362097_zh-TW

liliconcom

在JMP上進行測試以對我的研究數據進行統計分析的測試

大家好！ 我需要一些建議。

對於我在安特衛普大學醫院的碩士學位論文，我正在做一個實驗，該實驗測量在醫療使用期間從塑料醫療器械中釋放出多少以及哪些增塑劑（=有毒的塑料成分）。 具體而言，我們在不同時間點注入營養液期間，測量了注入迴路中增塑劑的釋放。

 

簡單來說：

1. 我們通過醫療輸液迴路注入營養液，並在不同時間點（輸液前，12、24和48小時後）在迴路末端將其捕獲。 然後，我們測量收集的營養液中不同增塑劑的濃度。 這樣，可以檢查隨時間的浸出。
2. 我們對3種不同的營養液進行了該實驗，以查看這些流體之間增塑劑的釋放是否存在顯著差異。
   1. 對於營養液1，實驗一式三份，其他實驗僅進行一次。

 

我的數據庫看起來如下：

 

實驗	營養液	收集時間點（小時）	濃縮增塑劑1（微克）	濃縮增塑劑2 （微克）	濃縮增塑劑3 （微克）
1個	流體1	0	X	X	X
1個	流體1	12	X	X	X
1個	流體1	24	X	X	X
1個	流體1	48	X	X	X
2	流體2	0	X	X	X
2	流體2	12	X	X	X
2	流體2	24	X	X	X
2	流體2	48	X	X	X
3	流體3	0	X	X	X
3	流體3	12	X	X	X
3	流體3	24	X	X	X
3	流體3	48	X	X	X

 

（我們仍在等待不同增塑劑濃縮的結果）

 

我的問題：對於我的統計分析，哪種測試最適合在JMP上運行？ 還是要（直觀地）顯示我的數據的重要性/結果？ 為了

1. 顯示增塑劑釋放的濃度。
2. 跟踪增塑劑隨時間的釋放。
3. 要檢查3種不同營養液之間增塑劑釋放的差異。

 

提前謝謝了！

 

親切的問候，

卡米爾

分析工具圖形回复：在JMP上執行的測試用於對我的研究數據進行統計分析

對此沒有簡單而單一的答案，尤其是無法事先知道過程，噪聲，物理和數據。

隨函附上一個腳本，該腳本生成帶有兩個腳本和一些建模數據的表。

對我而言，第一種方法始終是視覺判斷（通過Graph Builder等進行）。

第二種方法可以是擬合模型平台，在這種情況下為最小二乘，請參見第二腳本。 p值可能會顯示有關參數意義的信息，增塑劑3的流體3有所不同，但很難找到。 有了更多數據，將更容易找到。 通過按“？”並在報表中單擊鼠標，您將找到上下文幫助以了解詳細信息。

祝你好運！

 

 

 

Names Default To Here( 1 );

Random Reset( 42 );

db = New Table( "Plasticizers",
 add rows( 12 ),
 New Column( "Experiment", "Numeric", "Ordinal", set values( [1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3] ) ),
 New Column( "Nutritive fluid",
  "Character",
  "Nominal",
  set values(
   {"fluid 1", "fluid 1", "fluid 1", "fluid 1", "fluid 2", "fluid 2", "fluid 2", "fluid 2", "fluid 3", "fluid 3", "fluid 3", "fluid 3"}
  )
 ),
 New Column( "Time points of collection (hours)",
  Numeric,
  Continuous,
  set format( "Best", 12 ),
  set values( [0, 12, 24, 48, 0, 12, 24, 48, 0, 12, 24, 48] )
 ),
 New Column( "Concentration plasticizer 1 (micrograms)",
  "Numeric",
  Continuous,
  set formula( Random Normal( 1, 1 ) + 0.1 * Name( "Time points of collection (hours)" ) )
 ),
 New Column( "Concentration plasticizer 2 (micrograms)",
  "Numeric",
  Continuous,
  set formula( Random Normal( 3, 1 ) + 0.2 * Name( "Time points of collection (hours)" ) )
 ),
 New Column( "Concentration plasticizer 3 (micrograms)",
  "Numeric",
  Continuous,
  set formula( Random Normal( 10, 1 ) + If( Name( "Nutritive fluid" ) == "fluid 3", 0.5, 0.1 ) * Name( "Time points of collection (hours)" ) )
 ), 

);

db << Add Properties to Table(
 {New Script(
  "Concentration plasticizer 1 (micrograms) & 2 more vs. Time points of collection (hours)",
  Graph Builder(
   Size( 855, 739 ),
   Variables(
    X( :Name( "Time points of collection (hours)" ) ),
    Y( :Name( "Concentration plasticizer 1 (micrograms)" ) ),
    Y( :Name( "Concentration plasticizer 2 (micrograms)" ), Position( 1 ) ),
    Y( :Name( "Concentration plasticizer 3 (micrograms)" ), Position( 1 ) ),
    Group X( :Nutritive fluid )
   ),
   Elements( Points( X, Y( 1 ), Y( 2 ), Y( 3 ), Legend( 14 ) ), Smoother( X, Y( 1 ), Y( 2 ), Y( 3 ), Legend( 15 ) ) )
  )
 ), New Script(
  "Fit Least Squares",
  Fit Model(
   Y(
    :Name( "Concentration plasticizer 1 (micrograms)" ),
    :Name( "Concentration plasticizer 2 (micrograms)" ),
    :Name( "Concentration plasticizer 3 (micrograms)" )
   ),
   Effects( :Nutritive fluid, :Name( "Time points of collection (hours)" ) ),
   Personality( "Standard Least Squares" ),
   Emphasis( "Effect Leverage" ),
   Run(
    :Name( "Concentration plasticizer 1 (micrograms)" ) << {Summary of Fit( 1 ), Analysis of Variance( 1 ), Parameter Estimates( 1 ),
    Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ), Plot Residual by Predicted( 1 ),
    Plot Studentized Residuals( 0 ), Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ), Box Cox Y Transformation( 0 )},
    :Name( "Concentration plasticizer 2 (micrograms)" ) << {Summary of Fit( 1 ), Analysis of Variance( 1 ), Parameter Estimates( 1 ),
    Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ), Plot Residual by Predicted( 1 ),
    Plot Studentized Residuals( 0 ), Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ), Box Cox Y Transformation( 0 )},
    :Name( "Concentration plasticizer 3 (micrograms)" ) << {Summary of Fit( 1 ), Analysis of Variance( 1 ), Parameter Estimates( 1 ),
    Lack of Fit( 0 ), Scaled Estimates( 0 ), Plot Actual by Predicted( 1 ), Plot Residual by Predicted( 1 ),
    Plot Studentized Residuals( 0 ), Plot Effect Leverage( 1 ), Plot Residual by Normal Quantiles( 0 ), Box Cox Y Transformation( 0 )}
   )
  )
 
 )}
);