Regresión de Poisson para el cambio en el conteo después de un evento

Question

Tengo un recuento de la enfermedad ausencias antes y después de un accidente, y quiero averiguar si un accidente aumenta la enfermedad las ausencias de manera diferente en los distintos grupos.

Estoy tratando de formular un modelo de Poisson para esto, pero no estoy seguro de si lo estoy haciendo correctamente, o si debo de estar haciendo algo completamente diferente.

Algunos de mis temas tienen un accidente (una vez), y que he dividido el de datos en dos filas para esas personas, antes y después de la accidente. Algunos nunca se enfrentan a un accidente, y para que contar siempre como sano, y por lo tanto sólo tienen una fila de los datos. Yo tengo una variable ("estado") que indica si la fila preocupaciones tiempo antes o después del accidente.

El modelo que yo he llegado con:

fit <- glm(count~state*group+age, family="poisson", data=d)

Es este un enfoque correcto?

Para llevar esto más lejos, también me gustaría tener en cuenta años de los sujetos en el estudio antes y después de accidente.

Sería añadiendo +offset(log(person_years)) a las variables dependientes lograr esto?

Answer 1

Usted podría considerar la posibilidad de regresión segmentada, para el tratamiento del accidente como el breakpoint.

Todos los tiempos de las series de análisis son expansiones de ordinario interrumpido análisis de series de tiempo. Ordinario de series de tiempo interrumpido (STI) y han interrumpido los tiempos de la serie de romper una serie de tiempo en las dos series, una antes de la interrupción y un después, calcula una línea de tendencia para que se ajuste a cada línea y compara las diferencias. Las diferencias, tanto en las laderas y en las intersecciones de las dos líneas (antes y después) son comúnmente comparado. Una regresivo de series de tiempo interrumpido (RITS) hace lo mismo que el tiempo ordinario de la serie, pero sí una suma de un valor para una serie de tiempo, el componente de los puntos de datos en lugar de utilizar como observaciones independientes, y una regresión se realiza en el pre-y post-interrupción de la serie de tiempo. Segmentado de regresión es una extensión de RITS que se ocupa de los efectos retardados. Segmentado modelos de regresión el nivel actual de una variable como una función de la pre-tratamiento de intersección (b0), el número de períodos de tiempo desde el inicio de la intersección (b1), la presencia o la ausencia de tratamiento (b2), el tiempo transcurrido desde la intervención (b3), y las variables de control (espero). Esta controles para las condiciones iniciales, no relacionados/independientes de los cambios a través del tiempo, la presencia/ausencia de tratamiento, y la duración del tratamiento (Wagner, 2002). Y_t=B_0+B_1*〖tiempo〗_t+B_2*interventiont+B_3*〖tiempo después de la intervención〗_t+e_t

Wagner, R. K., Soumerai, S. B., Zhang, F., & Ross‐Degnan', D. (2002). Segmentado análisis de regresión de la serie de tiempo interrumpida estudios en el uso de medicamentos en investigación. Diario de farmacia clínica y terapéutica, 27(4), 299-309.