孢子計數分析<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我一直在和一位正在做一些實驗的科學家合作，以消毒形成植物病孢子的各種培養基。培養基被疾病孢子侵染，然後培養基接受減輕處理。然後計算倖存的孢子。 每種培養基都沒有初始的孢子計數。 測試未處理培養基的樣品以獲得初始孢子計數。計算每種培養基類型的平均初始孢子計數。 使用具有二項分佈的GLM在JMP中分析數據，其中在個體培養基上存活孢子的後處理計數，平均初始孢子計數是二項分析中的第二變量（分母）。通過該分析，基於使用來自培養基樣品的平均孢子計數來報告存活孢子的概率。 這種方法有什麼問題嗎？我意識到每個媒體的初始計數最好。使用平均初始孢子培養基計算此分析中的問題？我們計劃報告我們正在使用來自單獨的培養基樣本的平均初始孢子計數。
Re：孢子計數分析我不確定你想要從實驗中得到什麼或者如何設置實驗，所以更多細節可能會有用。
我懷疑您正在比較不同治療持續時間與不同消毒劑（化學或物理（熱，蒸汽））的影響。
通常人們對孢子或細菌數量的對數減少感興趣。 例如，我用10 ^ 8 cfu / ml我最喜歡的有機體刺我的蘋果醬，然後經過幾個滅菌週期（溫度和時間）運行罐子。然後我打開罐子並對每個罐子中的幾個樣品進行計數，並使用數據找到最小時間溫度組合，這使得計數減少了3個對數（或6個）。 可以在表面上進行相同類型的實驗，對錶面進行劑量處理，使用和不使用處理進行恢復，並比較結果。
一世在任何一種情況下，響應都不是二項式（0或1） 除非我只要看我是否大於或小於6個對數減少或可能完全消毒與未完成。在大多數情況下，科學家（和監管機構）對對數減少的估計和估算周圍的置信區間（以及是否可以在CI低於要求的閾值的條件下運行）更感興趣。
Re：孢子計數分析當你看到Pioson認為泊松，我的壞。
Re：孢子計數分析感謝您的意見和建議。
我的一些術語並不是最好的。使用工作生存和
感染是錯過領導。實驗室用可存活的孢子填充培養基。
重點是培養基上可行的孢子，特別是概率
培養基上有活力的孢子。
讓我看看澄清我們在做什麼。這是一項衛生研究。該
兩種介質是鋼墊圈和一塊方形羊毛。所以沒有孢子
如果它們萌芽，它們就會生活在媒介上。治療方法是消毒。
孢子計數是可行的孢子。我們想知道它的效果如何
治療是為了清理孢子。最初的羊毛數量
平均為220萬，鋼墊圈平均為8500。知道了
處理後培養基上可存活的孢子的概率是有價值的。
計數是整數。它們不是連續的。我用過GLM
馬克建議的Pioson分佈。我發現意義但不是那麼多
和二項式一樣。培養基上可存活的孢子的概率是
興趣和顯著影響它的治療方法。是二項式
告訴我這個？可存活孢子的低概率告訴我們存在低水平
傳播活孢子的可能性。
如果二項式不正確的方法可以GLM Pioson治療
估計值除以初始孢子估計值以產生
培養基上有活孢子的概率。這會是一個更好的方法嗎？
估計這個概率？
或者你有另一種建議的方法。謝謝。
Re：孢子計數分析鑑於上面的描述，我不確定您要分析的是您的因變量。 聽起來你正在嘗試二進制“污染/未污染”的反應，但是你使用模擬的初始孢子計數和實際的治療後孢子計數作為你唯一的輸入變量？我對你的目標有點困惑，因為如果有的話任何孢子在治療後存活，然後是你的培養基是污染。 您的概率自動為100％。 現在，如果模型中包含與治療相關的一些變量（例如，治療時間或溫度或......），那麼您試圖確定治療的有效性，治療後孢子的最終數量是你的回答，然後我可以看到這個練習的重點。 至於馬克的觀點，如果您的反應是治療後孢子計數，那麼您需要GLM的泊松分佈和日誌鏈接功能。 或者我在這裡遺漏了什麼？
Re：孢子計數分析如果感染每種培養基（樣品）的方法是一致的，那麼您可能會認為初始孢子計數是相同的。然後，您可以使用具有泊松分佈和日誌鏈接功能的GLM而無需偏移。啟用過度分散選項以獲得更好的適應性。（檢查它是否重要。）
您選擇的二項分佈假定為二分響應，但您的比例不太可能如此。我理解它。這是連續的，不是嗎？
