프로빗 분석 및 적합도 테스트저는 Simple Probit Analysis 스크립트 추가 기능을 사용하여 LD50, LD90 및 LD95를 결정하고 있습니다.
이 스크립트는 Abbott의 스크립트로 수정할 수 있습니까? 아니면 이를 어떻게 설정합니까?현재는 사망률 조정을 위해 원시 데이터에 Abbott의 수정 사항을 적용하여 직접 데이터를 수정했습니다.
Probit Add-In을 실행한 후 적합도를 어떻게 판단합니까?카이제곱 결과가 없습니다.이 분석을 실행하여 LD 값과 카이 제곱을 얻을 수 있는 다른 방법이 있습니까?
답변: 프로빗 분석 및 적합도 테스트높은 응답을 제외하면 ~ 아니다 모델링이나 통계적 관점에서 받아들일 수 있습니다. 당신은 당신을 제안하고 있습니다 유효한 데이터 제외 극복하기 위해 연구의 기본적인 결함 . (이 물질의 효능을 예측할 수는 없었지만 데이터의 결함이 제거되지는 않는다는 점을 이해합니다.) 이 문제를 해결하려면 복용량 = 0과 복용량 = 1.64 사이에 더 적은 데이터가 아니라 더 많은 데이터가 필요합니다.
귀하의 상황에서는 고용량 샘플을 제외하는 것이 허용될 수 있지만 저는 이를 정당화할 수 없습니다. 이런 식으로 '더 나은' 모델을 얻는다는 사실은 검증이 아닙니다. LD50이 0과 1.64 사이에 발생한다고 말하는 것 외에는 이 용량-반응 데이터 샘플에서 LD50을 결정할 수 없습니다.
답변: 프로빗 분석 및 적합도 테스트그렇다면 이 시점에서 후속 조치로 테스트할 예측 선량 또는 선량 범위를 추정하는 데 사용할 수 있는 "적합" 모델을 얻기 위해 높은 응답을 제외하는 것이 허용됩니까? 우리는 매우 낮은 복용량에서 높은 반응을 기대하지 않았으므로 그 사이에 대한 데이터가 없습니다. 지금 당장은 이러한 약제에 대한 권장 사항을 어느 정도 결정할 수 있어야 하며 이를 확인하기 위한 2차 연구를 통해 후속 조치를 취할 수 있습니다.답변: 프로빗 분석 및 적합도 테스트나는 당신이 인용한 불일치에 대해 말할 수 없지만 그들은 데이터에 의문을 제기합니다.
피팅의 문제는 데이터가 '분리' 문제를 보인다는 것입니다. 한 수준(용량 = 0)에서는 반응이 낮고 다른 모든 수준(용량 > 0)에서는 반응이 높습니다. 낮은 응답에서 높은 응답으로의 전환을 결정하는 것은 불가능합니다. 이 데이터를 가지고 스스로 LD50을 찾아보면 문제를 이해할 수 있을 것입니다. (0.1에서 발생하나요? 0.5에서? 1.5에서?)
프로빗 모델을 적합시키고 LD50을 추정하려면 용량 범위가 0~1.64인 또 다른 용량-반응 검정을 수행해야 합니다.
답변: 프로빗 분석 및 적합도 테스트(미안해요, 오늘 1000방향으로 끌려가네요. 
)
다른 대리인입니다. 저는 총 6개의 서로 다른 에이전트를 테스트했습니다. 가능하면 10분, 최대 15분에 권장사항을 제공하라는 요청을 받고 있습니다. 나는 이와 유사한 몇 가지 데이터 세트를 가지고 있는데, 1.64 또는 10% 이상의 용량에서 사망률이 매우 높습니다.
더 높은 용량에서 사망률이 높은 상황에서 모델이 작동하지 않는 이유는 무엇입니까?
나는 두 명의 요원에게 이상한 영향을 미쳤기 때문에 대부분이 데이터와 관련이 있다고 생각합니다. 나는 더 높은 복용량보다 낮은 복용량이 더 효과적으로 작동하는 상황을 겪었습니다. 모델은 그런 상황에서도 작동하지 않습니다. 100의 한 쌍은 증발로 인해 저용량보다 덜 효과적이었지만 해당 용량을 제외하면 모델이 잘 작동합니다.
다른 세트에서는 내 컨트롤이 모두 도덕성이 0(이전 컨트롤과 다른 종)을 경험합니다. 그것들도 불일치를 일으키는 것 같습니다.답변: 프로빗 분석 및 적합도 테스트당신은 내 질문에 어떤 대답도 하지 않았습니다.
이 예는 15분 동안 테스트한 예와 다른 에이전트여야 합니다. 동일한 물질이 단 5분만 더 노출되면 훨씬 더 치명적이라는 것은 말이 되지 않습니다.
전환을 관찰하려면 다른 희석/용량 범위(더 높은 희석, 더 낮은 용량)를 사용해야 합니다. 최고 복용량은 1.64 여야합니다. 테스트와 데이터 분석에는 0을 포함해야 합니다. 이 새로운 데이터는 현재 시점에서 이 에이전트에 대한 프로빗 모델을 맞추는 유일한 방법입니다.
답변: 프로빗 분석 및 적합도 테스트특히 문제가 있는 데이터 세트 중 하나는 다음과 같습니다.0을 숨기거나 제외하면 모델이 적합합니다.
답변: 프로빗 분석 및 적합도 테스트- 데이터 문제인가요?
- 이상값이나 데이터 오류가 있나요?
- 포함되어야 하는 행을 실수로 제외했습니까?
- 모델 문제인가요?
- 올바른 응답 열을 사용하고 있습니까?
- 올바른 예측 변수 열을 사용하고 있나요?
- 적응력 부족인가요?
- 모델 가정 문제인가요?
- 예상대로 오류가 분산됩니까?
- 예측 변수의 전체 범위에 걸쳐 오류가 일정합니까?
답변: 프로빗 분석 및 적합도 테스트일부 모델의 핏이 좋지 않은 경우 어떻게 해야 합니까? 
답변: 프로빗 분석 및 적합도 테스트감사합니다!사망률을 포함하지 말라고 하셔서 당황해서 응답으로 사망수나 생존수를 사용해야 하는지 다시 확인하고 있었습니다.더 이상 큰 문제가 발생하지 않기를 바랍니다!
도움을 주셔서 진심으로 감사드립니다!
답변: 프로빗 분석 및 적합도 테스트"그래서 우리는 이제 동의합니다, 아니오?"라는 질문으로 끝나는 완전한 분석이 포함된 내 답변을 참조하시기 바랍니다. JMP 데이터 테이블에서 데이터를 설정하는 방법을 보여줍니다. 또한 모형 적합 실행 대화 상자에서 분석 역할에 데이터 열을 할당하고 적절한 프로빗 분석을 위해 다른 설정을 변경하는 방법도 보여줍니다. 나는 용량 수준에 어떠한 변형도 적용하지 않았습니다. 이는 불필요합니다.
답변: 프로빗 분석 및 적합도 테스트그러면 응답으로 사망자 수를 사용합니까?나의 "시작"은 치료가 적용되기 전에 내가 가지고 있는 라이브 카운트 수입니다.15분 열은 사망입니다.이것이 맞습니까? 아니면 응답으로 실시간 카운트를 사용해야 합니까?
변환 드롭다운을 사용하여 Dose에 LOG를 적용해야 합니까, 아니면 이 분석이 없어도 괜찮습니까?
답변: 프로빗 분석 및 적합도 테스트예, 복용량 = 0인 대조군을 포함합니다.
각 복용량에 대해 두 카운트를 모두 입력하므로 사망률을 사용하지 않고 Abbott의 보정을 적용하지 않습니다.
각 시간 간격에 대해 별도의 프로빗 분석을 수행해야 합니다. 나는 이미 15분 후에 수집된 용량-반응 데이터에 대해 올바른 프로빗 분석을 수행했습니다(위에 표시됨 - 올바른 분석에 대한 답변은 "그래서 우리는 이제 동의합니다, 아니오?"라는 질문으로 끝납니다). 궁금한 점이 있으면 알려주세요.
다른 간격 후에 수집된 데이터에 대해 이 분석을 수행합니다. 이 작업을 반복하는 데 문제가 있으면 알려주십시오.
각 그룹(수집 시간)에 대해 추정치가 동일할 것으로 기대해서는 안 됩니다. 분석을 올바르게 수행해야 하며 결과를 올바르지 않은 다른 변형의 결과와 비교해서는 안 됩니다.
답변: 프로빗 분석 및 적합도 테스트또한 Controls/0을 포함해야 합니까? 그러면 5회 복용량, 각각 4회 반복이 됩니다.답변: 프로빗 분석 및 적합도 테스트문제 없습니다. 저에게는 좋은 학습 경험입니다.
각 용량에서 4번의 반복실험을 수행했기 때문에 4개의 행이 있습니다. 나는 4회 복용량, 각각 4회 반복을 받았습니다. 나는 각 치료를 1분, 5분, 10분, 15분 간격으로 모니터링했습니다.답변: 프로빗 분석 및 적합도 테스트(제 잘못은 아니지만) 답변이 순서대로 되지 않은 점 사과드립니다. 이미 존재하는 혼란에는 도움이 되지 않습니다.
이 토론을 마무리하기 전에 한 가지 질문이 있습니다. 왜 각 복용량에 대해 4개의 관찰(행)이 있습니까? 각 행은 무엇을 나타냅니까?
다시, 잊다 생명분배. 동료의 말이 맞습니다. 프로빗 분석이 필요합니다. 저는 지금 귀하의 데이터 테이블이 올바르게 설정되었는지 확인하고 프로빗 분석을 위해 Fit Model에서 분석이 올바르게 정의되었는지 확인하기 위해 노력하고 있습니다. 모든 복용량에 대해 4개의 행이 있는 이유를 설명한 후에 이전 데이터 예를 사용하고 싶습니다.
답변: 프로빗 분석 및 적합도 테스트나는 그것을 알아. Probit Add-In은 실시간 데이터가 필요하며 데드 카운트 자체를 계산합니다. 일반화 선형은 데드 카운트를 취합니다.
그렇다면 GLM을 실행하면 대조군/0 용량을 포함해야 합니까?답변: 프로빗 분석 및 적합도 테스트우리는 이미 당신이 그렇게 하기로 결정했습니다 ~ 아니다 가지다 생활 시간 또는 이벤트 시간 데이터. 당신은 다음과 같은 경우가 있습니다 용량-반응 데이터. 15분에 관측치를 수집했으므로 시간이 고정되어 있습니다. 너 계산 사망자 수와 총 피험자 수 각 복용량에 . 이 사건은 제가 보여드린 대로 GLM에서 처리합니다. Life Distribution을 사용한 수명 기준의 예시는 무시하시기 바랍니다. 생존 분석 방법은 다음과 같습니다. ~ 아니다 여기에서 신청하세요. 처음 시작할 때 프로빗 분석을 사용해야 합니다.
답변: 프로빗 분석 및 적합도 테스트
다음은 프로빗 애드인과 젠의 동일한 데이터를 비교한 것입니다. 선형 프로빗.예측된 로그 선량을 되돌리면 일반 선형 모델의 동일한 결과와 일치하지 않습니다.
답변: 프로빗 분석 및 적합도 테스트그게 효과가 있을지 잘 모르겠습니다. 그런 식으로 분석을 실행하는 것에 대해 주변 사람들로부터 저항을 받고 있습니다. 그들은 프로빗을 원해요.
답변: 프로빗 분석 및 적합도 테스트
설정 방법과 데이터는 다음과 같습니다.
답변: 프로빗 분석 및 적합도 테스트
그래서 저는 제가 통제할 수 없는 조정되지 않은 원시 데이터를 사용하여 이것을 생각해냈습니다.
이것을 다음과 같이 해석합니까? 100% 투여량에 대한 LD90은 4.33분입니까?카이제곱이 없으므로 이 적합성을 어떻게 결정합니까?(제가 사용하는 모델에 맞는 좋은 점을 보여달라는 요청을 받고 있습니다.)
나는 죽음을 "실패"로 간주합니까?
답변: 프로빗 분석 및 적합도 테스트좋아, 이제 알 것 같아. 나는 처음부터 옳았으며 그것은 그렇습니다 ~ 아니다 생존 분석(수명). GLM 예로 돌아가서 이제 귀하의 데이터를 사용하겠습니다. JMP 데이터 테이블의 데이터는 다음과 같습니다.
이전과 같이 Fit Model 시작 대화 상자를 설정합니다.
딸깍 하는 소리 달리다 그런 다음 다음과 같은 결과를 얻습니다.
옆에 있는 빨간색 삼각형을 클릭하세요. 일반화 선형 모형 적합 그리고 선택 역예측 . 유형 0.5 (그리고 당신이 원하는 다른 것들도) 확률(사망) 그리고 클릭 좋아요 .
이제 우리는 동의합니다. 그렇죠?
답변: 프로빗 분석 및 적합도 테스트사망률 테스트에 대한 마지막 의견 시간이 지남에 따라 내 생각에는 모든 것이 바뀌는 것 같아요. 내 예는 관련이 없습니다. 내 예는 다수의 샘플 또는 주제(20)가 할당된 경우입니다. 각 요인 수준(5). 각 레벨은 독립 샘플(5x20)입니다. 전체 표본 또는 대상자 수는 각 수준별 표본의 합(100)입니다. 나는 고정된 수의 피험자(예: 총 60명)로 시작하고 에이전트 수준이 고정된 수준으로 도입되며 시간이 지남에 따라 동일한 그룹(피험자)을 모니터링한다고 믿습니다. 예?
내가 옳다고 가정하면 다음을 사용하고 싶습니다. 반복 측정 ~에 생존 분석 .
JMP의 방법과 플랫폼은 신뢰성 분석을 위해 개발되었지만 똑같습니다. 내가 무슨 뜻인지 아시는 분은 이 단어와 라벨이 신뢰성 엔지니어를 위한 것이지 생물학자를 위한 것이 아니라는 점을 주의하시기 바랍니다.
다음 예와 같이 데이터를 설정합니다.
이 예에는 6개월 프로그램 시작부터 모니터링하는 총 60명의 피험자가 있습니다. 피험자를 지속적으로 모니터링하지 않고 매월 간격으로 모니터링하기 때문에 반응(수명)을 나타내려면 두 개의 열이 필요합니다. 이 과정은 간격 검열 . 나는 정확한 수명을 관찰하지는 않지만 대신에 그것이 일정 간격 동안 발생한다는 것을 관찰합니다.
- 첫 번째 행은 테스트의 시작을 나타냅니다. 이 시뮬레이션에서는 시작 시 피험자 2명이 사망했습니다.
- 두 번째 행은 첫 달 시작과 말(3) 사이에 사망한 피험자의 수를 나타냅니다.
- 세 번째 행은 두 번째 달에 사망한 피험자의 수(3)를 나타냅니다.
- 마지막 행은 수행한 피험자의 수를 나타냅니다. ~ 아니다 연구가 끝날 때까지 사망함(20).
관찰 상태를 나타내기 위해 Status라는 또 다른 열을 추가했지만 분석에는 필요하지 않습니다. 다음 단계에 따라 분석을 수행합니다.
- 선택하다 분석하다 > 신뢰성과 생존 > 생명분배 .
- 선택하다 시작 그리고 종결 그리고 클릭 Y, 이벤트 시작 시간 .
- 선택하다 세다 그리고 클릭 주파수 .
시작 대화 상자는 다음과 같아야 합니다.
(검열 분석 역할은 올바른 검열된 데이터에 대한 것입니다. 구간 관측 중단에 두 개의 응답 열을 사용하는 경우에는 필요하지 않습니다.)
딸깍 하는 소리 좋아요 .
초기 분석은 비모수적 추정을 기반으로 합니다. 실패 확률 Kaplan-Meier 제품 제한에서 벗어났습니다. (상단의 빨간색 삼각형을 클릭하면 실패 플롯에서 생존 플롯으로 변경할 수 있습니다.) 왼쪽에 있는 확인란과 라디오 버튼을 사용하여 플롯의 크기를 조정하다 그리고 배포 모델에 적합 , 각각 데이터에. 정규분포를 맞춰봅시다. 확인하다 그만큼 정상 체크박스와 딸깍 하는 소리 그만큼 정상 라디오 버튼:
모델을 선택한 후 통계 개요를 사용하여 원하는 결과를 얻습니다. 예를 들어, LD50은 여기에서 분위수 실패 확률 = 0.5에 해당하므로 Quantile Profiler를 사용하여 LD50을 추정합니다.
이 예에서 LD50은 3.688803개월입니다(95% 신뢰도에서 3.22981개월~4.1478개월).
답변: 프로빗 분석 및 적합도 테스트다음은 데이터의 예입니다.
| 복용량 (% 농도) | 시작(#라이브) | 사망률 @ 15분 (#죽은) |
| 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 | 삼 |
| 10.00 | 10 | 1 |
| 10.00 | 10 | 4 |
| 10.00 | 16 | 7 |
| 1.64 | 11 | 1 |
| 1.64 | 12 | 삼 |
| 1.64 | 13 | 4 |
| 1.64 | 24 | 4 |
권장 복용량에 대한 LD50/LD90/LD95 결과를 얻으려고 합니다. 5분, 10분, 15분 신청에 대한 정보가 있습니다.
이것은 내 제어에 대한 데이터입니다.
| 복용량 (% 농도) | 시작(#라이브) | 사망률(#dead) |
| 0 | 10 | 1 |
| 0 | 11 | 6 |
| 0 | 10 | 삼 |
| 0 | 15 | 4 |
답변: 프로빗 분석 및 적합도 테스트나도 당신만큼 혼란스러워요.
당신은 가지고 있어야 둘 다음에 대한 귀하의 응답으로 계산됩니다. 각 예측변수의 수준: 한 카운트는 사망한 수이고 다른 수는 사망했을 수 있는 수입니다. 당신은 가지고 있어야 하나 예언자. 일반적으로 농도 또는 로그 농도입니다. 그게 사실인가요? 아니면 시간이 됐나요? 고정된 농도에서 LD50에 대한 시간을 추정하려고 합니까?
제가 공유한 예시에 표시된 데이터 형식을 사용하세요. ~ 아니다 비율이나 비율. 추론에는 개수가 필요합니다. 0.1의 비율은 1/10 또는 100/1000의 경우에서 발생할 수 있습니다. 두 경우 모두 비율은 동일하지만 표본 크기는 매우 다릅니다.
다시 한 번, 제가 보여드린 대로 데이터를 입력하고 보여드린 대로 GLM을 설정하면 Abbott의 요율 수정을 잊어버릴 수 있습니다. 시간=0에 대해 두 개수를 모두 입력해야 합니다.
답변: 프로빗 분석 및 적합도 테스트그렇다면 GLM 분석을 사용하는 경우 0s/Control Data와 초기 원시 데이터를 포함해야 합니까? 그러면 로그 변환을 "0"에서 "0.005"로 조정하는 것이 맞습니까? 나는 다양한 시점에서 물질이 존재할 때 사망률을 테스트하고 있습니다.
답변: 프로빗 분석 및 적합도 테스트Abbott의 수정이 다음에 적용됩니다. 사망률 (즉, 비율)을 설명합니다. 자연사망 에이전트가 없으면 테스트를 거쳐야 합니다. GLM은 선형 예측 변수를 사용하여 이항 분포를 모델링하고 있습니다. GLM 모델에는 해당 목적에 대한 절편(기준 사망률)이 있습니다. 따라서 이 수정 사항을 적용할 필요는 없으며 그렇게 하면 실제로 출력이 변경됩니다. 따라서 분석을 위해 GLM을 사용하는 경우에는 이 작업을 수행하지 마십시오.
답변: 프로빗 분석 및 적합도 테스트원시 데이터에 잘못된 선형 모델을 첨부했습니다. 올바른 내용은 다음과 같습니다.
Gen. Lin. Raw Data 1Gen. Lin. Raw Data 1 린 장군. 원시 데이터 1
Gen. Lin. Raw Data 2Gen. Lin. Raw Data 2 장군. 린. 원시 데이터 2
답변: 프로빗 분석 및 적합도 테스트
Abbott's Gen. Lin.pg 2Abbott's Gen. Lin.pg 2애보트 장군 Lin.pg 2
Abbott's Gen. Lin. pg 1Abbott's Gen. Lin. pg 1 애보트의 린 장군. 페이지 1
Abbott's ProbitAbbott's Probit 애보트의 프로빗
Raw Data with 0s Gen. Lin. 1Raw Data with 0s Gen. Lin. 1 Lin이 0초인 원시 데이터. 1
Raw Data with 0s Gen. Lin.2Raw Data with 0s Gen. Lin.2 0s Gen. Lin.2의 원시 데이터
Probit Raw Data with 0s 1Probit Raw Data with 0s 1 0이 1인 원시 데이터 프로빗
Probit Raw Data with 0s 2Probit Raw Data with 0s 2 0이 2인 원시 데이터 프로빗
다음은 서로 다른 데이터 세트로 얻은 두 가지 결과입니다. 0과 원시 데이터를 사용하면 프로빗 모델과 일반 선형 프로빗 모델이 모두 일치하는 것 같습니다. 그러나 Abbott의 수정으로 데이터를 수정하고 0을 생략하면 두 모델이 일치하지 않습니다.
답변: 프로빗 분석 및 적합도 테스트좋아요,
모델에 0(사망률 제어)을 포함하면 일반 선형 프로빗 모델과 프로빗 추가 기능이 모두 LD 권장 사항과 일치하는 것 같습니다. Abbott가 수정한 데이터를 사용하면 둘 사이에 불일치가 발생합니다.
0과 원시 데이터(Abbott의 조정 없음)를 사용하여 모델을 실행해야 합니까, 아니면 프로빗에 입력하기 전에 Abbott의 조정으로 원시 데이터를 조정하고 0을 제외하는 것이 더 정확합니까?
답변: 프로빗 분석 및 적합도 테스트이 예는 교육 과정에서 가져온 것입니다. JMP 소프트웨어: 이산 반응 분석 .
우리는 증가하는 압력 수준에서 씰의 고장 여부를 테스트하고 있습니다. 다음은 기본 레이아웃이 포함된 데이터 테이블입니다.
참고로 우리는 ~ 아니다 응답에 대한 실패율(실패/테스트됨)을 입력합니다.
선택하다 분석하다 > 모델 맞춤 . 선택하다 압력 그리고 클릭 추가하다 . 선택하다 실패한 그리고 클릭 와이 . 선택하다 총 그리고 클릭 와이 . ((1) 목표 개수가 포함된 열과 기회 개수가 포함된 다른 열을 입력해야 하며 (2) 해당 순서대로 정확하게 입력해야 합니다.) 표준 최소제곱 그리고 선택 일반화 선형 모델 . 선택하다 이항식 배포 모델의 경우. 선택하다 프로비트 링크 기능의 경우. 실행 대화 상자는 다음과 같아야 합니다.
딸깍 하는 소리 달리다 .
아래에서 비선형 응답과 회귀 진단을 볼 수 있습니다.
답변: 프로빗 분석 및 적합도 테스트나는하지 않았다.
Probit을 사용하여 Generalized Linear에서 모델을 실행하려고 시도했지만 내 LD 값이 Probit Add-In이 제공하는 값과 일치하지 않아 무슨 일이 일어나고 있는지 잘 모르겠습니다. 피팅 선형 모델을 모두 읽었지만 제가 분석을 실행하려는 것은 비선형입니다. 솔직히 말해서 JMP에서는 경험이 없습니다.
답변: 프로빗 분석 및 적합도 테스트추가 기능 작성자에게 문의했거나 설명 및 지침을 먼저 읽었습니까?
JMP에는 이러한 수량을 추정하고 적합도 통계를 제공할 수 있는 여러 내장 플랫폼이 있습니다. 이러한 리드를 통해 시작하세요.
- 곡선 맞춤 일반적인 비선형 함수에 적합할 수 있습니다.
- 비선형 보다 일반적이며 사용자 정의 모델에 적합할 수 있습니다.
- 일반화 선형 모델 프로빗 분석을 수행할 수 있습니다.
검색하셨나요? 프로빗 아직 돕다 또는 돕다 > 서적 > 선형 모델 피팅 ?
