MerQuR+Başvuru Kitabı

219. Referansa dayalı çoklu atama (J2R, CR, CIR) ile MNAR duyarlılık analizi

Şablon kimliği: mnar_referans_atama · Kategori: eksik veri · Dil: R · Dosya: pro/sablonlar/eksik_veri/mnar_referans_atama.R (satır 1–243; üstbilgi 1–96) · Örnek veri: _ornek/antidepressant.csv · Paketler: rbmi 1.7.0

219.1 Ne işe yarar

Boylamsal klinik denemede bazı hastalar tedaviyi bırakır ya da çalışmadan çekilir; bundan sonraki ölçümler eksiktir. "Tedavi bırakıldıktan sonra hastaya ne olurdu?" sorusuna referansa dayalı varsayımlarla cevap verilir: eksik sonuçlar, hastanın tedavisini bırakmış olmasını yansıtan bir ortalama izine göre atanır (rbmi; ICH E9(R1) tahmin edilen büyüklük çerçevesindeki "politika" stratejisi). Şablon dört koşullu varsayım ve MAR için atama yapar, her vizitte ANCOVA ile tedavi etkisini kestirir ve sonuçları havuzlar.

Atama modeli, vizitleri yapılandırılmamış (ya da seçilen) kovaryansla birlikte modelleyen bir MMRM'dir: \mathbf y_i\sim N(X_i\boldsymbol\beta,\boldsymbol\Sigma) ve gözlenen kısım üzerinden REML ile kestirilir. Eksik vizitler, vizitlerin koşullu normal dağılımından atanır; ortalama vektörü stratejiye göre kurulur:

\hat y_{i,m}=\boldsymbol\mu_{i,m}+\boldsymbol\Sigma_{mo}\boldsymbol\Sigma_{oo}^{-1}\,(\mathbf y_{i,o}-\boldsymbol\mu_{i,o})
  • o: hastanın gözlenen vizitleri; m: eksik vizitleri.
  • \boldsymbol\mu_i: stratejiye göre kurulmuş ortalama vektörü (219.4.2); \boldsymbol\Sigma: MMRM kovaryansı, bütün gruplar için ortak.
  • \boldsymbol\Sigma_{mo}\boldsymbol\Sigma_{oo}^{-1}: gözlenen sapmaların eksik vizitlere taşınma katsayıları.

Ne zaman kullanılır? Tedavi bırakma sonrası verinin MAR varsayımıyla (tedavi sürmüş gibi) atanması klinik olarak savunulamıyorsa; tedavi etkisinin MNAR altında duyarlılık analizi isteniyorsa.

Ne zaman kullanılmaz?

  • Çok düzeyli (kümelenmiş) eksik veride tek aşamalı atama istenirse: cok_duzeyli_atama (Bölüm 218).
  • Eksik veri MAR kabul ediliyorsa ve yalnız MMRM çıkarımı gerekiyorsa: temel programdaki LMM (R/REPEATED kovaryans seçenekleriyle; rastgele etkisiz MMRM) yeterlidir.
  • Genel bir \delta kaydırmasıyla duyarlılık (tipping-point) isteniyorsa: temel programdaki Multiple Imputation analizinin MNAR \delta seçeneği.
  • Sonuç olay-zaman, sayım ya da kategorikse: bu şablon yalnız sürekli, tekrarlı ölçülen sonucu atar.

Temel programla ilişki. Temel programdaki Multiple Imputation (gui/panels/analyses/multiple_imputation.py) tek ölçümlü ya da yatay veri için FCS atamasıdır; MNAR duyarlılığı \delta kaydırması ile yapılır: seçilen bir değişkenin atanan değerlerine her güncellemede \delta eklenir, her \delta için m atama yinelenir ve havuzlanmış sonuçlar tablolanır (tipping-point). Temel programda hasta içi tekrarlı ölçümlerin vizit yapısı, ara olayın ilk vizit tanımı ve J2R/CR/CIR/LMCF stratejileri yoktur. Bu şablon, MNAR'ı \delta gibi keyfi bir kaydırma yerine referans grubun gözlenen davranışına bağlar: hastanın bırakma sonrası izi, kontrol grubunun izidir.

219.2 Şablonun girdileri

Form, on dört [[param]] bloğundan kurulur (mnar_referans_atama.R:10–95).

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Sonuç · y sayısal sütun · Değişkenler ilk sayısal sütun sayısal Bağımlı değişken (101, 118).
Denek kimliği · kimlik kategorik sütun · Değişkenler boş herhangi Denek (101, 132).
Vizit · vizit kategorik sütun · Değişkenler boş sayısal ya da metin Vizit sırası (119–122).
Tedavi grubu · grup kategorik sütun · Değişkenler boş en az 2 düzey Grup (123–131).
Referans grubu düzeyi · referans metin · Model boş veride bulunan düzey Boşsa ilk düzey: Veri sekmesindeki düzey sırası (kategorik sütun), değilse sayısal ya da harf sırası (123–135); çıktıda yazılır.
Temel ortak değişkenler · ortak sütunlar (isteğe bağlı) · Değişkenler boş denek içinde sabit Vizit ile etkileşimli sabit etki (138–142, 182).
Strateji · strateji seçim · Model JR JR, CR, CIR, LMCF, MAR Ara olay sonrası atama (172).
Yöntem · yontem seçim · Model condmean_jackknife condmean_jackknife, condmean_bootstrap, approxbayes Atama ve çıkarım (186–189).
Bootstrap ya da atama sayısı · n_ornek tamsayı · Seçenekler 200 20–2000 Bootstrap örnek sayısı ya da atama sayısı; jackknife'ta kullanılmaz (188–189).
Kovaryans · kovaryans seçim · Model us us, toep, toeph, ar1, ar1h, ad, adh, cs, csh MMRM kovaryansı (185).
REML · reml onay · Model açık açık / kapalı Kapalıysa ML (185).
Güven düzeyi · guven ondalık · Seçenekler 0,95 0,5–0,999 pool(conf.level =) (200).
Karşıt hipotez · alternatif seçim · Seçenekler two.sided two.sided, less, greater pool(alternative =) (200).

Örnek ayar (ornek_param, satır 9): y = CHANGE, kimlik = PATIENT, vizit = VISIT, grup = THERAPY, referans = PLACEBO, ortak = [BASVAL], strateji = JR, yontem = condmean_jackknife.

Şablonun kendi denetimleri (mq_hata):

Koşul İleti (özet) Satır
Veri açık değil "Önce Veri sekmesinde bir veri açın." 100
Sonuç, denek, vizit, grup sütunları birbirinden farklı değil "…birbirinden farklı olmalı." 102
Kimlik, vizit, grup satırı <20 "En az 20 eksiksiz … satırı gerekli." 117
Sonuç sayısal değil "Sonuç sayısal olmalı." 118
Vizit sayısı <2 "En az iki vizit gerekli." 121
Grup düzeyi <2 "Tedavi grubunun en az iki düzeyi olmalı." 127
Referans veride yok "Referans grubu '…' veride yok (düzeyler: …)." 130
Aynı denek ve vizit için çok satır "Aynı denek ve vizit için birden çok satır var." 133
Grup ya da ortak değişken denek içinde değişiyor "'…' denek içinde sabit olmalı." 136
Ortak değişken sabit "'…' sabit; ortak değişkenlerden çıkarın." 141
Denek <10 ya da gözlem yetersiz "Denek ve gözlem sayısı MMRM için yetersiz." 145
Sonuç sabit "Sonuç değişkeni sabit." 146
Bir grupta ilk vizitte gözlem <3 "'…' grubunda ilk vizitte en az 3 gözlem gerekli." 148–149
Atama modeli kurulamadı / atama / analiz başarısız "… kurulamadı / başarısız: …" 194, 198–199

Eksik değerler. Kimlik, vizit ya da grup değeri eksik olan satırlar atılır (106); ortak değişkeni eksik olan satırlar da atılır (108); atılan satır sayısı konsola yazılır ("Atılan satır: N (kimlik, vizit ya da grup eksik: a; ortak değişken eksik: b)."). Sonuç eksik olabilir: bu, atanacak değerdir. Denek × vizit tablosu tamamlanır (152–160): eksik vizit satırları eklenir ve denek düzeyindeki sabit değişkenler denekten taşınır. Vizit sırası. Sayısal vizit sayı değerine göre (119–120), faktör vizit düzey sırasına göre sıralanır (Bölüm 1.3: kategorik sütun için kullanıcı sırası, sayı etiketlerinde sayısal sıra, aksi hâlde ilk görülme sırası); iki düzeyli olmayan metin sütunu R'ye faktör olarak gider. Grup düzeyleri: sütun Veri sekmesinde kategorik (faktör) ise Veri sekmesindeki düzey sırası; değilse tüm değerler sayıya çevrilebiliyorsa sayısal sıra, aksi hâlde harf sırası (radix) kullanılır (123–126). Referans boşsa bu sıranın ilk düzeyi alınır ve çıktıya "Referans grubu boş bırakıldı: ilk düzey '…' alındı (kural; düzeyler: …)" yazılır; metin vizit etiketleri de aynı kuralla sıralanır. Tohum. Formda tohum alanı yoktur. Jackknife belirlenimcidir; bootstrap ve yaklaşık Bayes atamaları rastgeledir ve Kod panelinin Tohum alanındaki değere (Bölüm 1.3) bağlıdır: aynı tohum aynı sonucu verir, tohum değişince bootstrap sonucu değişir (219.7). Rastgele bir yöntem seçiliyse kullanılan tohum konsola "Tohum: N" olarak da yazılır (jackknife'ta yazılmaz).

219.3 Örnek veri

antidepressant.csv, rbmi paketinin antidepressant_data veri setidir: depresyon tedavisinde iki kollu (ilaç: DRUG, plasebo: PLACEBO) bir klinik deneme; 172 hasta, dört vizit (4, 5, 6, 7), toplam 608 satır; sonuç, HAMD17 ölçeğinin başlangıca göre değişimidir (CHANGE); başlangıç değeri BASVAL.

Değişken Rol Tür (veri sekmesinin algıladığı) Özet
PATIENT denek kimliği sayısal 172 hasta
VISIT vizit sayısal 4, 5, 6, 7
THERAPY grup ikili (metin) DRUG 84, PLACEBO 88 hasta
BASVAL ortak değişken sayısal başlangıç HAMD17
CHANGE sonuç sayısal temelden değişim; eksik vizit: 5. vizitte 14, 6'da 23, 7'de 43
diğer sütunlar kullanılmaz HAMATOTL, PGIIMP, RELDAYS, GENDER, POOLINV, HAMDTL17

Eksik değerler tümüyle terminal: 43 hasta (20'si ilaç kolunda) son gözlenen ölçümden sonra çalışmadan ayrılmıştır; 1 hastada aradan bir vizit eksiktir ve MAR altında atanır (219.4.2). Grup sütunu iki düzeyli metin sayıldığı için R'ye metin olarak gider ve düzeyler alfabetiktir: DRUG, PLACEBO; örnek ayarda referans PLACEBO açıkça verilmiştir.

Bölümde kullanılan çalıştırmalar (dogrulama/cikti/): mnar_ornek (örnek ayar, J2R + jackknife); mnar_CR, mnar_CIR, mnar_LMCF, mnar_MAR (yalnız strateji değişir); mnar_boot_s5, mnar_boot_s5b, mnar_boot_s6 (condmean_bootstrap, n_ornek = 20, Kod paneli tohumu 5, 5, 6); mnar_refbos (referans boş; PLACEBO etiketi ACONTROL olarak değiştirilmiş veri).

219.4 Yöntem: formüller ve hesap adımları

219.4.1 Ara olay ve eksiklik tanımı

Her hasta için gözlenen vizitlerin sonuncusu bulunur; sonrasındaki ilk eksik vizit ara olayın ilk vizitidir (162–167). Ara olay yalnız terminal eksikliktir: hastada daha sonra gözlenen bir vizit varsa, aradaki eksik vizitler ara olay sayılmaz ve MAR altında atanır. Hiç terminal eksiklik yoksa "Not: terminal eksiklik yok" yazılır ve bütün eksikler MAR atanır (174). Seçilen strateji, bütün ara olaylı hastalara aynı biçimde uygulanır (172).

219.4.2 Stratejiye göre ortalama vektörü

MMRM'den hastanın kendi grubu için ortalama \boldsymbol\mu^{own}_i ve referans grubu için \boldsymbol\mu^{ref}_i hesaplanır (hastanın temel ortak değişken değeri sabit tutulur; yalnız grup göstergesi referansa çevrilir). k, ara olayın ilk vizitidir.

\mu_{i,t}=\begin{cases}\mu^{own}_{i,t}&\text{MAR (her } t)\\[2pt]\mu^{own}_{i,t}\ (t<k),\ \ \mu^{ref}_{i,t}\ (t\ge k)&\text{J2R}\\[2pt]\mu^{ref}_{i,t}\ (\text{her } t)&\text{CR}\\[2pt]\mu^{own}_{i,t}\ (t<k),\ \ \mu^{own}_{i,k-1}+\bigl(\mu^{ref}_{i,t}-\mu^{ref}_{i,k-1}\bigr)\ (t\ge k)&\text{CIR}\\[2pt]\mu^{own}_{i,t}\ (t<k),\ \ \mu^{own}_{i,k-1}\ (t\ge k)&\text{LMCF}\end{cases}
  • t: vizit sırası; k: ara olayın ilk vizit sırası; k-1: son gözlenen vizit.
  • J2R (referansa sıçrama): bırakmadan sonra hasta kontrol grubunun ortalama izini izler.
  • CR (referansı kopyalama): bütün iz (bırakmadan önce de) referanstır; gözlenen değerler yine koşullanır.
  • CIR (artış kopyalama): bırakmadan sonra hasta, referansın artışlarını kendi son ortalamasına ekler.
  • LMCF: son ortalama sabit taşınır (tedavi etkisi bırakmadan sonra aynı kalır).

Neden bu stratejiler

Bırakma sonrası tedavinin bir kalıcı etkisi var mıdır? J2R, bırakmayla tedavi etkisinin hemen kaybolduğunu varsayar (kontrol ağırlıkta, en temkinli); CIR etkisinin kalıcı ama artmadığını; LMCF etkisinin hiç değişmediğini; MAR ise hastanın tedaviye devam etmiş gibi davrandığını varsayar. Ara olay sonrası varsayım J2R, CR, CIR, LMCF, MAR sırasıyla gevşedikçe tedavi etkisi (mutlak değerce) büyür (219.7: vizit 7 için -2{,}13, -2{,}37, -2{,}45, -2{,}51, -2{,}80). Çıkarımın dayanıklılığı bu stratejiler arasındaki farka bakılarak yorumlanır.

Kovaryans. Kovaryans matrisi bütün gruplar için ortaktır (same_cov = TRUE rbmi varsayılanı; şablon bunu değiştirmez); bu, ara olay sonrası koşullu dağılımın grup kovaryansı yerine ortak \boldsymbol\Sigma ile kurulduğu anlamına gelir. Dikkat: eksik vizitlerin hepsi için koşullu dağılım, yalnız hastanın gözlenen vizitlerine (aradaki eksikler dahil) göre kurulur.

219.4.3 Atama modeli (MMRM)

Ortalama modeli outcome ~ 1 + [ortak]*vizit + grup*vizit biçimindedir (182–183: covariates = c("mqX1*mqVIS", "mqGRP*mqVIS")); örnek veride 4+4+4=12 sabit etki: vizit düzeyleri (4), grup ve grup×vizit (4), BASVAL ve BASVAL×vizit (4). \boldsymbol\Sigma yapılandırılmamıştır (us; 10 parametre). Kestirim REML ile yapılır (reml kapalıysa ML; 171).

Koddaki tercih

draws(data, data_ice, vars, method, quiet = TRUE) (194) atama modelini kurar. method_condmean(type = "jackknife") ya da type = "bootstrap" (186–188), koşullu ortalama atamasıdır: tek bir belirlenimci atama (rastgele çekiliş yok); belirsizlik yeniden örneklemeyle bulunur (Wolbers ve ark., 2022). method_approxbayes(n_samples) (189) yaklaşık Bayesci çoklu atamadır: kestirimin örnekleme dağılımından m parametre çekilir ve her biri için koşullu normal dağılımdan atama yapılır; Rubin kurallarıyla havuzlanır. impute(cek, references, update_strategy) (198) stratejiyi uygular; analyse(im, ancova, vars) (199) her vizitte ANCOVA yapar; pool(an, conf.level, alternative) (200) birleştirir.

219.4.4 Analiz ve çıkarım

Her vizitte tam (atanmış) veride sonuc ~ grup + ortak OLS modeli kurulur. Tedavi etkisi, grup katsayısıdır (ilaç − referans). Düzeltilmiş ortalama, her grup için kestirilen ortalamadır ve ortak değişken bütün hastalardaki ortalamasında alınır (rbmi weights = "counterfactual"):

\hat\theta_t=\hat\gamma_{t},\qquad \widehat{\mathrm{LSM}}_{g,t}=\hat\alpha_t+\hat\gamma_t\,\mathbf 1_{g}+\hat\delta_t\,\bar b
  • \hat\gamma_t: vizit t için grup katsayısı = tedavi etkisi (ilaç − referans); \hat\alpha_t: kesişim; \hat\delta_t: ortak değişken katsayısı.
  • \bar b: ortak değişkenin tüm hastalardaki ortalaması; \mathbf 1_g: grup g ilaç grubu ise 1.

Jackknife çıkarımı (varsayılan). Her hasta sırayla çıkarılır ve atama + ANCOVA yinelenir; \hat\theta_{(-i)} bu kestirimlerdir:

\widehat{SE}=\sqrt{\frac{n-1}{n}\sum_{i=1}^{n}\bigl(\hat\theta_{(-i)}-\bar\theta_{(\cdot)}\bigr)^2},\qquad \text{GA}=\hat\theta\pm z_{1-\alpha/2}\,\widehat{SE}
  • n: hasta sayısı (143); \hat\theta: tüm veriden kestirim; \bar\theta_{(\cdot)}: jackknife kestirimlerinin ortalaması.
  • Güven aralığı ve p değeri normal dağılımdan alınır (qnorm/pnorm; rbmi pool_internal.jackknife).

Bootstrap (condmean_bootstrap). Hastalar yerine koyarak yeniden örneklenir (B= n_ornek); rbmi'nin varsayılan yüzdelik aralığı kullanılır: SE ve t kestirilmez, aralık bootstrap dağılımının yüzdeliklerinden, p değeri bootstrap dağılımının sıfırı kapsama oranından bulunur. Şablonun "SH" sütunu bu durumda boştur (NaN); şablon bunu çıktıya not eder ("güven aralığı yüzdelik aralıktır; standart hata kestirilmez") ve en küçük anlamlı p'nin yaklaşık 1/B olduğunu yazar; tabloda p=0 görünen satır varsa ayrıca uyarır: gerçek p sıfır değildir, p<1/B'dir. Yaklaşık Bayes (approxbayes): Rubin kuralları; SE=\sqrt T ve t dağılımı (rbmi varsayılanı Barnard–Rubin serbestlik derecesi).

rbmi varsayılanı ile şablonun tercihi

Şablon, kovaryans yapısı ve REML dışında rbmi varsayılanlarını olduğu gibi kullanır: ortak kovaryans, karşı olgusal ağırlık, jackknife'ta normal çıkarım, bootstrap'ta yüzdelik çıkarım. n_ornek jackknife'ta kullanılmaz; formda belirtildiği hâlde, jackknife'ın sonucu bundan bağımsızdır.

219.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
97–98 .m ile iki dilli ileti; rbmi yüklenir.
100–118 Veri ve rol denetimi; ortak değişken ayrılır; eksik kimlik/vizit/grup satırları atılır. Atılan satır sayısı yazılır.
119–122 Vizit sırası: sayısal ise sayı sırası, faktör ise düzey sırası, aksi hâlde alfabetik.
123–131 Grup düzeyleri (Veri sekmesi / sayısal / harf sırası); referans boşsa ilk düzey; referans başa alınır. Boş referansta seçilen düzey ve kural yazılır.
132–149 Denek faktörü; yinelenen denek–vizit, grup/ortak sabitliği, ortak değişken sabit mi, denek sayısı, ilk vizit gözlem sayısı denetimleri. Her grupta ilk vizitte en az 3 gözlem gerekir.
151–160 Denek × vizit tablosu tamamlanır; temel değişkenler denekten taşınır. Eksik vizit satırları eklenir.
162–174 Ara olay tablosu (terminal eksiklik). Aradaki eksikler MAR atanır.
176–184 Güvenli iç adlar; formüller; set_vars. rbmi formülde ters tırnak desteklemez.
185–189 Yöntem ve kovaryans, REML. us varsayılan olduğundan covariance iletilmez.
190–201 draws, impute, analyse, pool; uyarılar toplanır. referanslar: her grup için referans düzey.
202–209 duzenle: vizit, tedavi etkisi / düzeltilmiş ortalama, grup, kestirim, SH, GA, p. parametre sütunu rbmi adlarını (trt_7, lsm_ref_7) taşır.
210–228 Konsol özeti ve tablolar; ara olay varsa MAR karşılaştırma tablosu. MAR tablosu aynı çekimlerle yeniden atar (transform(ice, strategy = "MAR")).
229–243 Uyarılar; vizitlere göre tedavi etkisi grafiği. Grafik yalnız tedavi etkisi satırlarını çizer.

219.6 Elle hesap: örnek veride bağımsız yeniden hesap

Bağımsız hesaplar rbmi ve mmrm kullanılmadan yapılmıştır. dogrulama/mnar_referans_atama/elle_hesap.py: yapılandırılmamış kovaryanslı MMRM'i Cholesky parametrelemesiyle scipy.optimize.minimize (BFGS) ile REML'den kestirir; koşullu ortalama atamasını (219.4.2) ve ANCOVA'yı elle yazar; jackknife'ı her hasta çıkarılarak yineler. r_dogrulama.R: MMRM nlme::gls (corSymm + varIdent, REML), strateji ve atama formülleri açık yazılmış R kodudur; jackknife yine 172 yeniden uydurmadır.

Adım 1 — MMRM sabit etkileri ve kovaryansı. 12 sabit etki (ilk üçü: 3{,}2943, -0{,}5058, -0{,}3900; grup etkisi 0{,}0918 ve grup×vizit -1{,}4950, -2{,}3165, -2{,}8936). \hat{\boldsymbol\Sigma} köşegeni 19{,}684, 34{,}211, 38{,}436, 45{,}259; vizit 4–5 kovaryansı 16{,}516. Bağımsız R (gls) \hat\Sigma_{11}=19{,}684 ve aynı sabit etkileri verir.

Adım 2 — Bir hastanın J2R ataması. 42. hasta (ilaç kolu, BASVAL = 12), gözlenen \mathbf y_o=(0;\,5) vizit 4–5; vizit 6–7 eksik (k = vizit 6). Kendi ortalaması \boldsymbol\mu^{own}=(0{,}0320;\,-2{,}3816;\,-4{,}0553;\,-5{,}7128), referans ortalaması \boldsymbol\mu^{ref}=(-0{,}0598;\,-0{,}9783;\,-1{,}8307;\,-2{,}9110). J2R ortalaması: \boldsymbol\mu=(0{,}0320;\,-2{,}3816;\,-1{,}8307;\,-2{,}9110). Gözlenen sapma \mathbf y_o-\boldsymbol\mu_o=(-0{,}0320;\;7{,}3816) vizit 6–7'ye \boldsymbol\Sigma_{mo}\boldsymbol\Sigma_{oo}^{-1} ile taşınır ve atanan değerler 2{,}6994 (vizit 6) ve 1{,}5970 (vizit 7) olur. MAR altında aynı hastanın atanan değerleri 0{,}4747 ve -1{,}2049'dur: J2R, bırakma sonrası izin kontrol grubuna (daha az iyileşme) dönmesini yansıtır.

Adım 3 — ANCOVA, tedavi etkisi. Her vizitte tamamlanmış veriden sonuc ~ grup + BASVAL: J2R tedavi etkisi (vizit 4–7) 0{,}09181; -1{,}30543; -1{,}92899; -2{,}12558.

Adım 4 — Diğer stratejiler. Vizit 7 için tedavi etkisi: CR -2{,}37075; CIR -2{,}44918; LMCF -2{,}51393; MAR -2{,}80183. Vizit 4'te hiç eksik olmadığından etki bütün stratejilerde 0{,}09181'dir.

Adım 5 — Jackknife. J2R için 172 yeniden uydurma: SE 0{,}6946; 0{,}8783; 0{,}8623; 0{,}8581; p=0{,}8948; 0{,}1372; 0{,}0253; 0{,}0133 (normal dağılım).

219.6.1 Doğrulama: MerQuR+, Python ve R

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
JR: vizit 4 tedavi etkisi 0,09180645 0,09180645 0,09180645 1,5e−15 ✓
JR: vizit 4 PLACEBO düzeltilmiş ortalama −1,7076264 −1,7076264 −1,7076264 3,3e−15 ✓
JR: vizit 4 DRUG düzeltilmiş ortalama −1,61581996 −1,61581996 −1,61581996 7,4e−15 ✓
JR: vizit 5 tedavi etkisi −1,30542785 −1,30543303 −1,30543293 4,0e−6 ✓
JR: vizit 5 PLACEBO düzeltilmiş ortalama −2,82769019 −2,82768554 −2,82768563 1,6e−6 ✓
JR: vizit 5 DRUG düzeltilmiş ortalama −4,13311804 −4,13311857 −4,13311856 1,3e−7 ✓
JR: vizit 6 tedavi etkisi −1,9289738 −1,92899329 −1,92899311 1,0e−5 ✓
JR: vizit 6 PLACEBO düzeltilmiş ortalama −4,1589552 −4,15893523 −4,15893567 4,8e−6 ✓
JR: vizit 6 DRUG düzeltilmiş ortalama −6,08792901 −6,08792852 −6,08792878 7,9e−8 ✓
JR: vizit 7 tedavi etkisi −2,12553385 −2,12558009 −2,12558023 2,2e−5 ✓
JR: vizit 7 PLACEBO düzeltilmiş ortalama −4,83909403 −4,83906703 −4,83906689 5,6e−6 ✓
JR: vizit 7 DRUG düzeltilmiş ortalama −6,96462788 −6,96464712 −6,96464713 2,8e−6 ✓
CR: vizit 4 tedavi etkisi 0,09180645 0,09180645 0,09180645 1,5e−15 ✓
CR: vizit 5 tedavi etkisi −1,30006053 −1,30006557 −1,30006548 3,9e−6 ✓
CR: vizit 6 tedavi etkisi −1,97698012 −1,97699418 −1,97699388 7,1e−6 ✓
CR: vizit 7 tedavi etkisi −2,37071735 −2,37074801 −2,37074807 1,3e−5 ✓
CIR: vizit 4 tedavi etkisi 0,09180645 0,09180645 0,09180645 1,5e−15 ✓
CIR: vizit 5 tedavi etkisi −1,2990306 −1,29903578 −1,29903568 4,0e−6 ✓
CIR: vizit 6 tedavi etkisi −2,01128902 −2,01130885 −2,01130867 9,9e−6 ✓
CIR: vizit 7 tedavi etkisi −2,44912824 −2,44917727 −2,44917738 2,0e−5 ✓
LMCF: vizit 4 tedavi etkisi 0,09180645 0,09180645 0,09180645 1,5e−15 ✓
LMCF: vizit 5 tedavi etkisi −1,31605476 −1,31605984 −1,31605974 3,9e−6 ✓
LMCF: vizit 6 tedavi etkisi −2,0739004 −2,07391967 −2,07391947 9,3e−6 ✓
LMCF: vizit 7 tedavi etkisi −2,5138785 −2,51392669 −2,51392677 1,9e−5 ✓
MAR: vizit 4 tedavi etkisi 0,09180645 0,09180645 0,09180645 1,5e−15 ✓
MAR: vizit 4 PLACEBO düzeltilmiş ortalama −1,7076264 −1,7076264 −1,7076264 3,3e−15 ✓
MAR: vizit 4 DRUG düzeltilmiş ortalama −1,61581996 −1,61581996 −1,61581996 7,4e−15 ✓
MAR: vizit 5 tedavi etkisi −1,4032059 −1,40321146 −1,40321136 4,0e−6 ✓
MAR: vizit 5 PLACEBO düzeltilmiş ortalama −2,82888716 −2,82888252 −2,8288826 1,6e−6 ✓
MAR: vizit 5 DRUG düzeltilmiş ortalama −4,23209306 −4,23209399 −4,23209396 2,2e−7 ✓
MAR: vizit 6 tedavi etkisi −2,22463482 −2,22465729 −2,22465708 1,0e−5 ✓
MAR: vizit 6 PLACEBO düzeltilmiş ortalama −4,15683577 −4,15681578 −4,15681621 4,8e−6 ✓
MAR: vizit 6 DRUG düzeltilmiş ortalama −6,38147059 −6,38147307 −6,3814733 4,2e−7 ✓
MAR: vizit 7 tedavi etkisi −2,80177264 −2,80183358 −2,80183377 2,2e−5 ✓
MAR: vizit 7 PLACEBO düzeltilmiş ortalama −4,8346254 −4,8345983 −4,83459816 5,6e−6 ✓
MAR: vizit 7 DRUG düzeltilmiş ortalama −7,63639803 −7,63643188 −7,63643193 4,4e−6 ✓
JR (jackknife): vizit 4 SH 0,69459796 0,69459796 0,69459796 1,9e−15 ✓
JR (jackknife): vizit 4 p (normal) 0,8948482 0,8948482 0,8948482 1,9e−15 ✓
JR (jackknife): vizit 4 GA alt −1,26958054 −1,26958054 −1,26958054 7,0e−15 ✓
JR (jackknife): vizit 5 SH 0,87826502 0,87826645 0,87826657 1,5e−6 ✓
JR (jackknife): vizit 5 p (normal) 0,13718096 0,13718004 0,13718012 9,2e−7 ✓
JR (jackknife): vizit 5 GA alt −3,02679566 −3,02680363 −3,02679869 2,6e−6 ✓
JR (jackknife): vizit 6 SH 0,86232514 0,86232982 0,86232961 4,7e−6 ✓
JR (jackknife): vizit 6 p (normal) 0,02528994 0,02528926 0,02528924 7,1e−7 ✓
JR (jackknife): vizit 6 GA alt −3,61910002 −3,61912869 −3,61910878 7,9e−6 ✓
JR (jackknife): vizit 7 SH 0,85813936 0,85813532 0,85813556 4,0e−6 ✓
JR (jackknife): vizit 7 p (normal) 0,01325254 0,0132501 0,01325012 2,4e−6 ✓
JR (jackknife): vizit 7 GA alt −3,80745609 −3,80749441 −3,80744865 1,0e−5 ✓

Ölçütü karşılayan: 48/48. Şablonun çağırdığı rbmi/mmrm eniyileyicisi ile bağımsız MMRM eniyileyicileri (Python: elle REML + BFGS; R: nlme::gls) yakınsama toleransı kadar (≤ 1·10⁻⁴) ayrılır; ölçüt 2·10⁻⁴ (SH ve p için 5·10⁻⁴) alınmıştır.

219.7 Çıktıyı okuma

Örnek veri, örnek ayar (mnar_ornek); konsol:

Denek: 172; vizit: 4, 5, 6, 7; referans grup: PLACEBO; strateji: JR; yöntem: condmean_jackknife; ara olaylı denek: 43

Tablo 1 (kısaltılmış: tedavi etkisi satırları; "SH", jackknife standart hatası):

vizit grup kestirim SH GA alt GA üst p
4 DRUG − PLACEBO 0,0918 0,6946 −1,2696 1,4532 0,8948
5 DRUG − PLACEBO −1,3054 0,8783 −3,0268 0,4159 0,1372
6 DRUG − PLACEBO −1,9290 0,8623 −3,6191 −0,2388 0,0253
7 DRUG − PLACEBO −2,1255 0,8581 −3,8075 −0,4436 0,0133

Aynı tabloda düzeltilmiş ortalamalar da vardır (vizit 7: PLACEBO -4{,}8391; DRUG -6{,}9646). Tablo 2: vizit ve gruba göre eksik oranı (vizit 7: PLACEBO 0,261; DRUG 0,238). Tablo 3: aynı çekimlerle MAR altında tedavi etkisi (vizit 7: -2{,}8018; SH 1{,}1067; p=0{,}0114).

Şekil 219.1. Vizitlere göre tedavi etkisi ve %95 güven aralığı (J2R, jackknife); kesikli çizgi sıfırdır.

Öğe Ne yazar Nasıl yorumlanır
Tedavi etkisi İlaç − referans, vizit başına; negatif değer HAMD17'de daha çok düşüş (iyileşme). Vizit 7'de J2R altında -2{,}13 puan; aralık sıfırı kapsamaz.
Düzeltilmiş ortalama Ortak değişken ortalamasında grup ortalaması. Tedavi etkisinin iki bileşeni.
Karşılaştırma tablosu (MAR) Aynı çekimlerle MAR tedavi etkisi. Fark bırakma sonrası varsayımların etkisini gösterir: vizit 7'de -2{,}13 (J2R) ve -2{,}80 (MAR).
Eksik oranı Vizit ve gruba göre eksik fraksiyonu. İlaç ve plasebo kollarında benzer; vizit 7'de yaklaşık dörtte bir.

Stratejilere göre vizit 7 tedavi etkisi (mnar_CR, mnar_CIR, mnar_LMCF, mnar_MAR çalıştırmaları): J2R -2{,}1255 (SH 0{,}858; p=0{,}0133), CR -2{,}3707 (0{,}981; 0{,}0157), CIR -2{,}4491 (1{,}001; 0{,}0144), LMCF -2{,}5139 (1{,}029; 0{,}0146), MAR -2{,}8018 (1{,}107; 0{,}0114). Sonuç, ara olay sonrası varsayımlar gevşedikçe etkinin büyüdüğünü, ama bütün stratejilerde anlamlı kaldığını gösterir.

Bootstrap ile. condmean_bootstrap, n_ornek = 20, Kod paneli tohumu 5 (mnar_boot_s5): kestirimler jackknife ile aynıdır; SH sütunu NaN; vizit 7 için yüzdelik aralık (-4{,}58;\,-0{,}92) ve p=0{,}000000 (çıktı bunu "p = 0 yazılan satırlarda 20 bootstrap örneğinin hiçbiri sıfırın öte yanına düşmedi; p < 1/20 (= 0,0500)" diye uyarır). Aynı tohumla yinelenen çalıştırma (mnar_boot_s5b) tablonun bütün değerlerini aynen yineler; tohum 6 ile (mnar_boot_s6) vizit 7 aralığı (-4{,}48;\,-0{,}11) olur ve vizit 6'nın p değeri 0{,}1310'a çıkar (tohum 5'te 0{,}0000). 20 örnekle bootstrap güvenilir değildir; örnek sayısı yalnız kod denemesi içindir.

Rapor cümlesi. Tedaviyi bıraktıktan sonraki eksik ölçümler, referansa sıçrama (J2R) varsayımıyla koşullu ortalama atamasıyla (MMRM, yapılandırılmamış kovaryans; REML) atandı; her vizitte ANCOVA ile (tedavi grubu, başlangıç değeri) ve jackknife standart hatasıyla çıkarım yapıldı. Yedinci vizitte HAMD17 değişimi ilaç grubunda plasebodan 2{,}13 puan daha çok düştü (%95 GA: -3{,}81; -0{,}44; p=0{,}013). MAR varsayımıyla fark -2{,}80 idi; sonuç J2R, CR, CIR ve LMCF stratejilerinde de anlamlı kaldı.

219.8 Sık hatalar ve tuzaklar

  • Strateji seçimi bir istatistik değil, klinik karardır. J2R, CIR ve LMCF'nin hangisinin uygun olduğu, ilacın bırakma sonrası etkisine ilişkin klinik varsayımdır; veriden seçilemez. Birincil analiz ile duyarlılık analizleri önceden belirlenmelidir.
  • Bootstrap örnek sayısı küçükse. SE yazılmaz, yüzdelik aralık ve p kaba; p=0 çıkabilir; çıktı bunu açıkça uyarır (p<1/B). B\ge1000 kullanın.
  • Referans boş bırakılırsa. Referans, Veri sekmesindeki düzey sırasının (kategorik sütun), değilse sayısal ya da harf sırasının ilk düzeyidir ve çıktıda yazılır. Yine de referansı yazmak en güvenlisidir; yanlış referans J2R'yi tersine çevirir.
  • Ara olay tanımı. Terminal olmayan eksiklikler MAR sayılır; hastanın ara bir vizit atlayıp sonra gelmesi ara olay değildir. Bırakma tarihi gerçek çalışma verisinden bilinen bir ara olay ise, bu şablonun "son gözlenen ölçümden sonraki ilk eksik vizit" tanımı onu yalnız gözlenen ölçümlerin bitişiyle ayırır.
  • Denek içinde değişen ortak değişken. Hata verilir ("denek içinde sabit olmalı"); zamanla değişen ortak değişkenler desteklenmez.
  • Ortak kovaryans. Gruplar arası kovaryans farkı modellenmez.
  • Vizit sırası. Metin vizit etiketlerinde sıra düzey sırasına (ilk görülme) bağlıdır; "W10" "W2"den önce görünmesin diye sütunu kategorik tanımlayıp sırayı belirleyin.
  • MMRM yakınsamıyorsa. rbmi uyarıları toplanıp çıktının sonuna yazılır; büyük kovaryans yapılarında yakınsama sorunu için cs ya da ar1 gibi daha az parametreli yapıyı deneyin.
  • Eksik satırlar. Kimlik, vizit, grup ya da ortak değişkeni eksik satırlar atılır; sayıları konsola yazılır.

219.9 Uzman soruları

S1. J2R neden "temkinli" sayılır?

J2R'de bırakmayla birlikte hastanın ortalama izi kontrol grubunun izine geçer; tedavi etkisi bırakma anında tamamen kaybolur. Bu, tedavinin bırakmadan sonra hiçbir kalıcı etki bırakmadığı varsayımıdır ve MAR'a göre tedavi etkisini küçültür. Örnek veride vizit 7'de -2{,}13 ve MAR'da -2{,}80'dir.

S2. CR ile J2R arasındaki fark nedir?

CR'de bırakmadan önceki vizitlerin ortalaması da referanstır; yalnız gözlenen değerlere koşullanma hastanın kendi bilgisini taşır. J2R'de bırakmaya kadar hastanın kendi grup ortalaması korunur. Pratikte CR, ara olaydan önceki gözlemleri referans ortalamaya yaklaştırır.

S3. Jackknife SE ve bootstrap neden farklı sunuluyor?

Jackknife'ta SE standart formülle bulunur ve normal GA kullanılır; rbmi bootstrapi yüzdelik GA verir ve SE'yi kestirmez. Bu şablonun tablosunda bootstrap'ta SH sütunu NaN'dır ve çıktıda bu not edilir; çıkarım aralık ve p ile yapılır.

S4. Belirlenimci koşullu ortalama atamasının çoklu atamadan farkı nedir?

Koşullu ortalama atama, eksik değerlerin koşullu ortalamasını koyar (rastgelelik yok); varyans yeniden örneklemeyle bulunur. Çoklu atama koşullu dağılımdan çeker ve Rubin kurallarıyla birleştirir. Jackknife ve bootstrap, çoklu atamanın gerektirdiği uyumlu analiz modeli varsayımını gevşetir (Wolbers ve ark., 2022). Örnek veride yaklaşık Bayes, aynı kestirimlerin Monte Carlo değişkenli karşılığıdır.

S5. MAR karşılaştırma tablosu neden aynı çekimlerle?

impute(update_strategy = ...) yalnız ara olay stratejisini değiştirir; atama modeli ve çekimler aynı kalır. Bu yüzden iki tablo arasındaki fark, yalnız strateji varsayımının etkisidir; örnekleme farkı yoktur. Karşılaştırma tablosu mnar_MAR çalıştırmasıyla birebir aynıdır (vizit 7: -2{,}80177).

S6. Neden çıktıda "Düzeltilmiş ortalama" ortak değişken ortalamasında?

Karşı olgusal ağırlıkla, her grup için ortak değişken değeri bütün hastaların ortalamasına sabitlenir; böylece gruplar karşılaştırılırken temel değer farkı çıkarılır. proportional ağırlıklar şablonda seçilemez.

S7. Başlangıç değeri neden vizitle etkileşimli?

Başlangıç değeri sonucu her vizitte farklı derecede yordar; BASVAL×vizit terimi atama modelinde bunu serbest bırakır. Analiz modeli ise vizit başına ayrı ANCOVA olduğundan her vizitte kendi katsayısını taşır.

219.10 Kaynaklar

  • Carpenter, J. R., Roger, J. H., & Kenward, M. G. (2013). Analysis of longitudinal trials with protocol deviation: A framework for relevant, accessible assumptions, and inference via multiple imputation. Journal of Biopharmaceutical Statistics, 23(6), 1352–1371. https://doi.org/10.1080/10543406.2013.834911
  • Cro, S., Morris, T. P., Kenward, M. G., & Carpenter, J. R. (2020). Sensitivity analysis for clinical trials with missing continuous outcome data using controlled multiple imputation: A practical guide. Statistics in Medicine, 39(21), 2815–2842. https://doi.org/10.1002/sim.8569
  • Gower-Page, C., Noci, A., & Wolbers, M. (2022). rbmi: A R package for standard and reference-based multiple imputation methods. Journal of Open Source Software, 7(74), 4251. https://doi.org/10.21105/joss.04251
  • Wolbers, M., Noci, A., Delmar, P., Gower-Page, C., Yiu, S., & Bartlett, J. W. (2022). Standard and reference-based conditional mean imputation. Pharmaceutical Statistics, 21(6), 1246–1257. https://doi.org/10.1002/pst.2234