Ciao a tutti! Ho bisogno di qualche consiglio.
Per la mia tesi di master all'Ospedale universitario di Anversa, sto lavorando a un esperimento che misura quanto e quali plastificanti (= componenti in plastica tossici) vengono rilasciati dai dispositivi medici in plastica durante l'uso medico. Nello specifico, abbiamo misurato il rilascio di plastificanti da un circuito di infusione durante l'infusione di fluido nutritivo in diversi momenti.
In breve:
- Infondiamo un fluido nutritivo attraverso un circuito di infusione medica, lo catturiamo nuovamente alla fine del circuito in diversi momenti (prima dell'infusione, dopo 12, 24 e 48 ore). Quindi misuriamo la concentrazione di diversi plastificanti nei fluidi nutrizionali raccolti. In questo modo è possibile esaminare la lisciviazione nel tempo.
- Abbiamo eseguito questo esperimento su 3 diversi fluidi nutritivi, per vedere se c'è una differenza significativa nel rilascio di plastificanti tra questi fluidi.
- Per il fluido nutritivo 1 l'esperimento viene eseguito in triplice copia, per gli altri una sola volta.
Mio Banca dati appare come segue:
Sperimentare | Fluido nutritivo | Punti temporali di raccolta (ore) | Concentrazione plastificante 1 (microgrammi) | Plastificante a concentrazione 2 (microgrammi) | Plastificante a concentrazione 3 (microgrammi) |
1 | fluido 1 | 0 | X | X | X |
1 | fluido 1 | 12 | X | X | X |
1 | fluido 1 | 24 | X | X | X |
1 | fluido 1 | 48 | X | X | X |
2 | fluido 2 | 0 | X | X | X |
2 | fluido 2 | 12 | X | X | X |
2 | fluido 2 | 24 | X | X | X |
2 | fluido 2 | 48 | X | X | X |
3 | fluido 3 | 0 | X | X | X |
3 | fluido 3 | 12 | X | X | X |
3 | fluido 3 | 24 | X | X | X |
3 | fluido 3 | 48 | X | X | X |
(Stiamo ancora aspettando i risultati della concentrazione dei diversi plastificanti)
La mia domanda: quale / i test sarebbe meglio eseguire su JMP per la mia analisi statistica? O per mostrare (visivamente) il significato / i risultati dei miei dati? In modo da
- Mostra le concentrazioni di rilascio di plastificante.
- Tieni traccia del rilascio del plastificante nel tempo.
- Per verificare la differenza di rilascio del plastificante tra i 3 diversi fluidi nutritivi.
Molte grazie in anticipo!
Cordiali saluti,
Camille
Non esiste una risposta semplice e unica a questo, soprattutto senza conoscere in anticipo il processo, il rumore, la fisica e i dati.
In allegato trovi uno script che genera una tabella con due script e alcuni dati modellati.
Un primo approccio per me sarebbe sempre un giudizio visivo (da Graph Builder ecc.).
Un secondo approccio potrebbe essere la piattaforma del modello di adattamento, in questo caso i minimi quadrati, vedere il secondo script. Il valore p può indicare il significato del parametro, il fluido 3 è diverso per il plastificante 3, ma è difficile da trovare. Con più dati sarebbe più facile da trovare. Premendo "?" e facendo clic con il mouse nel rapporto, troverai una guida contestuale per comprendere i dettagli.
In bocca al lupo!
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 )}
)
)
)}
);
