Analyse du nombre de spores<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Je travaille avec un scientifique qui fait des expériences pour assainir divers milieux des spores de maladies des plantes. Le milieu est infesté de spores pathogènes, puis il reçoit des traitements d'atténuation. Ensuite, les spores survivantes sont comptées. Un compte initial de spores n'est pas disponible pour chaque milieu individuel. Un échantillon de milieu non traité est testé pour obtenir le nombre initial de spores. Un nombre initial moyen de spores est calculé pour chaque type de milieu. Les données sont analysées dans JMP en utilisant GLM avec une distribution binomiale avec les comptages après traitement des spores survivantes sur un milieu individuel, les comptages initiaux moyens des spores sont la seconde variable (dénominateur) dans l'analyse binomiale. Avec cette analyse, la probabilité de survie des spores est rapportée sur la base du nombre moyen de spores d'un échantillon du milieu. Y at-il des problèmes avec cette approche? Je me rends compte qu'il serait préférable d'avoir un compte initial pour chaque média. L'utilisation de la numération moyenne initiale des spores est-elle un problème dans cette analyse? Nous prévoyons de signaler que nous utilisons le nombre moyen initial de spores d'un échantillon séparé des milieux.
Re: Analyse du nombre de sporesJe ne suis pas tout à fait sûr de ce que vous essayez de tirer de l'expérience ou de la manière dont l'expérience est configurée. Quelques détails supplémentaires pourraient donc être utiles.
Je suppose que vous comparez l’effet de différentes durées de traitement avec différents désinfectants (chimiques ou physiques (chaleur, vapeur)).
On s'intéresse souvent à la diminution du nombre de spores ou de bactéries dans le journal. Par exemple, je verse ma compote de pommes avec 10 ^ 8 cfu / ml de mon organisme préféré, puis je fais passer des bocaux à travers plusieurs cycles de stérilisation (température et temps). Ensuite, j'ouvre les pots et compte quelques échantillons de chaque pot et utilise ces données pour trouver une combinaison temps-température minimale qui me donne une diminution de 3 log (ou 6) log. Le même type d’expérience peut être réalisé sur une surface, doser la surface, récupérer avec et sans traitement et comparer les résultats.
je Dans les deux cas, la réponse n'est pas binomiale (0 ou 1). sauf si je suis seulement regarder si j'ai eu une diminution supérieure ou inférieure à 6 log ou une stérilisation complète par rapport à une stérilisation incomplète. Dans la plupart des cas, les scientifiques (et les régulateurs) sont plus intéressés par l'estimation de la réduction du nombre de log et des intervalles de confiance autour de l'estimation (et si vous pouvez opérer dans une condition où l'IC est inférieur au seuil requis.)
Re: Analyse du nombre de sporesQuand vous voyez Pioson, pensez Poisson, My bad.
Re: Analyse du nombre de sporesMerci pour les commentaires et suggestions.
Une partie de ma terminologie n'était pas la meilleure. L’utilisation de la survie au travail et
infecté est mademoiselle en tête. Un laboratoire remplit le milieu avec des spores viables.
L'accent est mis sur les spores viables sur le milieu et plus particulièrement sur la probabilité
de spores viables sur le milieu.
Laissez-moi voir clarifier ce que nous faisons. Ceci est une étude d'assainissement. le
deux médiums sont des rondelles en acier et un morceau de laine carré. Donc pas de spores
vivraient sur le support s'ils germaient. Les traitements sont à assainir.
Les comptes de spores sont des spores viables. Nous voulons savoir quelle est l'efficacité de la
les traitements consistent à nettoyer les spores. Les premiers comptes sur la laine
en moyenne 2,2 millions, la rondelle en acier en moyenne 8500. Connaissant le
la probabilité d'une spore viable sur le milieu après le traitement est précieuse.
Les comptes sont des entiers. Ils ne sont pas continus. J'ai utilisé GLM avec le
Distribution de Pioson comme suggéré par Mark. Je trouve une signification mais pas autant
comme avec le binôme. La probabilité d’une spore viable sur le milieu est de
intérêt et les traitements qui l’affectent de manière significative. Est le binôme
me dire ça? Une faible probabilité d'une spore viable nous dit qu'il y a une faible
probabilité de propagation de spores viables.
Si le binôme n’est pas la bonne approche, le traitement GLM Pioson pourrait-il
les estimations soient divisées par les estimations initiales des spores pour produire le
probabilité d'une spore viable sur le milieu. Serait-ce un meilleur moyen de
estimer cette probabilité?
Ou avez-vous une autre approche à suggérer? Merci.
Re: Analyse du nombre de sporesJe ne suis pas sûr de ce que vous essayez d'analyser en tant que variable dépendante, compte tenu de votre description ci-dessus. On dirait que vous essayez d’obtenir une réponse binaire «contaminé / non contaminé», mais vous utilisez ensuite un nombre de spores initial simulé et un nombre de spores post-traitement réel comme seules variables d’entrée? Je suis un peu confus quant à votre objectif ici parce que s'il y a tout spores survivant après le traitement, puis votre milieu est contaminé. Votre probabilité est automatiquement de 100%. Maintenant, si certaines variables liées au traitement (par exemple, la durée du traitement, la température ou ...) étaient incluses dans le modèle, de sorte que vous tentiez de déterminer l'efficacité de votre traitement et que le nombre final de spores après traitement était votre réponse, alors je pourrais voir le point de cet exercice. Et pour en revenir à Mark, si votre réponse est le nombre de spores post-traitement, vous voudriez alors la distribution de Poisson et la fonction de lien de journal pour le GLM. Ou est-ce que je manque quelque chose ici?
Re: Analyse du nombre de sporesSi la méthode d'infestation de chacun des supports individuels (échantillons) est cohérente, vous pouvez alors supposer que le nombre de spores initial est identique. Vous pouvez ensuite utiliser un GLM avec une distribution de Poisson et une fonction de liaison de journal sans décalage. Activer l'option de dispersion excessive pour un meilleur ajustement. (Vérifiez si c'est significatif.)
La distribution binomiale que vous avez choisie suppose une réponse dichotomique, mais votre ratio ne le sera probablement pas. Comme je le comprends. C'est continu, non?
