Methode zur Frage

[AntonM]

Hallo Zusammen,

ich bräuchte bitte Meinungen:

In meiner Studie gab es vier MZP, wobei zu allen MZP neue Pbn aufgenommen wurden und andere aus der Behandlung entlassen wurden.
Ich habe bisher univariate Mixed-Models (vier MZP) per Spss gerechnet und würde diese (oder eine andere geeignete Methode) gerne für die Fragestellungen anwenden.
Z.b:
Patienten, die keinen Therapeutenwechsel haben berichten beurteilen die therapeutische Beziehung besser.
Dabei habe ich eine Reihe an Kontrollvariablen wie z.B. die Einstellung zur Klinik (metrisch) und die üblichen soziodemographischen Verdächtigen
Welche weiteren Methoden würdet Ihr mir empfehlen?

Vielen Dank

Anton

[dutchie]

Hallo AntonM

..schwierig!

Du rechnest über ein gemischtes Modell,
d.h die Zeitpunkte stehen untereinander in der Datei, long Format?

Man kann lesen, dass das gehen soll, d.h. nicht nur vollständige
Datensätze werden analysiert. Würdest du das über wide und ALM mit
Messwiederholung klicken würden zu vollständige Daten ausgewertet.

Aber wie sind die MZP geordnet?
Weil jeder Patient hat einen ersten MZP, d.h. die Werte
beginnen am Ende zu fehlen und nicht am Anfang!
obwohl das auch nicht stimmen muß, kann ja sein, dass
manche erst nach gewisser Zeit das erste mal befragt wurden manche aber am ersten Tag.

..Chaos! die Daten laufen nicht geordnet rein, sondern wie sie gerade "anfallen"...

Das klingt für mich erstmal nicht nach mixed model!

Es macht ja keine Sinn Patienten nach einem Therapeutenwechsel zu fragen
die erst einen Tag in der Klinik sind? insofern konfundiert Therapeutenwechsel und Zeit!

Du hast auch meiner Meinung nach keinen Zeitfaktor, sondern nur die Aufenthaltsdauer
in der Klinik als between Kovariate. Wozu die Messzeitpunkte, hätte einer am Ende der Behandlung
nicht gereicht.

aber...hängt von deinen Fragestellungen ab, gehts z.B um Laune im Lauf der Zeit...
dann mixed, dann fehlen eher daten am ende, du korrelierst Aufenthalt und Laune,
hast aber manche Patienten mehrfach in der Stichprobe manche nur einmalig!

dann ipsativierst du die Werte besser. aber Diagnosen durcheinader!

und das mixed (random) Effekt Dings, wird wie reagieren?
das hängt ja auch von der Stichprobengröße ab, dem Verhältnis
von N zu Anzahl MZP...mit N = 30 machst du lieber Einzelfallanalyse
und reduzierst das auf Binomialtests !!!

..schwierig, es ist nicht so, dass viel Statistik auch viel hilft!!!!

gruß
dutchie

[AntonM]

Hi,

danke für die Antwort.

Nicht alle Patienten der 200 Pat die teilgenommen haben einen ersten MZP.
Einige wurden erst z.b. zum 3.MZP in die Klinik aufgenommen. Auch da wurde festgehalten, wann diese aufgenommen wurden bzw. wie lange die Behandlung dauerte.
Nicht alle Pbn haben einen Therapeutenwechsel. Wenn dieser (auch mehrfach) stattfand habe ich den Zeitpunkt auch mit erhoben. Um der Fragestellung gerechter zu werden wird TW ja/nein erhoben. Und es geht um organisatorische Wechsel, z.B. weil die Therapeuten die Arbeitsstelle wechseln oder in eine andere Abteilung wechseln. Nicht um Wechsel die aus Problemen der Zusammenarbeit entstehen (Wechselwunsch d. Pat)
Fragestellungen:
(1)Führen TW eher zu einem Behandlungsabbruch? – BinLog Regression
Hypothesen:
(2)Patienten, die keinen Therapeutenwechsel haben berichten über eine höhere Lebensqualität während der Stationären Behandlung und beurteilen die therapeutische Beziehung besser.
(3)Stationen, in denen es zu weniger Therapeutenwechseln kommt werden hinsichtlich des Stationsklimas besser beurteilt.
2 und 3 würde ich mit MixedModels rechnen. Vielleicht fallen Dir gute Alternativen ein?

Viele Grüße

Anton

[dutchie]

Hallo Anton

...nicht alle Patienten haben einen ersten MZP

??? doch, nicht all wurden aber zur gleichen Zeit gemessen.
Die erste Messung einer VP ist ihr erster MZP, du hast aber schon einige hinter dich gebracht.

Ich kann nicht sehen, wozu mixed model nötig ist.
Du korrelierst doch gar nicht über die Zeit, aber ich hab deine Daten nicht vor Augen,
vielleicht seh ich es nicht. Es wäre mixed wenn du die zeitliche Entwicklung nach dem TW
beschreiben wolltest, und es Argumente für interindividelle Unterschiede gibt.

Mir scheint es eher so, dass du die AV (Lebensquali) einfach mehrfach gemessen hat.

zu 2: du hat zwei Gruppen, mit und ohne TW. und jetzt ist die Frage wann die Lebensquali
wie oft gemessen wurde...Du kannst all diese Maße mitteln und damit auswerten.
oder so oft auswerten wie MZP vorhanden sind. Auf jedenfall gibt es noch eine oder mehrer Variable die
den Abstand beschreiben zwischen TW und MZP. Wann soll sich denn, wie der TW auswirken, sofort, nach Wochen?
Was wenn mehrere TW vorlagen?

obiges denkt unabhängig, gut du kannst auch so denken:
erste Variable 0 = vor TW 1 = nach TW
zweite variable: Lquali
dritte Variable Patienten ID
0 1 1
0 2 1
0 1 1
1 7 1
1 7 1
1 8 1

0 3 2
1 3 2
1 4 2
1 3 2

0 7 3
0 7 3
0 8 3
1 2 3


VP 1 ging es nach TW besser, hohe LQ 7 7 8
Vp 2 zeigte keine Unterschiede durch TW, LQ konstant um 3/4
Vp 3 ging es nach TW sehr schlecht, absturz auf 2

ist das linear? und was machst du wenn der random effekt sig wird??

gruß
dutchie