- Publication
- Mise à jour
Les mesures d’une même personne dans le temps peuvent être corrélées. La manière dont un modèle de mesures répétées représente cette relation affecte l’estimation de l’incertitude et la faisabilité pratique. Précisez la structure du modèle et ses hypothèses au lieu de vous fier uniquement au nom de la méthode statistique.
Définir la question et les hypothèses
Considérez le calendrier des visites, la distribution des données et les profils attendus de données manquantes. Prédéfinissez la justification de la covariance et l’ordre des alternatives si le modèle ne converge pas. Une structure très souple peut être instable avec peu d’information, tandis qu’une structure plus simple peut ne pas représenter tous les profils plausibles. Choisissez et évaluez l’approche avec l’expertise statistique appropriée.
Exemple d’étude hypothétique
Dans un essai hypothétique, de nombreuses visites sont prévues, mais relativement peu de profils de suivi complets existent. Le modèle prévu est instable. L’équipe applique sa séquence prédéfinie d’alternatives et ses diagnostics au lieu de choisir la structure produisant la plus petite valeur p, en documentant le lien entre la décision et les caractéristiques des données observées.
Points de contrôle de la conception
- Précisez explicitement les composantes de temps, de groupe et de covariance dans la définition du modèle.
- Prévoyez des règles de modèles alternatifs sans utiliser la connaissance comparative des résultats pour les choisir.
- Évaluez ensemble la convergence, les estimations d’incertitude et les profils de données manquantes.
Consigner la décision et ses limites
Un code accepté met en œuvre de façon cohérente le modèle rapporté. N’ignorez pas les avertissements du logiciel ; montrez les alternatives et leurs motifs. Expliquez la question clinique abordée par les différents modèles et l’évolution de l’incertitude. L’achèvement numérique d’une exécution ne prouve pas que toutes les hypothèses sont vérifiées ou que le modèle fournit une interprétation scientifique appropriée pour les dossiers disponibles.
Questions fréquentes
- La covariance la plus souple est-elle toujours la meilleure ?
- Non. La quantité d’information et la stabilité du modèle comptent aussi.
- La convergence prouve-t-elle toutes les hypothèses ?
- Non. L’achèvement numérique diffère de l’adéquation scientifique.