GEE dans SPSS

Voici un tutoriel expliquant comment réaliser un GEE ou équations d'estimation généralisées dans SPSS.

Prenons l'exemple d'une étude où on veut comparer un groupe traitement et un groupe contrôle avec des sujets qui ont été mesurés lors de 6 visites. Voici un aperçu de la base de données :

où la variable temps représente la semaine où a eu lieu la visite et la variable dist est la variable dépendante de notre analyse.

Étape 1) Sélectionnez Analyze > Generalized Linear Models > Generalized Estimating Equations.

Étape 2) Une nouvelle fenêtre s'affichera. Dans le premier onglet, placez la variable permettant d'identifier les grappes de mesures répétées dans la section Subject variables, ici il s'agit de idpatient. Ensuite, placez la variable qui permet de distinguer les différentes mesures répétées pour un même sujet dans la section Within-subject variables, ici il s'agit de la variable temps. Finalement, dans la section Working correlation matrix, sélectionnez la structure désirée pour la matrice de corrélation. Si vos données proviennent d'une étude longitudinale, alors il y a de fortes chances que la structure à utiliser soit la structure auto-régressive notée AR(1) dans SPSS. Pour avoir une meilleure idée de la structure à utiliser, jetez un coup d'oeil à la matrice de corrélation entre les visites des patients.

Étape 3) Dans l'onglet Type of Model, sélectionnez le type de modèle désiré. Dans notre exemple, puisque la variable dépendante est continue, alors on utilise un modèle linéaire.

Étape 4) Dans l'onglet Response, spécifiez la variable dépendante.

Étape 5) Dans l'onglet Predictors, déterminez les variables explicatives qui seront dans votre modèle. Placez les variables catégoriques dans la section Factors et les variables numériques dans la section Covariates.

Étape 6) Dans l'onglet Model, spécifiez les termes que vous désirez avoir dans votre modèle. Dans notre exemple, on désire vérifier s'il y a une différence entre les groupes, une différence dans le temps ainsi qu'une différence entre comment les groupes évoluent dans le temps (interaction groupe*temps).

Étape 7) C'est tout! Cliquez sur OK.

Interprétation des résultats :

Un des tableaux de résultats qui nous intéresse est le Tests of Model Effects.

Dans notre exemple, on observe qu'il n'y a pas de différence entre les groupes (p=0,224), que le temps a un effet significatif (p=0,001) et que l'effet du temps ne diffère pas d'un groupe à l'autre (p=0,922), en d'autres mots, le groupe traitement ne s'améliore pas plus rapidement que le groupe contrôle.