top of page
Buscar
  • Carlos A. Almenara

Modelado de curvas de crecimiento del comportamiento y afecto humanos


Este año tuve la oportunidad de modelar datos longitudinales sobre agresión y depresión de dos grupos de niños: con y sin sobrepeso (Cerniglia et al., 2019).

Los resultados mostraron diferencias estadísticas entre los grupos en cada año del estudio, marcadas diferencias de género y un pico en las puntuaciones alrededor de los 8 años, ambos en el grupo con sobrepeso (ver debajo Fig. 1 y Fig. 2).

Sin embargo, al margen de estos interesantes resultados, quiero compartir mi experiencia con el análisis de estos datos.

En concreto, me gustaría destacar la importancia de la visualización de los datos.

Seguramente habrás oído muchas veces que es muy importante una inspección visual de los datos antes de los análisis estadísticos de los mismos, y así es. Dado que el modelado de curvas de crecimiento implica modelar el cambio a lo largo del tiempo, es fundamental tener una idea clara de cómo se producen realmente estos cambios en el tiempo.

Para visualizar estos cambios utilicé ggplot2 (Wickham, 2016). Hay muchas formas de visualizar estos datos, pero yo preferí las curvas regularizadas (smooth curves) y este código en R debajo puede darte una idea de cómo empezar:

ggplot(data = full aes(x = Time y = sqrt group = ID color=Sex.))


#opción: geom_point()


geom_line(alpha=.2)


geom_line(aes(x = Tiempo, y = sqrt),size=1)


xlab("Tiempo")


ylab("Agresión") + ylim(0.70,4.1)


scale_x_continuous(breaks=seq(0,3,by=1))


facet_wrap(~ Grupo)

Una vez que has visualizado los cambios a lo largo del tiempo es el momento de construir tu modelo, que en este caso te ayudará a describir las diferencias interindividuales en el cambio intraindividual.

Espero que este consejo te ayude.

¡Feliz modelado! :)


Referencias


Cerniglia, L., Cimino, S., Erriu, M., Jezek, S., Almenara, C. A., & Tambelli, R. (2019). A nine-year longitudinal study on trajectories of aggressive and depressive symptoms in male and female overweight children. BMC Research Notes, 12(710). https://doi.org/10.1186/s13104-019-4734-x

Wickham H. (2016). ggplot2: Elegant graphics for data analysis. Berlin: Springer.


5 visualizaciones0 comentarios

Comentarios


bottom of page