evaluar la validez de En los análisis de efectos mixtos, realizamos pruebas de razón de probabilidad comparando los modelos con efectos fijos con los modelos nulos con solo los efectos aleatorios ".
¡Cualquier consejo sobre cómo informar los resultados de un modelo de efectos lineales mixtos para una audiencia a menudo reacia a las estadísticas (y escrito por un novato de estadísticas relativo) sería muy apreciado!