การวิเคราะห์เส้นเวลา

ฉันกำลังทำการวิจัยเกี่ยวกับความสัมพันธ์ระหว่างลำดับการเกิดของบุคคลและความเสี่ยงต่อการเป็นโรคอ้วนในภายหลังโดยใช้ข้อมูลจากกลุ่มเกิด 1 ปี (เช่นhttp://www.ncbi.nlm.nih.gov/pmc/articles/PMC2908417/ )

ความท้าทายที่สำคัญคือลำดับการเกิดมีการเชื่อมโยงกับคุณสมบัติอื่น ๆ เช่นอายุของมารดาจำนวนพี่น้องที่อายุน้อยกว่าและ / หรืออายุมากกว่าและระยะห่างของการเกิดที่อาจมีผลต่อผลลัพธ์ผ่านกลไกที่แตกต่างกัน นอกจากนี้อิทธิพลใด ๆ ที่สิ่งเหล่านี้มีต่อความเสี่ยงต่อการเป็นโรคอ้วนในภายหลังอาจได้รับการแก้ไขโดยองค์ประกอบทางเพศของพี่น้องรวมถึง "เด็กดัชนี" (ผู้มีส่วนร่วมในกลุ่มคนเกิด)

สำหรับเด็กดัชนีแต่ละคนสามารถวาดเส้นเวลาที่แสดงการเกิดทั้งหมดในครอบครัวด้วยอายุของมารดาที่ตัวแปรเวลา

ฉันพยายามระบุวิธีการวิเคราะห์ข้อมูลประเภทนี้ซึ่งลำดับเวลาและลักษณะของเหตุการณ์อาจมีความสำคัญ ฉันกำลังถามคำถามนี้ที่นี่เนื่องจากความหลากหลายของแอปพลิเคชันที่สมาชิกทำงานด้วย - ฉันคาดหวังว่าจะมีใครบางคนมีคำแนะนำในทันทีซึ่งจะพาฉันไปนานกว่านี้ในการระบุตัวตน การผลักไปในทิศทางที่ถูกต้องจะได้รับการชื่นชมอย่างมาก

คำถามที่เกี่ยวข้อง: ฉันจะวิเคราะห์ข้อมูลเกี่ยวกับช่วงเวลาการเกิดของผู้หญิงได้อย่างไร

คุณอาจพิจารณาใช้โมเดลหลายระดับ (การถดถอยแบบผสม) เพื่อประเมินผลกระทบระหว่างและภายในครอบครัว หนึ่งในกลยุทธ์ที่เป็นไปได้คือการใช้วิธีการสร้างแบบจำลองลำดับชั้นตามแผน ตัวอย่างเช่นทดสอบตัวทำนายที่มีศักยภาพแต่ละตัวในรูปแบบ univariate หากผลกระทบระหว่างครอบครัวลบผลของลำดับบุตรที่เกิดออกมาก็จะแนะนำอย่างยิ่งว่าลำดับบุตรเกิดไม่สำคัญ แต่มีอิทธิพลอื่น ๆ ตัวอย่างของการอ้างอิงสำหรับสิ่งนี้มีผลต่อลำดับการเกิดของ IQ:

• Wichman, AL, Rodgers, J. และ MacCallum, RC (2006) แนวทางหลายระดับความสัมพันธ์ระหว่างคลอดสั่งซื้อสินค้าและหน่วยสืบราชการลับ ประกาศบุคลิกภาพและจิตวิทยาสังคม , 32 (1), 117-127 ดอย: 10.1177 / 0146167205279581

ฉันหวังว่านี่จะเป็นประโยชน์

ฉันกำลังเข้าใกล้สิ่งนี้เป็นคำถามเชิงสถิติและไม่มีความรู้พิเศษเกี่ยวกับปัญหาทางการแพทย์

ดูบทความที่คุณอ้างถึงฉันเห็นว่าคนหมู่หนึ่งมีคน 970 คน หากคุณมีข้อมูลเกี่ยวกับหลาย ๆ ขนาดโดยประมาณแล้วขนาดโดยรวมของชุดข้อมูลของคุณจะให้โอกาสในการเลือกชุดย่อยที่มีขนาดใหญ่พอสมควรซึ่งไทม์ไลน์ของแต่ละคนจะตรงตามเงื่อนไขเฉพาะ ตัวอย่างเช่นเซตย่อยอาจรวมถึงกล่าวว่าบุคคลชายทุกคนที่มีอายุระหว่าง 25-29 ปี การถดถอยเช่นสำหรับเซตย่อยของการวัดที่เหมาะสมของโรคอ้วนในภายหลังต่อการเกิดจะช่วยลดผลกระทบใด ๆ ที่เป็นไปได้ต่อโรคอ้วนในภายหลังของความแตกต่างในเพศของเด็กดัชนีและส่วนใหญ่กำจัดผลกระทบใด ๆ ที่เป็นไปได้ของอายุมารดา

มันไม่ตรงไปตรงมาที่จะขยายแนวทางนี้ไปสู่เพศของพี่น้องเพราะหากมีเงื่อนไขอย่างหนึ่งสำหรับเซตย่อยบอกว่าเด็กดัชนีมีพี่น้องหญิงที่มีอายุมากกว่านั่นหมายความว่าเด็กดัชนีไม่ใช่เด็กตัวโต ของตัวแปรอิสระในการถดถอย อย่างไรก็ตามวิธีนี้อาจเป็นการกำหนดเงื่อนไขโดยใช้ "ถ้ามี" ตัวอย่างเช่นเซตย่อยอาจถูกกำหนดให้รวมบุคคลชายทุกคนที่มีมารดาอายุ 25-29 ปีและมีพี่น้องที่มีอายุมากกว่าถ้ามีผู้หญิงทุกคน ชุดย่อยดังกล่าวจะยังคงรวมถึงบุคคลที่มีคำสั่งเกิดใด ๆ

หากเซตย่อยถูกกำหนดโดยชุดของเงื่อนไขที่ซับซ้อนเกินไปจำนวนของบุคคลที่มีอยู่อาจน้อยจนการประมาณค่าสัมประสิทธิ์ที่เกิดขึ้นนั้นไม่แน่ชัดว่ามีประโยชน์ หากวิธีการนี้ถูกนำมาใช้อาจจะมีความจำเป็นสำหรับการแลกเปลี่ยนการตัดสินใจในการกำหนดส่วนย่อยระหว่างการกำจัดผลกระทบที่เป็นไปได้มากที่สุดเท่าที่จะเป็นไปได้และรวมถึงบุคคลที่เพียงพอที่จะให้ผลลัพธ์ที่เป็นประโยชน์

ฉันขอแนะนำการวิเคราะห์ข้อมูลการทำงาน แต่ฉันสงสัยว่าคุณอาจมีครอบครัวจำนวนมากที่มีลูกน้อยเกินไปที่จะได้รับการประเมินที่สมเหตุสมผล ไปข้างหน้าและอ่านมันแม้ว่ามันจะตอบสนองความต้องการของคุณ บางทีมีคนใช้กับข้อมูลที่คล้ายกันอยู่แล้ว

หากคุณไม่ต้องการทำบางสิ่งบางอย่างที่ไม่ใช่พารามิเตอร์อย่างหนาแน่นคุณควรใช้ความเชี่ยวชาญทางคลินิกเพื่อลดขนาดข้อมูล ตัวอย่างเช่นตัวแปรหนึ่งในแบบจำลองของคุณอาจเป็นจำนวนลูกและอีกตัวแปรหนึ่งอาจเป็นจำนวนปีเฉลี่ยระหว่างเด็กและอื่น ๆ หากมีผลใด ๆ ในตัวแปรเหล่านี้มันอาจปรากฏขึ้นแม้ว่าคุณจะไม่ได้ระบุแบบฟอร์มการทำงานได้อย่างถูกต้องทันที การสร้างแบบจำลองที่ขับเคลื่อนด้วยความรู้เพิ่มเติมอาจช่วยให้คุณสร้างแบบจำลองที่สามารถคาดเดาได้สูง - เพียงแค่ให้แน่ใจว่าคุณได้ตั้งค่าการตรวจสอบความถูกต้องแล้ว!