Je n`ai que 2 points de temps dans les mesures répétées. Je veux savoir quels facteurs ou covariables au moment 1 prédire mon DV au moment 2 (3 mois d`intervalle). Le modèle mixte est-il toujours approprié? Si oui, quand je liste Mes covariables sont-ils identifiés comme covariables au moment 1? Mon DV est-il identifié comme DV au moment 2 ou en DV? Un modèle d`interception aléatoire peut-il être utilisé pour ce qui précède? Merci. Maureen dans cet article, nous avons proposé un nouveau cadre analytique pour les données d`essai randomisées de mesure répétées basées sur le modèle d`effets mixtes. Le schéma d`analyse proposé combine une procédure de sélection de modèle avec une procédure de test. La procédure de sélection du modèle utilise les informations du modèle optimal considéré pour les données pour tester les effets de traitement pour augmenter la puissance. Pour assurer la validité de l`inférence de sélection post-modèle, nous avons développé une stratégie d`estimation des écarts d`amorçage de grappes restreintes pour estimer la (CO) variance de l`estimation de l`effet de traitement. Nos statistiques de test proposées tiennent compte de la nature stochastique du processus de sélection du modèle de telle sorte que les statistiques d`essai proposées suivent asymptotiquement les distributions χ2 sous la valeur null. Cela nous donne la validité pour contrôler le taux d`erreur de type I. Comme le montrent nos simulations, la méthode proposée surpasse le simple t-test, le grand modèle d`effets mixtes complets et le test du rapport de vraisemblance (LRT) entre le modèle grand complet et le modèle nul. Le gain de puissance pour notre méthode proposée sur le t-test et le grand modèle d`effets mixtes complets pour tester le dernier effet de point de temps est substantiel dans tous nos scénarios de simulation.
Comparé à la LRT du modèle d`effets mixtes complets, notre méthode est supérieure dans la plupart des scénarios de simulation, sauf que les deux méthodes sont comparables lorsque les données sont générées à partir du modèle complet avec un temps fort par l`interaction du traitement. Dans la pratique, parfois le protocole d`essai clinique peut spécifier l`utilisation du modèle complet d`effets mixtes pour tester le dernier effet de traitement de point de temps indépendamment du fait que le modèle complet d`effets mixtes correspond le mieux aux données ou non. Aux fins de l`intégrité du protocole, les méthodologies proposées ne s`appliquent plus. Il convient de mentionner que, dans le cadre de l`essai clinique de mesure répétée, une alternative à l`approche du modèle à effets mixtes examinée dans le présent document, est une méthode de mesures sommaires (pondérées), qui utilise les mesures (pondérées) postérieures à la référence différence que l`estimateur des effets du traitement, et il peut être efficace dans certains scénarios.