Académique Documents
Professionnel Documents
Culture Documents
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Septembre 2008
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Sommaire
Preliminaires
Effets Fixes
Effets Aleatoires
Essais multicentriques
Analyse Classique
Effets aleatoires
Efficacite homog`ene
Efficacite heterog`ene
Aspects calculatoires
Estimation du mod`ele
Inference
Mesures repetees
Beat the Blues
Mod`ele `a effets aleatoires
Mod`ele marginal
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Effets Fixes
Effets Al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Effets Fixes
Effets Al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Effets Fixes
Effets Al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Effets Fixes
Effets Al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Traitement
Cr`
eme
Placebo
Cr`
eme
Placebo
Cr`
eme
Placebo
Cr`
eme
Placebo
Cr`
eme
Placebo
Cr`
eme
Placebo
Cr`
eme
Placebo
Cr`
eme
Placebo
R
eponse
Succ`
es
Echec
11
25
10
27
16
4
22
10
14
5
7
12
2
14
1
16
6
11
0
12
1
10
0
10
1
4
1
8
4
2
6
1
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
>
>
>
+
+
+
>
>
Succ`
es <- c(11,10,16,22,14, 7, 2, 1, 6, 0, 1, 0,1,1,4,6)
Echecs <- c(25,27, 4,10, 5,12,14,16,11,12,10,10,4,8,2,1)
Multi <- data.frame(Centre=factor(sort(rep(1:8,2))),
Traitement=factor(rep(1:0,8),
labels=c("Placebo","Cr`
eme")),
Succ`
es=Succ`
es,Echecs=Echecs)
rm(Succ`
es,Echecs)
Multi[1:4,]
1
2
3
4
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Hypoth`eses sous-jacentes
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
z value Pr(>|z|)
-4.1775
0.0000
2.5333
0.0113
4.8929
0.0000
2.7155
0.0066
-2.1376
0.0326
-0.9740
0.3301
-2.0228
0.0431
-0.9789
0.3276
3.0687
0.0022
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
> drop1(fitCl2,test="Chisq")
Single term deletions
Model:
cbind(Succ`
es, Echecs) ~ Traitement + Centre
Df Deviance
AIC
LRT
Pr(Chi)
<none>
9.746 66.136
Traitement 1
16.415 70.805
6.669 0.009811 **
Centre
7
90.960 133.350 81.214 7.788e-15 ***
--Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1
' '
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Inf
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Limites de lapproche
Les analyses classiques permettent, en introduisant les centres
comme variables explicatives et en autorisant des interactions, de
taiter le cas des essais multicentriques. Cependant :
Lorsque le nombre de centres devient important, les introduire
dans le mod`ele devient problematique,
Puisquun centre sert de centre de reference, on ne connait
pas les ecarts de chaque centre `a la moyenne,
Le plus souvent, les centres participant `a lessai ne sont quun
echantillon dune population plus large de centres
administrant le traitement, et on peut souhaiter des
predictions pour un centre nayant pas participe `a lessai,
On aimerait pouvoir disposer dune mesure dheterogeneite
entre les centres.
Lionel RIOU FRANCA
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Approche alternative
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
'
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
bj , N 0, b2
Le log-OR dans chaque centre et donc distribue selon N , b2 . b
mesure lheterogeneite des effets du traitement entre les centres.
Dans ce mod`ele, on estime donc quatre param`etres : , , u et
b .
Lionel RIOU FRANCA
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
'
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Analyse Classique
Effets al
eatoires
OR <- rbind(OR,exp(fixef(fitICA)["TraitementCr`
eme"]+
ranef(fitICA)$Centre[,"TraitementCr`
eme"]))
colnames(OR) <- paste("Centre",1:8)
rownames(OR) <- c("Brut","EA")
round(OR,digits=2)
Brut
EA
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
operator
a:5
b:5
c:5
d:5
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
' '
> coef(lmod)
(Intercept)
60.40
operator1
-0.16
operator2
-0.34
operator3
0.22
> options(op)
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
MSA MSE
0.447 0.106
=
= 0.0682
n
5
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Fixed effects:
Estimate Std. Error t value
(Intercept) 60.4000
0.1294
466.7
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Il sagit de tester H0 : 2 = 0.
Le test du rapport de vraisemblance, base sur une distribution du
2 asymptotique, nest valable que lorsque la valeur du param`etre
teste se trouve `a linterieur de lespace des param`etres. En testant
la valeur 0 pour une variance, ces conditions sont violees. Le test
sera trop conservateur et produira en general des p-values plus
importantes quelles ne le devraient. Une fois encore, on peut avoir
recours au bootstrap.
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Application I
Nous avons vu dans lANOVA que leffet operateur etait significatif.
Comment conclure `a partir dun mod`ele `a effets aleatoires ?
Pour employer des tests du maximum de vraisemblance, il ne faut
pas employer lestimation par REML. Il faut donc commencer par
estimer le mod`ele nul :
> nullmod <- lm(bright~1,pulp)
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Application II
La p-value est cette fois bien au dessus du seuil de 5 %. Nous
pouvons opter pour une approche de bootstrap parametrique. Nous
cherchons `a estimer la probabilite, si le mod`ele nul est correct,
dobserver un rapport de vraisemblance dau moins 2.57.
Nous estimons donc des valeurs tirees du mod`ele nul :
> y <- simulate(nullmod)
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Application III
hist(lrstat,probability=TRUE,main="")
lines(seq(0,6,by=0.01),dchisq(seq(0,6,by=0.01),1))
abline(v=s,col="red")
text(s,0.8,paste("LRT =",round(s,digits=4)),col="red",pos=4)
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
1.0
LRT = 2.5684
0.0
0.5
Density
1.5
Application IV
lrstat
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`
ele
Inf
erence
Application V
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
1
2
3
4
5
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Le mod`ele
Dans le cas de donnees longitudinales, il faut prendre le temps en
compte. En notant i le patient et j lobservation :
yij = + tj + ui + ij
Les residus sont ainsi decomposes en une partie, ui , qui est
specifique `a lindividu et constante du temps, et une partie, ij ,
variant au cours du temps.
ui , N 0, u2
ij , N 0, 2
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele I
Pour pouvoir faire les analyses, il faut changer de tableau de
donnees :
>
>
+
+
>
>
1.2m
2.2m
1.4m
2.4m
1.6m
2.6m
1.8m
2.8m
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele II
Une fois les donnees au bon format, on peut estimer le mod`ele :
> fit1 <- lmer(bdi~bdi.pre+time+treatment+drug+length+(1|subject),
+
data=BtheBl,REML=FALSE)
> summary(fit1)
Linear mixed model fit by maximum likelihood
Formula: bdi ~ bdi.pre + time + treatment + drug + length + (1 | subject)
Data: BtheBl
AIC BIC logLik deviance REMLdev
1887 1916 -935.3
1871
1866
Random effects:
Groups
Name
Variance Std.Dev.
subject (Intercept) 48.300
6.9498
Residual
25.129
5.0128
Number of obs: 280, groups: subject, 97
Fixed effects:
Estimate Std. Error t value
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
(Intercept)
5.94371
bdi.pre
0.63819
time
-0.71703
treatmentBtheB -2.37311
drugYes
-2.79786
length>6m
0.25639
2.24915
0.07759
0.14606
1.66369
1.71993
1.63213
2.643
8.225
-4.909
-1.426
-1.627
0.157
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele IV
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Validation du mod`ele I
ui <- ranef(fit1)$subject[["(Intercept)"]]
eij <- residuals(fit1)
par(mfrow=c(1,2))
qqnorm(ui,ylab="Intercepts al
eatoires",xlab="Quantiles th
eoriques",
xlim=c(-3,3),ylim=c(-20,20))
qqline(ui)
qqnorm(eij,ylab="R
esidus",xlab="Quantiles th
eoriques",
xlim=c(-3,3),ylim=c(-20,20))
qqline(eij)
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Validation du mod`ele II
20
Normal QQ Plot
20
Normal QQ Plot
10
10
Rsidus
10
0
10
Intercepts alatoires
20
20
Quantiles thoriques
Quantiles thoriques
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Modelisation alternative
Les Generalized Estimating Equations (GEE) derivent des mod`eles
lineaires generalises (GLM). Ils permettent de traiter le cas de
donnees correlees en modelisant separement la matrice de
correlations. Il existe plusieurs formes pour ces matrices de
correlations :
Matrice identit
e. On consid`
ere alors les mesures r
ep
et
ees pour un m
eme individu
comme ind
ependantes.
Exchangeable correlation. La corr
elation entre deux mesures r
ep
et
ees est
constante, quelles que soient les mesures (corr
elations interchangeables).
Autoregressive correlation. corr (yi , yk ) = |kj| . Si < 1, on mod
elise une
situation o`
u plus deux mesures sont
eloign
ees dans le temps, plus leur
corr
elation est faible.
Unstructured correlation. Chaque paire de mesures a sa propre corr
elation. Ceci
implique lestimation dun grand nombre de param`
etres.
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele I
Il faut avant tout trier les donnees par sujet :
> BtheBl <- BtheBl[order(as.integer(BtheBl$subject)),]
bdi.pre treatmentBtheB
0.5818494
-3.2372285
length>6m
1.4577182
> summary(fitG1)
Les Mod`
eles `
a Effets Al
eatoires
drugYes
-3.7412982
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele II
GEE: GENERALIZED LINEAR MODELS FOR DEPENDENT DATA
gee S-function, version 4.13 modified 98/01/27 (1998)
Model:
Link:
Identity
Variance to Mean Relation: Gaussian
Correlation Structure:
Independent
Call:
gee(formula = bdi ~ bdi.pre + treatment + length + drug, id = subject,
data = BtheBl, family = gaussian, corstr = "independence")
Summary of Residuals:
Min
1Q
-21.6497810 -5.8485100
Median
0.1131663
3Q
5.5838383
Max
28.1871039
Coefficients:
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
79.25813
Working Correlation
[,1] [,2] [,3] [,4]
[1,]
1
0
0
0
[2,]
0
1
0
0
[3,]
0
0
1
0
[4,]
0
0
0
1
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele IV
bdi.pre treatmentBtheB
0.5818494
-3.2372285
length>6m
1.4577182
> summary(fitG2)
Les Mod`
eles `
a Effets Al
eatoires
drugYes
-3.7412982
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele V
GEE: GENERALIZED LINEAR MODELS FOR DEPENDENT DATA
gee S-function, version 4.13 modified 98/01/27 (1998)
Model:
Link:
Identity
Variance to Mean Relation: Gaussian
Correlation Structure:
Exchangeable
Call:
gee(formula = bdi ~ bdi.pre + treatment + length + drug, id = subject,
data = BtheBl, family = gaussian, corstr = "exchangeable")
Summary of Residuals:
Min
1Q
-23.955980 -6.643864
Median
-1.109741
3Q
4.257688
Max
25.452310
Coefficients:
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele VI
Estimate Naive S.E.
Naive z Robust S.E.
Robust z
(Intercept)
3.0231602 2.30390185 1.31219140 2.23204410 1.3544357
bdi.pre
0.6479276 0.08228567 7.87412417 0.08351405 7.7583066
treatmentBtheB -2.1692863 1.76642861 -1.22806339 1.73614385 -1.2494854
length>6m
-0.1112910 1.73091679 -0.06429596 1.55092705 -0.0717577
drugYes
-2.9995608 1.82569913 -1.64296559 1.73155411 -1.7322940
Estimated Scale Parameter:
Number of Iterations: 5
Working Correlation
[,1]
[,2]
[1,] 1.0000000 0.6757951
[2,] 0.6757951 1.0000000
[3,] 0.6757951 0.6757951
[4,] 0.6757951 0.6757951
81.7349
[,3]
0.6757951
0.6757951
1.0000000
0.6757951
[,4]
0.6757951
0.6757951
0.6757951
1.0000000
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
(Intercept)
5.94371
bdi.pre
0.63819
time
-0.71703
treatmentBtheB -2.37311
drugYes
-2.79786
length>6m
0.25639
2.24915
0.07759
0.14606
1.66369
1.71993
1.63213
2.643
8.225
-4.909
-1.426
-1.627
0.157
Les Mod`
eles `
a Effets Al
eatoires
Sommaire
Pr
eliminaires
Essais multicentriques
Aspects calculatoires
Mesures r
ep
et
ees
Estimation du mod`ele IX
6.9502
u2
=
= 0.658
u2 + 2
6.9502 + 5.0132
Les Mod`
eles `
a Effets Al
eatoires