生成重复测量数据集答案

【问题标题】：Generating repeated measures dataset生成重复测量数据集
【发布时间】：2023-01-31 21:57:57
【问题描述】：

我希望在 R 中为重复测量模型生成一个数据集，但我不确定从哪里开始。

感兴趣的结果在 0-100 之间是连续的。这是一项双臂试验（比如“a”组和“b”组），每组有 309 名参与者。每个参与者在基线时接受评估，然后每两周评估一次，持续一年（总共 27 次评估）。一年中会有失访和退出（一年后约 30%），参与者可能会随机错过个人评估。

现在，我假设标准偏差在每个时间点都相同，并且对于两个臂 (11)。平均值会随着时间而改变。我正在假设每个参与者的分数与他们的基线测量值相关。

我怎样才能生成这个数据集？我打算比较重复测量回归方法。

【问题讨论】：

标签： r

【解决方案1】：

我认为以下满足您的要求。它的工作原理是从 27 周的正态分布中获取样本的累积总和，并将其转换为 0 到 100 之间的逻辑尺度（这样就不会违反最大/最小分数）。它使用replicate 为 309 名参与者执行此操作。然后，它通过选择随机参与者和随机一周来模拟 30% 的辍学，之后他们的测量值都是NA。它还为其他参与者增加了一些随机缺失的周数。结果被转换成长格式以便于分析。

library(tidyverse)

set.seed(1)

# Generate correlated scores for 309 people over 27 visits
df <- setNames(cbind(data.frame(ID = 1:309, t(replicate(309, {
  x <- cumsum(rnorm(27, 0.05, 0.1))
  round(100 * exp(x)/(1 + exp(x)))
  })))), c('ID', paste0('Visit_', 1:27)))

# Model dropouts at 30% rate
dropout <- sample(c(TRUE, FALSE), 309, TRUE, prob = c(0.7, 0.3))
df[cbind(which(!dropout), sample(2:28, sum(!dropout), TRUE))] <- NA
df <- as.data.frame(t(apply(df, 1, function(x) ifelse(is.na(cumsum(x)), NA,x))))

# Add random missing visits
df[cbind(sample(309, 100, TRUE), sample(2:28, 100, TRUE))] <- NA

df <- pivot_longer(df, -ID, names_to = 'Week', values_to = 'Score') %>%
  mutate(Week = 2 * (as.numeric(gsub('\D+', '', Week)) - 1))

我们的数据框现在看起来像这样：

head(df)
#> # A tibble: 6 x 3
#>      ID  Week Score
#>   <dbl> <dbl> <dbl>
#> 1     1     0    50
#> 2     1     2    51
#> 3     1     4    51
#> 4     1     6    56
#> 5     1     8    58
#> 6     1    10    57

我们可以看到分数随时间向上漂移（因为我们在创建分数时在 rnorm 上设置了一个小的正 mu。

lm(Score ~ Week, data = df)
#> 
#> Call:
#> lm(formula = Score ~ Week, data = df)
#> 
#> Coefficients:
#> (Intercept)         Week  
#>     52.2392       0.5102

我们可以绘制并查看分数的整体形状及其分布：

ggplot(df, aes(Week, Score, group = ID)) + geom_line(alpha = 0.1)

^{创建于 2023-01-31 reprex v2.0.2}

【讨论】：