¡Hola a todos! Necesito un consejo.
Para mi tesis de maestría en el Hospital Universitario de Amberes, estoy trabajando en un experimento que mide cuánto y qué plastificantes (= componentes plásticos tóxicos) se liberan de los dispositivos médicos de plástico durante su uso médico. Específicamente, medimos la liberación de plastificantes de un circuito de infusión durante la infusión de líquido nutricional en diferentes momentos.
En breve:
- Infundimos un líquido nutritivo a través de un circuito de infusión médica, lo recuperamos al final del circuito en diferentes momentos (antes de la infusión, después de 12, 24 y 48 horas). Luego medimos la concentración de diferentes plastificantes en los fluidos nutricionales recolectados. De esta manera se puede examinar la lixiviación a lo largo del tiempo.
- Realizamos este experimento en 3 fluidos nutritivos diferentes, para ver si existe una diferencia significativa en la liberación de plastificantes entre estos fluidos.
- Para el líquido nutritivo 1, el experimento se realiza por triplicado, para los demás sólo una vez.
Mi base de datos se ve de la siguiente manera:
Experimento | fluido nutritivo | Puntos horarios de recogida (horas) | Plastificante de concentración 1 (microgramos) | Plastificante de concentración 2 (microgramos) | Plastificante de concentración 3 (microgramos) |
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 |
(Aún estamos esperando los resultados de la concentración de los diferentes plastificantes)
Mi pregunta: ¿Qué prueba(s) sería mejor ejecutar en JMP para mi análisis estadístico? ¿O para mostrar (visualmente) el significado/resultados de mis datos? Con el fin de
- Muestre las concentraciones de liberación de plastificante.
- Realice un seguimiento de la liberación de plastificante a lo largo del tiempo.
- Comprobar la diferencia en la liberación de plastificante entre los 3 fluidos nutritivos diferentes.
¡Muchas gracias de antemano!
Atentamente,
camilla
No existe una respuesta única y fácil para esto, especialmente sin conocer de antemano el proceso, el ruido, la física y los datos.
Adjunto encontrará un script que genera una tabla con dos scripts y algunos datos modelados.
Un primer enfoque para mí siempre sería un juicio visual (por Graph Builder, etc.).
Un segundo enfoque podría ser la plataforma del modelo de ajuste, en este caso mínimos cuadrados, consulte el segundo guión. El valor p puede mostrarle la importancia del parámetro; el fluido 3 es diferente para el plastificante 3, pero es difícil de encontrar. Con más datos sería más fácil de encontrar. Presionando "?" y al hacer clic con el mouse en el informe, encontrará ayuda contextual para comprender los detalles.
¡Buena suerte!
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 )}
)
)
)}
);
