Mostra l'equivalenza per 2 curve di risposta alla doseSto cercando un test di equivalenza per due curve dose-risposta, che nel set di dati allegato faccio riferimento alla categoria "Misurazione" come "Prevedibile" e "Corretto".
Quando si valuta come Modellazione specializzata> Adatta curva con
Y = Copie / µL
X = Copie / µL (Teorico)
Gruppo = Misura
e dando un adattamento lineare e verificando l'equivalenza, vediamo che le pendenze sono equivalenti ma le intercette sono diverse. Credo che ciò sia dovuto al fatto che stiamo entrando nel rumore del test. Detto questo, c'è un punto in cui le pendenze divergono e il punto di divergenza degli IC del 95% dovrebbe riflettere il punto inferiore in cui due misure sono equivalenti.
Per provare ad arrivare a questo, ho tracciato Fit Y per X con
Y = copie / µl
X = copie / µL (teorico) come nominale
Per = misurazione
Tabulate medie e SD> Trasforma in tabella dati combinata
Nella tabella dei dati risultanti possiamo vedere il 95% CI divergere tra 25 e 2,5 copie / µl, come mostrato dalla media per ciascuna misurazione trovata all'interno di entrambi gli intervalli 95% CI.
Le mie due domande sono: 1) questo è un approccio valido e, in caso affermativo, 2) come posso prevedere il punto di divergenza?
Grazie!
Steve H
AnalyticsOggetto: Visualizzazione dell'equivalenza per 2 curve di risposta alla doseNon hai condiviso due curve dose-risposta. Hai condiviso la previsione inversa da due curve standard rispetto al valore standard.
L'analisi con Misurazione nel ruolo Per produce due analisi indipendenti. Invece, dovresti analizzare i dati insieme utilizzando un modello di "analisi della covarianza". Seleziona Analizza> Adatta modello e assegna le colonne ai ruoli di analisi in questo modo:
Fare clic su Esegui e i risultati sono i seguenti:
L'intercetta non è significativamente diversa da 0. La pendenza è significativa come previsto. Anche la misurazione è significativa, indicando che l'intercetta è diversa tra le due misurazioni. Infine, il termine incrociato per l'interazione è significativo, indicando che anche la pendenza è diversa tra le due misurazioni.
Oggetto: Visualizzazione dell'equivalenza per 2 curve di risposta alla doseCiao Mark,
Grazie per aver aiutato un principiante. Dei due set di dati "Predetto" è il risultato di una previsione inversa (Metodo 1) e "Corretto" è una misurazione effettiva aggiustata per il fattore di diluizione (Metodo 2). Il metodo 1 richiede che le incognite siano referenziate alla curva standard mentre il metodo 2 è una misura diretta. La domanda che sto cercando di porre è: i valori riportati concordano tra loro con un livello di fiducia adeguato?
Oggetto: Visualizzazione dell'equivalenza per 2 curve di risposta alla doseGrazie per la spiegazione.
Non è necessario riassumere i dati con la media e la deviazione standard. JMP lo farà per te. Si prega di seguire questa procedura utilizzando la tabella dati originale.
1. Assicurarsi che le colonne Copie teoriche e Dati di misurazione utilizzino il tipo di modellazione Nominale. (Penso che lo facciano.) Assicurati che le copie misurate utilizzino il tipo di modellazione continua.
2. Selezionare Analizza> Adatta Y per X. Assegna le copie al ruolo Y. Assegna la misurazione al ruolo X. Assegna copie teoriche al ruolo Per. Fare clic su OK.
3. Ora hai una copia separata rispetto alla misura per ogni livello teorico. Tieni premuto il tasto Ctrl su Windows o il tasto Comando su Macintosh, fai clic sul triangolo rosso accanto al bordo superiore e seleziona Test di equivalenza. Devi inserire la differenza che è considerata la più grande ma ancora praticamente la stessa. Ad esempio, supponiamo che se le copie misurate per il campione teorico = 0,3 sono entro 1, immettere 1 e fare clic su OK:
JMP aggiorna la prima analisi:
In questa dimostrazione, la differenza osservata non è statisticamente equivalente.
4. Ripetere l'ultimo passaggio per ogni campione.
Ecco il prossimo esempio:
Questo campione è statisticamente equivalente.
Perfavore guarda questa documentazione nel sistema di aiuto.
