18 juin 2018

Shear-wave imaging elastography after endoleak embolisation

Les anévrismes suivants ont des données manquantes:,
[1] « 2_G » « 5_G » « 6_G » « 6_D » « 7_G » « 7_D » « 8_G » « 9_G »
Répartition des données selon l’anevrisme (1= donnee valide, 0 = donnee manquante)
          2_D 2_G 3_D 3_G 4_D 4_G 5_D 5_G 6_D 6_G 7_D 7_G 8_D 8_G 9_D 9_G
  Chi       1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1
  E         1   1   1   1   1   1   1   1   0   0   0   0   1   1   1   0
  TFrais    1   0   1   1   1   1   1   0   0   1   1   0   1   0   1   0
  TSolide   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0
Statistiques descriptives de la rigidité (R.moy) par Région
   Region   mean     sd    se  n median    q25    q75    min     max
1     Chi 44.902 23.728 5.932 16 44.450 27.992 57.658  9.167 104.333
2       E  0.159  0.137 0.041 11  0.150  0.017  0.283  0.000   0.333
3  TFrais  9.490  3.341 1.057 10 10.050  6.675 10.638  5.150  15.700
4 TSolide 48.124 21.333 5.508 15 45.067 37.750 52.850 16.933 101.000
RStudioGD
        2
#################################################
Différence de rigidité entre les 4 régions
#########. 1er modèle brut avec Kurskal Wallis
Variable dépendante:  R.moy
Valeur-p pour Kruskal-Wallis:  2.532997e-08
Tests post-hoc de Dunn avec correction de
Bonferroni pour détecter où se situe la diffèrence
      Diff between         Z  P.unadj    P.adj
1          Chi – E  5.065312 0.000000 0.000002
2     Chi – TFrais  3.088014 0.002015 0.012090
3       E – TFrais -1.691653 0.090712 0.544273
4    Chi – TSolide -0.270082 0.787098 1.000000
5      E – TSolide -5.242420 0.000000 0.000001
6 TFrais – TSolide -3.286933 0.001013 0.006077
#########. 2e modËle: modèle mixte en ajustant pour
le chien et le moment auquel le sacrifice a eu lieu.
Variable dépendante:  R.moy
            numDF denDF   F-value p-value
(Intercept)     1    41 109.21132  <.0001
Region          3    41  29.49863  <.0001
Temps           1     6   4.89060   0.069
Tests post-hoc avec correction de Bonferroni pour détecter où se situe la différence:
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lme.formula(fixed = fmla2, data = sub2, random = ~1 | Chien,
    na.action = na.omit)
Linear Hypotheses:
                      Estimate Std. Error z value Pr(>|z|)
E – Chi == 0           -46.297      6.356  -7.284 1.95e-12
TFrais – Chi == 0      -36.736      6.488  -5.662 8.95e-08
TSolide – Chi == 0       2.836      5.772   0.491        1
TFrais – E == 0          9.561      7.054   1.355        1
TSolide – E == 0        49.133      6.431   7.639 1.31e-13
TSolide – TFrais == 0   39.571      6.566   6.027 1.00e-08
(Adjusted p values reported — bonferroni method)
#################### Modèles avec le log ###################################
Répartition des données selon l’anevrisme (1= donnee valide, 0 = donnee manquante)
          2_D 2_G 3_D 3_G 4_D 4_G 5_D 5_G 6_D 6_G 7_D 7_G 8_D 8_G 9_D 9_G
  Chi       1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1
  E         0   1   1   1   1   1   1   1   0   0   0   0   0   0   1   0
  TFrais    1   0   1   1   1   1   1   0   0   1   1   0   1   0   1   0
  TSolide   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0
Statistiques descriptives de la rigidité (R.moy.log) par Région
   Region   mean    sd    se  n median    q25    q75    min    max
1     Chi  3.647 0.628 0.157 16  3.794  3.327  4.054  2.216  4.648
2       E -1.719 0.796 0.281  8 -1.322 -1.998 -1.204 -3.401 -1.099
3  TFrais  2.190 0.375 0.119 10  2.307  1.881  2.364  1.639  2.754
4 TSolide  3.781 0.459 0.118 15  3.808  3.627  3.967  2.829  4.615
RStudioGD
        2
#########. 3e modèle: Modèle mixte en ajustant pour le chien et le moment auquel le sacrifice a eu lieu.
Variable dÈpendante:  R.moy.log
            numDF denDF  F-value p-value
(Intercept)     1    38 634.8131  <.0001
Region          3    38 213.9853  <.0001
Temps           1     6   1.4905  0.2679
Tests post-hoc avec correction de
    Bonferroni pour détecter où se situe la différence:
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lme.formula(fixed = fmla2, data = sub3, random = ~1 | Chien,
    na.action = na.omit)
Linear Hypotheses:
                      Estimate Std. Error z value Pr(>|z|)
E – Chi == 0           -5.4501     0.2383 -22.866  < 2e-16
TFrais – Chi == 0      -1.4924     0.2168  -6.883 3.52e-11
TSolide – Chi == 0      0.1317     0.1928   0.683        1
TFrais – E == 0         3.9576     0.2576  15.365  < 2e-16
TSolide – E == 0        5.5817     0.2404  23.218  < 2e-16
TSolide – TFrais == 0   1.6241     0.2195   7.401 8.14e-13
(Adjusted p values reported — bonferroni method)
#########. 4e modèle: Modèle mixte en ajustant pour le chien, le moment
auquel le sacrifice a eu lieu et le type de gel reçu.
Variable dÈpendante:  R.moy.log
            numDF denDF  F-value p-value
(Intercept)     1    37 615.4314  <.0001
Region          3    37 210.0696  <.0001
Temps           1     6   1.4455  0.2745
TypeGel         1    37   0.1377  0.7127
Tests post-hoc avec correction de
    Bonferroni pour détecter où se situe la différence:
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lme.formula(fixed = fmla2, data = sub3, random = ~1 | Chien,
    na.action = na.omit)
Linear Hypotheses:
                      Estimate Std. Error z value Pr(>|z|)
E – Chi == 0           -5.4496     0.2406 -22.654  < 2e-16
TFrais – Chi == 0      -1.4804     0.2213  -6.689 1.35e-10
TSolide – Chi == 0      0.1343     0.1947   0.690        1
TFrais – E == 0         3.9692     0.2618  15.162  < 2e-16
TSolide – E == 0        5.5839     0.2427  23.010  < 2e-16
TSolide – TFrais == 0   1.6147     0.2230   7.239 2.71e-12
(Adjusted p values reported — bonferroni method)
#########. 5e modèle: Modèle mixte en ajustant pour le chien, le moment
    auquel le sacrifice a eu lieu (PAR SOUS GROUPE DE CHITOSANE).
Variable dépendante:  R.moy.log
Sous-groupe: Chi
            numDF denDF  F-value p-value
(Intercept)     1    11 442.7105  <.0001
Region          3    11 112.5837  <.0001
Temps           1     6   2.8868  0.1402
Tests post-hoc avec correction de
    Bonferroni pour détecter où se situe la différence:
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lme.formula(fixed = fmla2, data = subchi, random = ~1 | Chien,
    na.action = na.omit)
Linear Hypotheses:
                      Estimate Std. Error z value Pr(>|z|)
E – Chi == 0          -6.03557    0.36330 -16.613  < 2e-16
TFrais – Chi == 0     -1.23925    0.38410  -3.226  0.00752
TSolide – Chi == 0    -0.02083    0.29459  -0.071  1.00000
TFrais – E == 0        4.79633    0.44339  10.817  < 2e-16
TSolide – E == 0       6.01475    0.36462  16.496  < 2e-16
TSolide – TFrais == 0  1.21842    0.39156   3.112  0.01116
(Adjusted p values reported — bonferroni method)
Variable dÈpendante:  R.moy.log
Sous-groupe: Chi-STS
            numDF denDF  F-value p-value
(Intercept)     1    16 383.0686  <.0001
Region          3    16 123.3157  <.0001
Temps           1     6   0.7343  0.4244
Tests post-hoc avec correction de
    Bonferroni pour détecter où se situe la différence:
Simultaneous Tests for General Linear Hypotheses
Multiple Comparisons of Means: Tukey Contrasts
Fit: lme.formula(fixed = fmla2, data = substs, random = ~1 | Chien,
    na.action = na.omit)
Linear Hypotheses:
                      Estimate Std. Error z value Pr(>|z|)
E – Chi == 0           -4.9880     0.2935 -16.993  < 2e-16
TFrais – Chi == 0      -1.5343     0.2429  -6.316 1.61e-09
TSolide – Chi == 0      0.2461     0.2328   1.057        1
TFrais – E == 0         3.4538     0.2982  11.582  < 2e-16
TSolide – E == 0        5.2341     0.2935  17.831  < 2e-16
TSolide – TFrais == 0   1.7804     0.2429   7.329 1.40e-12
(Adjusted p values reported — bonferroni method)
#########. 6e modèle: vérifier le type de gel en regardant seulement
    la région du Chi.
Variable dépendante:  R.moy.log
Sous-groupe: Region ==Chi
            numDF denDF  F-value p-value
(Intercept)     1     7 536.0338  <.0001
TypeGel         1     7   0.6101  0.4603
Temps           1     6   1.6539  0.2458