Affichage de l'équivalence pour 2 courbes dose-réponseJe recherche un test d'équivalence pour deux courbes dose-réponse, auquel, dans l'ensemble de données joint, je me réfère dans la catégorie «Mesure» par «Prédite» et «Corrigé».
Lors de l'évaluation en tant que modélisation spécialisée> Ajuster la courbe avec
Y = Copies / µL
X = Copies / µL (théorique)
Groupe = Mesure
et en donnant un ajustement linéaire et en testant l'équivalence, nous voyons que les pentes sont équivalentes mais les intersections sont différentes. Je pense que c'est parce que nous entrons dans le bruit du test. Cela dit, il y a un point auquel les pentes divergent, et le point de divergence des IC à 95% devrait refléter le point inférieur où deux mesures sont équivalentes.
Pour essayer d'y arriver, j'ai tracé Fit Y by X avec
Y = copies / µL
X = copies / µL (théorique) comme nominal
Par = Mesure
Tableau des moyennes et SD> Transformer en tableau de données combiné
Sur le tableau de données résultant, nous pouvons voir que l'IC à 95% diverge entre 25 et 2,5 copies / µL, comme le montrent les moyennes pour chaque mesure se trouvant dans les deux plages d'IC à 95%.
Mes deux questions sont: 1) est-ce une approche valide et si oui, 2) comment puis-je prédire le point de divergence?
Merci!
Steve H
AnalytiqueRe: Affichage de l'équivalence pour 2 courbes dose-réponseVous n'avez pas partagé deux courbes dose-réponse. Vous avez partagé la prédiction inverse de deux courbes standard par rapport à la valeur standard.
L'analyse avec Mesure dans le rôle By produit deux analyses indépendantes. Au lieu de cela, vous devez analyser les données ensemble en utilisant un modèle «d'analyse de covariance». Sélectionnez Analyser> Ajuster le modèle et attribuez les colonnes aux rôles d'analyse comme ceci:
Cliquez sur Exécuter et les résultats sont les suivants:
L'interception n'est pas significativement différente de 0. La pente est significative comme prévu. La mesure est également significative, indiquant que l'interception est différente entre les deux mesures. Enfin, le terme croisé pour l'interaction est significatif, indiquant que la pente est également différente entre les deux mesures.
Re: Affichage de l'équivalence pour 2 courbes dose-réponseSalut Mark,
Merci d'aider un débutant. Des deux ensembles de données «Prédite» est le résultat d'une prédiction inverse (Méthode 1) et «Corrigé» est une mesure réelle ajustée du facteur de dilution (Méthode 2). La méthode 1 nécessite que les inconnues soient référencées à la courbe standard tandis que la méthode 2 est une mesure directe. La question que j'essaie de poser est la suivante: les valeurs rapportées concordent-elles les unes avec les autres avec un niveau de confiance adéquat?
Re: Affichage de l'équivalence pour 2 courbes dose-réponseMerci pour l'explication.
Vous n'avez pas besoin de résumer les données par la moyenne et l'écart type. JMP le fera pour vous. Veuillez suivre cette procédure en utilisant votre table de données d'origine.
1. Assurez-vous que les copies théoriques et les colonnes de données de mesure utilisent le type de modélisation Nominal. (Je pense que oui.) Assurez-vous que les copies mesurées utilisent le type de modélisation continue.
2. Sélectionnez Analyser> Ajuster Y par X. Attribuez des copies au rôle Y. Attribuez Mesure au rôle X. Attribuez des copies théoriques au rôle Par. Cliquez sur OK.
3. Vous avez maintenant une copie séparée par rapport à la mesure pour chaque niveau théorique. Appuyez sur la touche Contrôle sous Windows ou sur la touche Commande sur Macintosh et maintenez-la enfoncée, cliquez sur le triangle rouge en regard du contour supérieur et sélectionnez Test d'équivalence. Vous devez saisir la différence qui est considérée comme la plus grande mais qui reste pratiquement la même. Par exemple, disons que si les copies mesurées pour l'échantillon théorique = 0,3 sont comprises entre 1, entrez 1 et cliquez sur OK:
JMP met à jour la première analyse:
Dans cette démonstration, la différence observée n'est pas statistiquement équivalente.
4. Répétez la dernière étape pour chaque échantillon.
Voici l'exemple suivant:
Cet échantillon est statistiquement équivalent.
S'il te plait regarde cette documentation dans le système d'aide.
