analyses pour données répétées

bonjour à tous.

ma question concerne donc les analyse pour données répétées.
J'explique brièvement le contexte: j'ai une cohorte avec 50% de patients et 50% de témoins et je travaille sur un marqueur neuropsychologique qui permettrait (enfin c'est 'hypothèse) d'identifier précocement des troubles cognitifs. Les résultats sont significatifs en transversal à l'inclusion des patients. A présent, j'ai une deuxième mesure réalisée 2 ans après.
Dans un premier temps je souhaiterai montrer l' hypothèse suivante : le test se dégrade plus rapidement chez les patients que chez les témoins au cours du temps (et indépendamment du score initial).
dans un deuxième temps : je souhaiterai faire une analyse multivariée pour envisager les facteurs expliquant cette dégradation plus rapide.
Ce test fourni des données quantitatives continues

Voici donc mes questions:
-étant donné que je n'ai que 2 mesures: puis-je me contenter d'un simple "delta" entre les 2 temps? je pense que ça permettra de dire que les patients se sont plus dégradés que les témoins mais ce n'est pas très dynamique comme approche de la dimension "temporelle".
-je dois prendre en compte la variabilité intra individuelle? en ce cas je ne sais pas si il est préférable d'utiliser un model linéaire à effet mixte ou une MANOVA?


je vous remercie beaucoup
loloyup

bonjour,
j'ai un peu avancé dans ma réflexion depuis hier mais j'aurais encore besoin d'aide...

je ne sais pas si je dois utiliser une ANOVA pour mesures répétées ou un model de régression linéaire a effet mixte.
est-ce géant d'avoir seulement 2 mesures (tous les exemple que je trouve sur le net ont au moins 3 mesures...) ?
par ailleurs je ne sais pas si dans mon modèle je dois inclure le "temps"? (= TimePoint : codé 1 (première mesure) et 2 (deuxème mesure))

je voudrais dans l'idéal montrer que les patients se dégradent plus et plus vite que les témoins.. (Statut : patient / témoins)

j'hésite donc entre ces différents models:

a <- aov(reaction.time~Statut+Error(sujet),data=rt)
a <- aov(reaction.time~TimePoint*Statut+Error(sujet),data=rt) => avec prise en compte de l'effet du temps?

OU
l <- lme(reaction.time~Statut,random=~1|sujet,data=rt)
l <-lme(reaction.time~TimePoint*Statut,random=~1|sujet,data=rt)


Je vous remercie pour votre précieuse aide
loloyup

Ca ne pose pas de probleme de n'avoir que 2 mesures.

Je ne comprends pas ce que tu appelles l'effet du temps. Tu as répété ta mesure une fois => tu as 2 points de mesure: un T0 et un T1 (à 2 ans)

Tu te poses 2 questions:
- es ce que les patients se dégradent plus = tester si l'evolution T0-T1 est diff entre les 2 goupes
- es ce que les patients se dégradent plus vite = tester si l'evolution T0-T1 est diff entre les 2 goupes

C'est la meme chose !

En fait,

pour tester "plus vite", il faut un moyen de mesurer correctement la vitesse, donc à priori des mesures étalées dans le temps.
mais, comme le dit C@ssoulet, avec seulement deux temps, plus vite et plus, c'est la même chose. Celui qui gagne la course a été plus vite que ses concurrents.

Cordialement.

Effectivement çaparait logique, je m'étais basé sur un exemple ayant 3 mesures...

Concernant le choix de l'anova versus la régression a effet mixte, avez vous une suggestion?

merci ++

Je suggère de faire ce que tu veux, puisque sur ton plan d'expérience c'est la même chose.