362097_zh-CN

liliconcom

在JMP上进行测试以对我的研究数据进行统计分析的测试

大家好！ 我需要一些建议。

对于我在安特卫普大学医院的硕士学位论文，我正在做一个实验，该实验测量在医疗使用过程中从塑料医疗器械中释放出多少以及哪些增塑剂（=有毒的塑料成分）。 具体而言，我们在不同时间点注入营养液期间，测量了注入回路中增塑剂的释放。

 

简单来说：

1. 我们通过医疗输液回路注入营养液，并在不同时间点（输液前，12、24和48小时后）在回路末端将其捕获。 然后，我们测量收集的营养液中不同增塑剂的浓度。 这样，可以检查随时间的浸出。
2. 我们对3种不同的营养液进行了该实验，以查看这些流体之间增塑剂的释放是否存在显着差异。
   1. 对于营养液1，实验一式三份，其他实验仅进行一次。

 

我的数据库看起来如下：

 

实验	营养液	收集时间点（小时）	浓缩增塑剂1（微克）	浓缩增塑剂2 （微克）	浓缩增塑剂3 （微克）
1个	流体1	0	X	X	X
1个	流体1	12	X	X	X
1个	流体1	24	X	X	X
1个	流体1	48	X	X	X
2	流体2	0	X	X	X
2	流体2	12	X	X	X
2	流体2	24	X	X	X
2	流体2	48	X	X	X
3	流体3	0	X	X	X
3	流体3	12	X	X	X
3	流体3	24	X	X	X
3	流体3	48	X	X	X

 

（我们仍在等待不同增塑剂浓缩的结果）

 

我的问题：对于我的统计分析，哪种测试最适合在JMP上运行？ 还是要（直观地）显示我的数据的重要性/结果？ 为了

1. 显示增塑剂释放的浓度。
2. 跟踪增塑剂随时间的释放。
3. 要检查3种不同营养液之间增塑剂释放的差异。

 

提前谢谢了！

 

亲切的问候，

卡米尔

分析工具图形回复：在JMP上执行的测试用于对我的研究数据进行统计分析

对此没有简单而单一的答案，尤其是无法事先知道过程，噪声，物理和数据。

随函附上一个脚本，该脚本生成带有两个脚本和一些建模数据的表。

对我而言，第一种方法始终是视觉判断（通过Graph Builder等进行）。

第二种方法可以是拟合模型平台，在这种情况下为最小二乘，请参见第二脚本。 p值可能会显示有关参数意义的信息，增塑剂3的流体3有所不同，但很难找到。 有了更多数据，将更容易找到。 通过按“？”并在报表中单击鼠标，您将找到上下文帮助以了解详细信息。

祝你好运！

 

 

 

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 )}
   )
  )
 
 )}
);