Berichtsergebnisse des linearen Mixed-Effects-Modells

Lineare Modelle mit gemischten Effekten werden in meiner Biologie nicht häufig verwendet, und ich muss den statistischen Test melden, den ich in einer Arbeit verwendet habe, die ich zu schreiben versuche. Ich weiß, dass in einigen Bereichen der Biowissenschaften das Bewusstsein für Mehrebenen-Modellierung zu spüren ist ( Eine Lösung für die Abhängigkeit: Verwenden von Mehrebenen-Analysen zur Berücksichtigung verschachtelter Daten ), aber ich versuche immer noch zu lernen, wie ich meine Ergebnisse berichte!

Mein experimentelles Design, kurz:
* Themen zu einem von vier Behandlungsgruppen zugeteilt wurden
* Messungen der abhängigen Variablen an verschiedenen Tagen nach Beginn der Behandlung entnommen wurden
* Das Design ist unausgewogen (ungleiche Anzahl der Patienten in den Behandlungsgruppen und fehlende Messungen für einige Probanden an einigen Tagen)
* Behandlung A ist die Referenzkategorie
* Ich habe die Daten am letzten Tag der Behandlung zentriert

Ich möchte wissen, ob die Behandlung A (die Referenzkategorie) signifikant bessere Ergebnisse liefert als die anderen Behandlungen (am Ende der Behandlung).

Ich habe meine Analyse in R mit nlme gemacht:

mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject, data = mydf, na.action = na.omit, 
+ correlation = corAR1(form = ~1 |Subject), method = "REML")

Und die Ausgabe (teilweise; der Kürze halber abgeschnitten) ist:

>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

Ich weiß also, dass sich die Wirkung des Tages je nach Behandlung unterscheidet und dass sich dv am letzten Behandlungstag (bei dem die Daten zentriert sind) in Behandlung A erheblich von den Behandlungen B oder C unterscheidet.

Was ich sagen möchte ist: "Wie vorhergesagt, fanden wir, dass die abhängige Variable bei Probanden, die Behandlung A (Mittelwert +/- SE) erhielten, signifikant niedriger war als bei Probanden, die Behandlung B (Mittelwert +/- SE, p = 0,0096) oder Behandlung erhielten C (Mittelwert +/- SE, p = 0,0065), gemessen am letzten Behandlungstag. "

Ich muss jedoch angeben, welcher statistische Test durchgeführt wurde. Wäre dies eine akzeptable Art, die Analyse zu beschreiben? Das [Messverfahren] wurde an den angegebenen Tagen durchgeführt und die abhängige Variable (Einheiten) wurde bestimmt; wir analysierten die logarithmisch transformierten Daten unter Verwendung eines linearen Mischeffektmodells, das auf den [letzten Tag der Behandlung] zentriert war. Die Symbole repräsentieren den Mittelwert dv; Fehlerbalken sind Standardfehler. Am letzten Tag der Behandlung war dv in Behandlung A (Mittelwert +/- SE) signifikant niedriger als in Behandlung B (Mittelwert +/- SE, p = 0,0096) ...

Konkret
sagt das genug über den verwendeten statistischen Test aus? (Leser sind es gewohnt, eher "Mittelwert +/- SE, p = 0,0096, Schüler-t-Test" zu sehen, aber es scheint seltsam, "p = 0,0096, Koeffizient für Behandlung B gegen Behandlung A aus linearen Mischeffekten zu schreiben Modell am [letzten Tag der Behandlung]. ")
* Gibt es eine bessere Möglichkeit, dies zu formulieren?

(Der Methodenabschnitt enthält weitere Informationen zu den Statistiken: "[Messmethode] -Daten wurden mit R und den R-Paketen analysiert ... Wir haben die logarithmisch transformierten Daten der abhängigen Variablen unter Verwendung linearer Modelle mit gemischten Effekten unter Verwendung von Subjekten als Zufallseffekten und analysiert eine Autokorrelationsstruktur der Ordnung 1 (AR1). Als feste Effekte umfassten wir Behandlung und Tag sowie die Wechselwirkung von Behandlung und Tag. Wir überprüften die Normalität und Homogenität durch visuelle Inspektion von Residuendiagrammen gegen angepasste Werte Bei den Mixed-Effects-Analysen haben wir Likelihood-Ratio-Tests durchgeführt, bei denen die Modelle mit festen Effekten mit den Nullmodellen mit nur zufälligen Effekten verglichen wurden. ")

Jeder Rat, wie die Ergebnisse eines linearen Mixed-Effects-Modells für ein häufig stats-abgeneigtes Publikum (und von einem relativen Statistik-Neuling geschrieben) gemeldet werden können, wäre sehr willkommen!

Dies hilft möglicherweise nicht bei der Beantwortung Ihrer Frage, aber ich habe festgestellt, dass Sie in Ihrem Experiment ein wiederholtes Maß (Tag) haben, aber Sie haben nicht angegeben, dass dies ein wiederholtes Maß in Ihrem Modell ist. Ich hätte gedacht, dass der zufällige Begriff in Ihrem Modell so ist:

mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject/Day, 
               data = mydf, na.action = na.omit,
               correlation = corAR1(form = ~1 |Subject/Day), method = "REML")

Wollten Sie in Bezug auf die Berichterstattung über die Ergebnisse an dem Tag berichten, an dem Sie anfingen, signifikante Unterschiede zwischen den Behandlungen festzustellen? Wenn ja, dann sollten Sie sich auch die Kontraste des Interaktionsbegriffs ansehen / darüber berichten. Ich bin selbst ein Statistik-Neuling und habe im Grunde die gleiche Frage wie du :-)

Andy Fields "Discovering Statistics Using R" erklärt, wie die Ergebnisse eines linearen Mixed-Effects-Modells in Kapitel 14 gemeldet werden. Ich habe das Buch nicht zur Hand, kann es aber bearbeiten, sobald ich es wieder in den Händen habe.