Applied Longitudinal Data Analysis for Epidemiology: A Practical Guide

Cover......Page 1
Half-title......Page 3
Title......Page 5
Copyright......Page 6
Dedication......Page 7
Contents......Page 9
Preface......Page 17
Acknowledgements......Page 18
1.1 Introduction......Page 19
1.3 Prior knowledge......Page 20
1.4 Example......Page 21
1.7 Statistical notation......Page 23
2.1 Introduction......Page 25
2.2.1 Period and cohort effects......Page 27
2.2.2 Other confounding effects......Page 31
2.2.3 Example......Page 32
2.3 Experimental (longitudinal) studies......Page 33
3.1 Two measurements......Page 36
3.1.1 Example......Page 38
3.2 Non-parametric equivalent of the paired t-test......Page 39
3.2.1 Example......Page 40
3.3 More than two measurements......Page 41
3.3.1 The ‘univariate’ approach: numerical example......Page 44
3.3.2 The shape of the relationship between an outcome variable and time......Page 47
3.3.3 A numerical example......Page 48
3.3.4 Example......Page 50
3.4 The ‘univariate’ or the ‘multivariate’ approach?......Page 55
3.5 Comparing groups......Page 56
3.5.1 The ‘univariate’ approach: numerical example......Page 57
3.5.2 Example......Page 59
3.6 Comments......Page 63
3.7 Post-hoc procedures......Page 64
3.7.1 Example......Page 65
3.8 Different contrasts......Page 66
3.8.1 Example......Page 67
3.9 Non-parametric equivalent of MANOVA for repeated measurements......Page 70
3.9.1 Example......Page 71
4.2 ‘Traditional’ methods......Page 73
4.3 Example......Page 75
4.4 Longitudinal methods......Page 78
4.5.2 Working correlation structures......Page 80
4.5.3 Interpretation of the regression coefficients derived from GEE analysis......Page 84
4.5.4.1 Introduction......Page 86
4.5.4.2 Results of a GEE analysis......Page 87
4.5.4.3 Different correlation structures......Page 90
4.5.4.4 Unequally spaced time intervals......Page 93
4.6.2 Random coefficient analysis in longitudinal studies......Page 95
4.6.3.1 Results of a random coefficient analysis......Page 98
4.6.4 Comments......Page 106
4.7 Comparison between GEE analysis and random coefficient analysis......Page 109
4.7.2 Equal variances over time......Page 110
4.7.3 The correction for covariance......Page 111
4.8 The modelling of time......Page 113
4.8.1 Example......Page 116
5.2.1 Time-lag model......Page 120
5.2.2 Modelling of changes......Page 123
5.2.3 Autoregressive model......Page 125
5.2.5.1 Introduction......Page 126
5.2.5.3 GEE analysis......Page 127
5.2.5.4 Random coefficient analysis......Page 130
5.3 Comments......Page 132
5.4 Another example......Page 136
6.1.1 Two measurements......Page 138
6.1.3 Comparing groups......Page 140
6.1.4.2 Development over time......Page 141
6.1.4.3 Comparing groups......Page 144
6.2.2 Example......Page 146
6.2.3 Sophisticated methods......Page 147
6.2.4.1 Generalized estimating equations......Page 149
6.2.4.2 Random coefficient analysis......Page 155
6.2.5 Comparison between GEE analysis and random coefficient analysis......Page 158
6.2.6 Alternative models......Page 161
6.2.7 Comments......Page 162
7.1.1 Two measurements......Page 163
7.1.2 More than two measurements......Page 164
7.1.4 Example......Page 165
7.1.5.2 Example......Page 169
7.1.5.3 Sophisticated methods......Page 170
7.1.5.4 Example......Page 171
7.2 ‘Count’ outcome variables......Page 174
7.2.1.1 Introduction......Page 175
7.2.1.2 GEE analysis......Page 176
7.2.1.3 Random coefficient analysis......Page 181
7.2.2 Comparison between GEE analysis and random coefficient analysis......Page 183
8.2 Continuous outcome variables......Page 185
8.2.1 A numerical example......Page 189
8.2.2 Example......Page 191
8.3.1 Example......Page 193
8.4 Comments......Page 195
8.6 Conclusions......Page 196
9.1 Introduction......Page 197
9.2.1 Introduction......Page 199
9.2.2 Simple analysis......Page 200
9.2.3 Summary statistics......Page 202
9.2.4 MANOVA for repeated measurements......Page 203
9.2.4.1 MANOVA for repeated measurements corrected for the baseline value......Page 204
9.2.5 Sophisticated analysis......Page 206
9.3.2 Simple analysis......Page 213
9.3.3 Sophisticated analysis......Page 214
9.4 Comments......Page 218
10.1 Introduction......Page 220
10.2 Ignorable or informative missing data?......Page 222
10.3.1 Generating datasets with missing data......Page 223
10.3.2 Analysis of determinants for missing data......Page 224
10.4 Analysis performed on datasets with missing data......Page 225
10.4.1 Example......Page 226
10.5 Comments......Page 230
10.6.1.2 Longitudinal imputation methods......Page 231
10.6.1.3 Multiple imputation method......Page 232
10.6.3.1 Continuous outcome variables......Page 234
10.6.3.2 Dichotomous outcome variables......Page 237
10.6.4 Comments......Page 239
10.8 Conclusions......Page 241
11.2 Continuous outcome variables......Page 243
11.3 Dichotomous and categorical outcome variables......Page 248
11.4 Example......Page 252
11.4.1 Two measurements......Page 253
11.4.2 More than two measurements......Page 255
11.5.1 Interpretation of tracking coefficients......Page 256
11.5.3 Grouping of continuous outcome variables......Page 257
11.6 Conclusions......Page 258
12.2.1 STATA......Page 259
12.2.2 SAS......Page 261
12.2.3 S-PLUS......Page 262
12.2.4 Overview......Page 264
12.3.1 STATA......Page 265
12.3.2 SAS......Page 266
12.3.3 S-PLUS......Page 267
12.4.1 STATA......Page 268
12.4.2 SAS......Page 269
12.4.3 S-PLUS......Page 273
12.4.4 SPSS......Page 275
12.4.5 MLwiN......Page 277
12.4.6 Overview......Page 280
12.5.1 Introduction......Page 281
12.5.2 STATA......Page 282
12.5.3 SAS......Page 283
12.5.4 MLwiN......Page 287
12.5.5 Overview......Page 288
12.6 Categorical and ‘count’ outcome variables......Page 289
12.7 Alternative approach using covariance structures......Page 290
12.7.1 Example......Page 292
13.1 Introduction......Page 298
13.2 Example......Page 301
References......Page 304
Index......Page 313