Mostrando equivalencia para 2 curvas dosis-respuestaEstoy buscando una prueba de equivalencia para dos curvas de respuesta a la dosis, a las que en el conjunto de datos adjunto me refiero en la categoría 'Medición' como 'Previsto' y 'Corregido'.
Al evaluar como Modelado especializado> Ajustar curva con
Y = Copias / µL
X = Copias / µL (teórico)
Grupo = Medida
y dando un ajuste lineal y probando la equivalencia, vemos que las pendientes son equivalentes pero las intersecciones son diferentes. Creo que esto se debe a que nos estamos metiendo en el ruido del ensayo. Dicho esto, hay un punto en el que las pendientes divergen, y el punto de divergencia de los IC del 95% debe reflejar el punto más bajo en el que dos medidas son equivalentes.
Para tratar de llegar a esto, graficé Ajustar Y por X con
Y = copias / µL
X = copias / µL (teórico) como nominal
Por = Medida
Tabular medias y SD> Convertir en tabla de datos combinados
En la tabla de datos resultante podemos ver que el IC del 95% diverge entre 25 y 2,5 copias / µL, como se muestra en las medias de cada medición que se encuentran dentro de ambos rangos de IC del 95%.
Mis dos preguntas son, 1) ¿es este un enfoque válido y, de ser así, 2) ¿cómo puedo predecir el punto de divergencia?
¡Gracias!
Steve H
AnalíticaRe: Mostrando equivalencia para 2 curvas dosis-respuestaNo compartió dos curvas dosis-respuesta. Compartió la predicción inversa de dos curvas estándar frente al valor estándar.
El análisis con Medición en el rol Por produce dos análisis independientes. En su lugar, debe analizar los datos juntos utilizando un modelo de 'análisis de covarianza'. Seleccione Analizar> Ajustar modelo y asigne las columnas a los roles de análisis de esta manera:
Haga clic en Ejecutar y los resultados son los siguientes:
La intersección no es significativamente diferente de 0. La pendiente es significativa como se esperaba. La medición también es significativa, lo que indica que la intersección es diferente entre las dos mediciones. Finalmente, el término cruzado para la interacción es significativo, lo que indica que la pendiente también es diferente entre las dos mediciones.
Re: Mostrando equivalencia para 2 curvas dosis-respuestaHola, Mark,
Gracias por ayudar a un novato. De los dos conjuntos de datos, 'Predicho' es el resultado de una predicción inversa (Método 1) y 'Corregido' es una medición real ajustada por factor de dilución (Método 2). El método 1 requiere que las incógnitas se referencian a la curva estándar, mientras que el método 2 es una medida directa. La pregunta que estoy tratando de hacer es, ¿los valores reportados concuerdan entre sí con un nivel adecuado de confianza?
Re: Mostrando equivalencia para 2 curvas dosis-respuestaGracias por la explicación.
No es necesario resumir los datos mediante la media y la desviación estándar. JMP lo hará por ti. Siga este procedimiento utilizando su tabla de datos original.
1. Asegúrese de que las copias teóricas y las columnas de datos de medición utilicen el tipo de modelado Nominal. (Creo que sí.) Asegúrese de que las copias medidas utilicen el tipo de modelado continuo.
2. Seleccione Analizar> Ajustar Y por X. Asignar copias a la función Y. Asignar medición al rol de X. Asignar copias teóricas a la función Por. Haga clic en Aceptar.
3. Ahora tiene Copias versus medida por separado para cada nivel teórico. Mantenga presionada la tecla Control en Windows o la tecla Comando en Macintosh, haga clic en el triángulo rojo junto al contorno superior y seleccione Prueba de equivalencia. Debes ingresar la diferencia que se considera la más grande pero que sigue siendo prácticamente la misma. Por ejemplo, digamos que si las copias medidas para la muestra teórica = 0.3 están dentro de 1, ingrese 1 y haga clic en Aceptar:
JMP actualiza el primer análisis:
En esta demostración, la diferencia observada no es estadísticamente equivalente.
4. Repita el último paso para cada muestra.
Aquí está la siguiente muestra:
Esta muestra es estadísticamente equivalente.
Por favor mira esta documentación en el sistema de ayuda.
