プロビット分析とフィットテストSimple Probit Analysis スクリプト アドインを使用して、LD50、LD90、および LD95 を決定しています。
このスクリプトはアボットのスクリプトで修正できますか、またはこれをどのように設定しますか?現在、死亡率を調整するために生データにアボット補正を適用することで、自分でデータを修正しました。
Probit アドインを実行した後、適合度をどのように判断すればよいですか?カイ二乗の結果はありません。この分析を実行して LD 値を取得し、カイ 2 乗を取得する別の方法はありますか?
Re: プロビット分析とフィットテスト高い応答を除くと、ないモデリングまたは統計の観点からは許容可能です。 あなたが示唆しているのは、有効なデータを除外するを克服する研究の基本的な欠陥。 (この薬剤の効力を予測できなかったことは理解していますが、だからといってデータの欠陥が解消されたわけではありません。) この問題を解決するには、用量 = 0 と用量 = 1.64 の間の、少ないデータではなく、より多くのデータが必要です。
高用量のサンプルを除外することはあなたの状況では許容されるかもしれませんが、私はそれを正当化できませんでした。 この方法で (おそらく) 「より良い」モデルが得られるという事実は、検証ではありません。 LD50 が 0 ～ 1.64 の間であると言う以外に、この用量反応データのサンプルから LD50 を決定することはできません。
Re: プロビット分析とフィットテストしたがって、この時点で、フォローアップとしてテストする予測線量または線量範囲を推定するために使用できる「適合」モデルを取得するために高い応答を除外することは許容されますか? 非常に低用量での高い反応は期待していませんでした。そのため、その間のデータはありません。 現時点では、これらの薬剤に対する推奨事項をある程度決定する必要があり、それを確認するために二次研究でフォローアップすることができます。Re: プロビット分析とフィットテストあなたが引用した矛盾についてはお話しできませんが、データには疑問が生じます。
フィッティングの問題は、データが「分離」問題を示していることです。 あるレベル (用量 = 0) では低い反応が得られ、他のすべてのレベル (用量 > 0) では高い反応が得られます。 低応答から高応答への移行を判断することは不可能です。 このデータを使用して自分で LD50 を見つけてみると、問題が理解できるでしょう。 （0.1でも発生するのでしょうか？ 0.5では？ 1.5で？）
プロビット モデルを当てはめて LD50 を推定するには、線量が 0 ～ 1.64 の範囲で別の線量反応試験を実行する必要があります。
Re: プロビット分析とフィットテスト（ごめんなさい、今日は1000方向に引っ張られています。 
）
別のエージェントです。 合計 6 つの異なるエージェントをテストしました。 可能であれば 10 分、最大でも 15 分で推奨事項を提示するように求められています。 これと同様のデータセットがいくつかありますが、1.64 または 10% を超える用量では死亡率が非常に高くなります。
高用量で死亡率が高いこのような状況では、なぜこのモデルが機能しないのでしょうか?
いくつかのエージェントに奇妙な影響を与えたので、そのほとんどはデータに関係していると思います。 私は、高用量よりも低用量の方が効果的に作用したという状況を経験しました。 その状況ではモデルも機能しません。 100 のカップルは、蒸発により低用量よりも効果が低かったが、それらの用量を除外するとモデルは正常に機能しました。
別のセットでは、私のコントロールはすべて道徳性を経験しません (前のコントロールとは異なる種)。 それらも齟齬を引き起こしているようです。Re: プロビット分析とフィットテストあなたは私の質問に何も答えませんでした。
この例は、15 分でテストした例とは異なるエージェントである必要があります。 同じ病原体が、あと 5 分間暴露されただけで、それほど致死性が高まるというのは意味がありません。
変化を観察するには、異なる希釈/用量範囲 (より高い希釈、より低い用量) を使用する必要があります。 最高用量は 1.64 でなければなりません。 テストとデータ分析にはゼロを含める必要があります。 この新しいデータは、現時点でこのエージェントのプロビット モデルを適合させる唯一の方法です。
Re: プロビット分析とフィットテストこれは、私が特に問題を抱えているデータセットの 1 つです。0 を非表示/除外すると、モデルは適合します。
Re: プロビット分析とフィットテスト- データの問題でしょうか？
- 外れ値やデータエラーはありますか?
- 含めるべき行を誤って除外してしまったのでしょうか?
- 機種の問題でしょうか？
- 正しい応答列を使用していますか?
- 正しい予測列を使用していますか?
- フィット感不足なのでしょうか？
- モデルの仮定の問題でしょうか？
- エラーは期待どおりに分散されていますか?
- 誤差は予測子の範囲全体にわたって一定ですか?
Re: プロビット分析とフィットテスト一部のモデルのフィット感が悪い場合はどうすればよいですか? 
Re: プロビット分析とフィットテストありがとう！死亡率を含めないと言われたとき、私はつまずいたので、応答として死亡数と生存数のどちらを使用する必要があるのかを再確認していました。これ以上大きな問題が起こらないことを願っています!
本当に助かりました！
Re: プロビット分析とフィットテスト「ということは、今は同意しますね?」という質問で終わる完全な分析を含む私の返信をご覧ください。 JMP データテーブルにデータを設定する方法を示します。 また、[モデルのフィット] 起動ダイアログでデータ列を分析ロールに割り当て、適切なプロビット分析のために他の設定を変更する方法も示します。 線量レベルには変換を適用しませんでした。その必要はありません。
Re: プロビット分析とフィットテストその場合、応答として死亡数を使用しますか?私の「開始」は、治療が適用される前の生存カウントの数です。15 分の列は死亡です。これは正しいですか、それとも応答としてライブ数を使用する必要がありますか?
Transform ドロップダウンを使用して LOG を線量に適用する必要がありますか、それともこの分析はそれなしでも問題ありませんか?
Re: プロビット分析とフィットテストはい、用量 = 0 の対照グループを含めます。
投与量ごとに両方のカウントを入力するため、死亡率は使用されず、アボット補正も適用されません。
時間間隔ごとに個別のプロビット分析を実行する必要があります。 私はすでに 15 分後に収集された用量反応データに対して正しいプロビット分析を実行しました (上に示したように、正しい分析を含む返信は、「それでは今は同意しますね?」という私の質問で終わります)。 ご質問がございましたらお知らせください。
他の間隔の後に収集されたデータに対してこの分析を実行します。 この作業を繰り返すのが難しい場合はお知らせください。
各グループの推定値 (収集時間) が同じになることを期待しないでください。 分析は正しく実行する必要があり、正しくない他のバリエーションの結果と結果を比較しないでください。
Re: プロビット分析とフィットテストまた、Controls/0 を含める必要がありますか? これは、5 回の投与、それぞれ 4 回の繰り返しになります。Re: プロビット分析とフィットテスト問題ありませんが、私にとっては良い学習経験です。
各用量で 4 つの反復を実行したため、行は 4 つあります。 それぞれ4回ずつ、4回投与しました。 各治療を 1 分、5 分、10 分、15 分間隔でモニタリングしました。Re: プロビット分析とフィットテスト（私のせいではありませんが）返信の順番が前後してしまい申し訳ありません。 すでに存在している混乱を解決するものではありません。
この議論を終える前に 1 つ質問があります。なぜ各投与量に対して 4 つの観測値 (行) があるのですか? 各行は何を表しているのでしょうか?
また、忘れるライフ分布。 同僚の言うことは正しいので、プロビット分析が必要です。 現在、データ テーブルが正しく設定されていること、およびプロビット分析のモデルの適合で分析が適切に定義されていることを確認するために取り組んでいます。 投与量ごとに 4 つの行がある理由を説明した後で、前のデータの例を使用したいと思います。
Re: プロビット分析とフィットテスト私はそれを考え出した。 Probit アドインにはライブ データが必要であり、デッド カウント自体を計算します。 Generalize Linear はデッドカウントを取り除きます。
それでは、GLM を実行する場合、対照/0 用量も含めますか?Re: プロビット分析とフィットテスト私たちはあなたがそうすることをすでに決定しましたない持っている一生またはイベントまでの時間データ。 というケースがあります。用量反応データ。 15 分で観察を収集したため、時間は固定されています。 あなた数えられた死亡者数と被験者の総数投与ごとに。 このケースは、先ほど示したように GLM によって処理されます。 寿命分布を使用した寿命ベースの例は無視してください。 生存分析手法は次のことを行います。ないここに申請してください。 最初はプロビット分析を使用する必要があります。
Re: プロビット分析とフィットテスト
以下は、プロビット アドインと生成の同じデータの比較です。線形プロビット。予測された対数線量を元に戻すと、一般線形モデルの同じ結果と一致しません。
Re: プロビット分析とフィットテストそれがうまくいくかどうかはわかりません。 そのように分析を行うことに対して、周囲の人たちから抵抗を受けています。 彼らはプロビットを望んでいます。
Re: プロビット分析とフィットテスト
設定方法とデータは次のとおりです。
Re: プロビット分析とフィットテスト
そこで私は、調整されていない生のデータを制御なしで使用し、これを思いつきました。
これは次のように解釈すればよいでしょうか: 100% 用量の LD90 は 4.33 分ですか?カイ二乗がない場合、これの適合性をどのように判断すればよいでしょうか?(使用しているモデルの適合性を示すよう求められています。)
死亡は「失敗」とみなしますか?
Re: プロビット分析とフィットテストわかりました、もう理解できたと思います。 最初から私は正しかったし、それは正しいない生存分析（生存期間）。 GLM の例に戻りますが、今度はデータを使用します。 JMP データ テーブル内のデータは次のとおりです。
以前と同様に、モデルのフィット起動ダイアログを設定します。
クリック走るすると、次のような結果が得られます。
の横にある赤い三角をクリックします。一般化線形モデルの適合そして選択します逆予測。 タイプ0.5 (およびその他の必要なもの)確率（死亡）そしてクリックしてくださいわかりました。
それで、私たちは同意します、いいえ?
Re: プロビット分析とフィットテスト死亡率の検査に関する最後のコメント時間とともにすべてが変わると思います。 私の例は関係ありません。 私の例は、サンプルまたは被験者の数 (20) が割り当てられている場合です。それぞれ因子レベル (5)。 各レベルは独立したサンプル (5x20) です。 サンプルまたは被験者の総数は、各レベルのサンプルの合計 (100) です。 固定数の被験者 (たとえば、合計 60 人) から開始し、エージェント レベルを固定レベルで導入し、同じグループ (被験者) を長期にわたって監視すると思います。 はい？
私が正しいと仮定すると、次のように使います。繰り返しの対策で生存分析。
JMP のメソッドとプラットフォームは信頼性解析のために開発されましたが、それは同じことです。 私の言っている意味が分かるなら、この言葉とラベルは生物学者ではなく信頼性エンジニアを対象としたものであることに注意してください。
次の例のようにデータを設定します。
この例では、6 か月のプログラムの開始時から合計 60 人の被験者を監視しています。 対象者を継続的に監視しているのではなく、毎月の間隔で監視しているため、応答 (寿命) を表すには 2 つの列が必要です。 このプロセスにより、間隔打ち切り。 私は正確な人生を観察しているのではなく、それが一定の間隔で起こっていることを観察しています。
- 最初の行はテストの開始を表します。 このシミュレーションでは、開始時に被験者 2 名が死亡しました。
- 2 行目は、最初の月の開始から終了までの間に死亡した被験者の数を表します (3)。
- 3 行目は、2 か月目に死亡した被験者の数 (3) を表します。
- 最後の行は、次のことを行った被験者の数を表します。ない研究終了までに死亡する(20)。
観測のステータスを示すために別の列「ステータス」を追加しましたが、これは分析には必要ありません。 次の手順に従って分析を実行します。
- 選択する分析する>信頼性と生存性>寿命分布。
- 選択する始まりそしてエンディングそしてクリックしてくださいY、イベントまでの時間。
- 選択するカウントそしてクリックしてください周波数。
起動ダイアログは次のようになります。
(検閲分析の役割は、正しく検閲されたデータを対象としていることに注意してください。 間隔打ち切りに 2 つの応答列が使用される場合は必要ありません。)
クリックわかりました。
初期分析は、次のノンパラメトリック推定に基づいています。失敗確率カプランマイヤー積の限界から。 (上部の赤い三角形をクリックして、失敗プロットから生存プロットに変更できます。) 左側のチェック ボックスとラジオ ボタンを使用して、プロットを拡大縮小するそして分布モデルを当てはめる、それぞれデータに。 正規分布を当てはめてみましょう。 チェックの普通チェックボックスとクリックの普通ラジオボタン：
モデルを選択した後、統計アウトラインを使用して目的の結果を取得します。 たとえば、LD50 はここで次のように入手できます。分位数故障確率 = 0.5 に相当するため、Quantile Profiler を使用して LD50 を推定します。
この例の LD50 は 3.688803 か月 (95% の信頼度で 3.22981 か月から 4.1478 か月) です。
Re: プロビット分析とフィットテストデータの例を次に示します。
| 用量 (濃度%) | スタート(#ライブ) | 15分での死亡率（＃死んだ） |
| 100.00 | 13 | 13 |
| 100.00 | 10 | 10 |
| 100.00 | 11 | 11 |
| 100.00 | 13 | 13 |
| 25.00 | 10 | 9 |
| 25.00 | 23 | 17 |
| 25.00 | 15 | 9 |
| 25.00 | 9 | 6 |
| 10.00 | 14 | 3 |
| 10.00 | 10 | 1 |
| 10.00 | 10 | 4 |
| 10.00 | 16 | 7 |
| 1.64 | 11 | 1 |
| 1.64 | 12 | 3 |
| 1.64 | 13 | 4 |
| 1.64 | 24 | 4 |
推奨用量の LD50/LD90/LD95 の結果を取得しようとしています。 5 分、10 分、15 分のアプリケーションに関する情報があります。
これは私のコントロールのデータです:
| 用量 (濃度%) | スタート(#ライブ) | 死亡率 (死者数) |
| 0 | 10 | 1 |
| 0 | 11 | 6 |
| 0 | 10 | 3 |
| 0 | 15 | 4 |
Re: プロビット分析とフィットテスト私もあなたと同じように混乱しています。
持っているはずです二あなたの応答がカウントされますそれぞれ予測子のレベル: 1 つのカウントは死亡した数、もう 1 つのカウントは死亡した可能性のある数です。 持っているはずです1つ予測器。 通常は濃度または対数濃度です。 本当？ それとも時間ですか？ 固定濃度での LD50 にかかる時間を見積もろうとしていますか?
私が共有した例に示されているデータ形式を使用してください。ない割合または比率。 推論にはカウントが必要です。 レート 0.1 は、1/10 の場合または 100/1000 の場合に生じる可能性があります。 どちらの場合も割合は同じですが、サンプルサイズは大きく異なります。
もう一度言いますが、私が示したようにデータを入力し、示したように GLM を設定すれば、レートに対するアボットの補正を忘れることができます。 time=0 の場合は両方のカウントを入力する必要があります。
Re: プロビット分析とフィットテストでは、GLM 分析を使用する場合、0s/コントロール データと最初の生データも含めますか? その際、対数変換の「0」を「0.005」に調整するのは正しいでしょうか? 私はさまざまな時点でエージェントの存在下での死亡率をテストしています。
Re: プロビット分析とフィットテストアボットの補正が適用されるのは、死亡率（つまり、比率）自然死亡率エージェントがいない場合はテストされます。 GLM は、線形予測子を使用して二項分布をモデル化しています。 GLM モデルには、その目的 (ベースライン死亡率) のための切片があります。 したがって、この補正を適用する必要はなく、実際に適用すると出力が変わります。 したがって、分析に GLM を使用している場合は、これを行わないでください。
Re: プロビット分析とフィットテスト生データを含む間違った線形モデルを添付しました。 正しいものは次のとおりです。
Gen. Lin. Raw Data 1Gen. Lin. Raw Data 1リン将軍。 生データ 1
Gen. Lin. Raw Data 2Gen. Lin. Raw Data 2将軍 林さん。 生データ 2
Re: プロビット分析とフィットテスト
Abbott's Gen. Lin.pg 2Abbott's Gen. Lin.pg 2アボット将軍リン.pg 2
Abbott's Gen. Lin. pg 1Abbott's Gen. Lin. pg 1アボットのリン将軍。 1ページ目
Abbott's ProbitAbbott's Probitアボットのプロビット
Raw Data with 0s Gen. Lin. 1Raw Data with 0s Gen. Lin. 10 の生データ Gen. Lin. 1
Raw Data with 0s Gen. Lin.2Raw Data with 0s Gen. Lin.2 0 を含む生データ Gen. Lin.2
Probit Raw Data with 0s 1Probit Raw Data with 0s 1生データを 0 でプロビット 1
Probit Raw Data with 0s 2Probit Raw Data with 0s 2生データを 0 でプロビット 2
以下は、異なるデータセットで得られた 2 つの異なる結果です。 0 と生データを使用すると、プロビット モデルと一般的な線形プロビット モデルの両方が一致しているように見えます。 ただし、アボットの補正を使用してデータを修正し、0 を省略すると、2 つのモデルは一致しなくなります。
Re: プロビット分析とフィットテストわかった、
モデルに 0 (死亡率の制御) を含めると、一般的な線形プロビット モデルとプロビット アドインの両方が LD の推奨事項と一致するようです。 アボット修正データを使用すると、両者の間に不一致が生じます。
0 と生データ (アボットの調整なし) を使用してモデルを実行する必要がありますか、それともプロビットに入力する前に生データをアボットの調整で調整し、0 を除外する方が正しいでしょうか?
Re: プロビット分析とフィットテストこの例はトレーニング コースからのものです。 JMP ソフトウェア: 離散応答の分析。
私たちは圧力レベルを上げたときにシールに不具合がないかテストしています。 推奨レイアウトのデータ テーブルは次のとおりです。
注意してください。ない応答の失敗率 (失敗/テスト済み) を入力します。
選択する分析する>フィットモデル。 選択するプレッシャーそしてクリックしてください追加。選択する失敗したそしてクリックしてくださいY 。選択する合計そしてクリックしてくださいY 。 ((1) ターゲット数を含む列と機会数を含む別の列を入力する必要があり、(2) をその順序で正確に入力する必要があることに注意してください。)標準最小二乗法そして選択します一般化線形モデル。 選択する二項分散モデルの場合。 選択するプロビットリンク機能用。 起動ダイアログは次のようになります。
クリック走る。
以下の非線形応答と回帰診断を確認できます。
Re: プロビット分析とフィットテスト私はしていません。
Probit を使用して一般化線形でモデルを実行しようとしましたが、LD 値が Probit アドインが提供する値と一致しないため、何が起こっているのかわかりません。 フィッティング線形モデルを一通り読みましたが、解析を実行しようとしているのは非線形であり、正直なところ、JMP での経験はありません。
Re: プロビット分析とフィットテストアドインの作成者に連絡しましたか、それとも最初に説明と手順を読みましたか?
JMP には、そのような量を推定し、適合度統計を提供できるいくつかの組み込みプラットフォームがあります。 これらのリードがあなたを始めるきっかけとなるはずです。
- フィットカーブ一般的な非線形関数を当てはめることができます。
- 非線形より一般的で、カスタム モデルに適合します。
- 一般化線形モデルプロビット分析を実行できます。
検索しましたかプロビットまだヘルプまたはヘルプ>本>線形モデルのフィッティング?
