Publicado el :
Estadística CREATION_INTERNE

Ejemplo 4 para PROC NLIN: Influencia de la parametrización en la curvatura

Este código también está disponible en: Deutsch English Français
En espera de validación
El programa comienza creando un conjunto de datos 'logistic' que simula una relación dosis-respuesta. Luego utiliza el procedimiento NLIN para ajustar un modelo log-logístico según tres parametrizaciones diferentes. El objetivo es mostrar cómo la elección de los parámetros influye en las medidas de no linealidad (como el sesgo de Hougaard) y la fiabilidad de los intervalos de confianza.
Análisis de datos

Type : CREATION_INTERNE


Los datos se generan directamente en el código a través de un paso DATA e instrucciones DATALINES.

1 Bloque de código
DATA STEP Data
Explicación :
Creación del conjunto de datos 'logistic' que contiene las variables 'dose' e 'y', así como una transformación logarítmica de la dosis.
¡Copiado!
1DATA logistic;
2 INPUT dose y;
3 logdose = log(dose);
4 DATALINES;
50.009 106.56
60.035 94.12
70.07 89.76
80.15 60.21
90.20 39.95
100.28 21.88
110.50 7.46
12;
2 Bloque de código
PROC SGPLOT
Explicación :
Visualización gráfica de los datos en forma de nube de puntos (scatter plot) con una escala logarítmica en el eje de las abscisas.
¡Copiado!
1PROC SGPLOT DATA=logistic;
2 scatter y=y x=dose;
3 xaxis type=log logstyle=linear;
4RUN;
3 Bloque de código
PROC NLIN
Explicación :
Primer ajuste del modelo no lineal con los parámetros alfa, beta y gamma. Las opciones 'bias', 'hougaard' y 'nlinmeasures' solicitan diagnósticos sobre la no linealidad y el sesgo de los parámetros.
¡Copiado!
1PROC NLIN DATA=logistic bias hougaard nlinmeasures;
2 parameters alpha=100 beta=3 gamma=300;
3 delta = 0;
4 Switch = 1/(1+gamma*exp(beta*log(dose)));
5 model y = delta + (alpha - delta)*Switch;
6RUN;
4 Bloque de código
PROC NLIN Data
Explicación :
Segundo ajuste con una reparametrización que reemplaza gamma por LD50 (dosis letal 50%). Esta formulación suele ser más interpretable. Los resultados predichos se guardan en la tabla 'nlinout'.
¡Copiado!
1PROC NLIN DATA=logistic bias hougaard;
2 parameters alpha=100 beta=3 LD50=0.15;
3 delta = 0;
4 Switch = 1/(1+exp(beta*log(dose/LD50)));
5 model y = delta + (alpha - delta)*Switch;
6 OUTPUT out=nlinout pred=p lcl=lcl ucl=ucl;
7RUN;
5 Bloque de código
PROC NLIN Data
Explicación :
Tercer ajuste con otra reparametrización que utiliza 'mustar' (valor predicho en una dosis fija xstar). Este enfoque tiene como objetivo reducir aún más la no linealidad de los parámetros.
¡Copiado!
1PROC NLIN DATA=logistic bias hougaard nlinmeasures;
2 parameters alpha=100 mustar=20 LD50=0.15;
3 delta = 0;
4 xstar = 0.3;
5 beta = log((alpha - mustar)/(mustar - delta)) / log(xstar/LD50);
6 Switch = 1/(1+exp(beta*log(dose/LD50)));
7 model y = delta + (alpha - delta)*Switch;
8 OUTPUT out=nlinout pred=p lcl=lcl ucl=ucl;
9RUN;
Este material se proporciona "tal cual" por We Are Cas. No hay garantías, expresas o implícitas, en cuanto a la comerciabilidad o idoneidad para un propósito particular con respecto a los materiales o el código contenidos en este documento. We Are Cas no es responsable de los errores en este material tal como existe ahora o existirá, ni We Are Cas proporciona soporte técnico para el mismo.
Información de copyright : SAS SAMPLE LIBRARY