Spørgsmålet
Hvordan ændrer kliniske mål sig over tid, og hvor meget skyldes den enkelte person frem for gruppen? Et gennemsnit alene skjuler det, der sker hos den enkelte.
Hvad data viste
Hierarkiske modeller fangede både det fælles forløb og variationen mellem personer. De ikke-lineære sammenhænge mellem vækst og kliniske variable blev tydelige, og usikkerheden blev vist med credible intervals i stedet for gemt væk.
Hvad det kunne bruges til
Et billede af udviklingsforløb på tværs af kliniske undergrupper, hvor man kunne se, hvor sikre tallene var, før man traf en beslutning.
Værktøjer
R med brms, lme4 og tidybayes. Posterior predictive checks og modeldiagnostik. Visuel formidling med ggplot2 og posterior, og reproducerbare scripts hele vejen.
Samme tilgang bruges, når man vil følge en gruppe over tid og skille det generelle mønster fra den enkelte — for eksempel elevers udvikling, kunders adfærd eller målinger på tværs af afdelinger.