Ho bisogno di un consiglio per quanto riguarda il test di parallelismo.Sto usando la versione 16.1 di JMP e sto lavorando per confrontare una curva standard non lineare (ID-STD) con altre 3 curve non lineari (ID-Set A, B, C) per vedere se sono simili.
Quello che ho fatto è stato tracciare le 4 curve usando analizza> modello specializzato> configurazione non lineare come allegato. Successivamente seleziono 4P logistico ed eseguo il test di parallelismo e il test di equivalenza. Il valore p ottenuto è 0,0056 che è inferiore a 0,05 e tutte le statistiche nel test di equivalenza non corrispondono alla curva STD. Quindi, ho ragione a dire che queste 4 curve non sono comparabili?
Tuttavia, ho eseguito una normalizzazione dei risultati e ho eseguito lo stesso test, ma questa volta ho selezionato 2P logistico per la curva e ho ottenuto un valore P di 0,6794 che mostra che 4 curve sono confrontabili ma le statistiche nel test di equivalenza non corrispondono al Curva STD. Pertanto, sono abbastanza perso dei dati che ho e non sono troppo sicuro di come interpretarli.
Qualsiasi consiglio sarebbe grande. Grazie.
Ho allegato i dati che utilizzo per lo studio.
AnaliticaRe: Ho bisogno di un consiglio per quanto riguarda il test di parallelismo.Ciao Marco, grazie mille per i tuoi consigli. Immagino di dover estendere la curva standard per scoprire il asintoto superiore.
Il motivo della curva non lineare è consigliato dal kit di analisi Elisa in quanto afferma che l'utilizzo dell'analisi di regressione lineare per interpolare i valori per i campioni può portare a imprecisioni significative.
Re: Ho bisogno di un consiglio per quanto riguarda il test di parallelismo.Innanzitutto, la scelta del modello Logistic 4P è eccessivamente ottimistica. C'è solo l'asintoto inferiore e nessun punto di flesso, quindi non avrai una buona stima dell'asintoto superiore per il confronto. Questa situazione porta anche a stime instabili per tutti i parametri.
In secondo luogo, perché utilizzare un complicato modello non lineare per questi dati? Un grafico del risultato ottenuto rispetto alla concentrazione sembra essere lineare. La piattaforma Fit Curve può adattare tali modelli e valutarli anche per il parallelismo.
