Confuso sui risultati del modello misto

Question

Ho uno studio in cui i pazienti possono avere da 1 a 5 aneurismi (contemporaneamente) e ciascuno può essere trattato in modo diverso (ogni aneurisma). Siamo interessati a vedere se un trattamento è diverso dall'altro e quali fattori di rischio possono contribuire agli effetti avversi.

Ho impostato i dati in modo da avere un'osservazione per aneurisma e non per paziente. Ciò significa che un paziente può essere registrato fino a 5 osservazioni con una variabile aneurysm_idche denota a quale aneurisma si riferisce l'osservazione.

Potrebbe sembrare così:

Patient1 --- Aneurysm_id --- effetto avverso? --- trattamento

---------------1 ---------------no ----------------1

Paziente1

---------------2---------------no----------------- 2

Paziente1

---------------3---------------no----------------- 2

Questo paziente ha tre aneurismi e quindi costituisce 3 osservazioni. Il paziente non ha avuto effetti avversi su nessuno degli aneurismi e due di essi sono stati trattati con il trattamento 2 e uno è stato trattato con il trattamento 1.

Sto eseguendo un raggruppamento di modelli misti per aneurysm_id.

Nel modello ho il consumo di alcol come una variabile e sono solo confuso su come i risultati possano essere significativi per il consumo di alcol = 3 in quanto questa è la tabella per il consumo di alcol e l'effetto negativo. Il consumo di alcol = 3 non sembra essere diverso dagli altri, costituendo circa il 94% senza l'effetto negativo per tutti i gruppi? Eppure nel modello mostra un aumento del rischio con un coefficiente di 1,06 (logit misto) e un valore p di 0,015.

Tabella (ho provato a formattare in un'immagine, ma non avrebbe funzionato).

qualcuno sà perche è cosi?

Answer 1

Sembra che tu non stia utilizzando la variabile di raggruppamento corretta. Le osservazioni sono raggruppate all'interno del paziente, non dell'aneurisma, quindi l'ID paziente dovrebbe essere la variabile di raggruppamento.

Per quanto riguarda i risultati, presumibilmente stai includendo altre variabili nel modello, quindi non puoi semplicemente guardare i rapporti di rischio grezzi. Inoltre, 1,06 sembra essere un rapporto di probabilità, e questo è vicino a 1 (cioè nessun effetto). Sembra che tu abbia un campione di grandi dimensioni, quindi anche piccoli effetti possono essere statisticamente significativi. Il significato clinico è più importante qui.