如何将纵向效应纳入线性混合效应模型

Question

我需要使用线性混合效应模型评估 2 次访问之间的 FAT 纵向变化。

我有一些会从第 1 次访问到第 2 次访问发生变化，因为它们是高血压状态、糖尿病状态、bmi、腰围、吸烟状态等。还有其他变量不会因访问而改变1 访问 2，因为他们是性别或种族。

以下变量是虚拟变量（高血压状态、糖尿病状态、吸烟状态、性别），而以下变量是连续变量（bmi、腰围、年龄）。

我最初使用nlme包的想法是：

lme(fat~ diabetes_status + hypertension_status + bmi + waist + smoker + gender + ethnicity + Visit, random= ~1|PatientID/Visit, data = df, na.action = na.omit)

访问有 2 个级别（1 和 2）

问题：

1. 您认为这是评估脂肪是否存在纵向变化的正确方法吗？
2. 您认为这包含太多固定效果吗？

PS：我为您提供了一个示例数据集：

 df <- data.frame(PatientID = c(1000344, 1000344,1001471, 1001471, 1002830, 1002830),Visit = c(1,2,1,2,1,2),fat= c(  8.510 ,14.456, 4.612,4.738,18.021,25.740), diabetes_status= c("False" ,"True","False" ,"False" ,"False","True"), hypertension_status= c("True" ,"True","False" ,"True" ,"False","True"),bmi= c(32.0386  ,33.4919 ,29.6878  ,28.7660   ,26.1540 ,26.2788), waist= c(105  ,105   ,98     ,101  ,91  ,96), smoker= c(1 ,0  ,0 ,0  ,1  ,0), gender= c(1  ,1  ,0 ,0,1 ,1), ethnicity= c(1,1 ,0,0,1 ,1),  stringsAsFactors = F)

谢谢！

Answer 1

你所拥有的并不是一个糟糕的开始。固定效应参数（您可以通过在模型对象上运行 fixef() 来获得）应该为您提供每个模型固定效应对结果变量的“整体”效应的一些指示。

在不知道你有多少数据的情况下，很难说你的模型是否包含太多固定效应。其他一些因素也可能很重要，例如您的预测变量共同变化的程度（特别是虚拟变量）。对于您的示例数据集，您肯定有太多固定效应，但是，我猜您在真实数据集中有超过六个观察值。这里一些容易实现的目标可能是去除 BMI 或腰围。两者本质上都在尝试测量相同的东西。

我建议花一些时间与 J.C. 的 Pinheiro 和 D.M. 的 Bates (2000)“S 和 S-PLUS 中的混​​合效应模型”，Springer。这是一个很好的资源，有许多不同的工作示例。混合效应模型是一个很大的话题。我相信这本书也有一些章节介绍了建立模型复杂性的顺序，以及如何测试加法或固定和随机效应是否会改进模型。例如，在评估固定/随机效应的包含/去除时，您是否使用最大似然法或受限最大似然法拟合模型很重要。

编辑：我刚刚注意到您只有两次访问。您最好剥离访问模型层并将访问之间的“脂肪变化”建模为结果。如果您在这两次就诊中的每一次每次只对每位患者进行一次测量，您也不需要患者 ID 级别。因此，您可以使用简单的线性回归模型。但是，我根据您提供的样本数据对您的数据做了很多假设。