燕客行
目的:我想分析A,B两观测指标是否有临床意义
方法:根据细胞病变的轻重标准,将27例样本分为3组,分别为0组(对照6例),1组(13例),2组(8例)。然后每组均分别用免疫组化的方法染A,B两指标,每个样本均随机测量5个相同区域的光密度取其平均密度,得到数据如下 :
group A B
0 0.081829 0.070937
0 0.114058 0.048523
0 0.125277 0.142664
0 0.087384 0.131063
0 0.118438 0.125644
0 0.120397 0.046473
1 0.078489 0.050436
1 0.084141 0.063384
1 0.067332 0.125826
1 0.097894 0.060662
1 0.10716 0.06241
1 0.08824 0.05529
1 0.077188 0.055415
1 0.063291 0.065771
1 0.111456 0.13589
1 0.083303 0.09203
1 0.097841 0.062592
1 0.04939 0.053588
1 0.081431 0.067233
2 0.050178 0.063898
2 0.039257 0.060791
2 0.033796 0.070376
2 0.067839 0.171932
2 0.06708 0.078521
2 0.070009 0.069589
2 0.077379 0.136736
2 0.043765 0.088045
结果:我用单因素方差分析A指标各组间有显著性差异,B指标各组间无显著性差异。
问题:B指标在临床实验中常被当着细胞标记物。那么是否能说A指标在本实验中反映各组间病变差异
比B指标更有意义呢。有人说可以,可我总感觉好像里面有统计学上的漏洞,可是几节课上的统计太皮毛了,希望各位高人指点。多谢!
燕客行
是否可以采用其他统计方法?请教。
friend
可以。
rtist
NO.
rtist
two obs. on the same sample are correlated.
non-significance doesn't mean no effect.
Statsfu
do we need to use (B-A)? it looks better
燕客行
请教楼上,use (B-A),是何以该如何做?多谢!
燕客行
先谢谢版主。
two obs. on the same sample are correlated.
non-significance doesn't mean no effect.
A、B指标标记细胞不同的成分,在临床研究中无联系,统计上会有影响么?
能如何改进或说明,请明示。谢谢!
longoR
[quote]引用第7楼燕客行于2007-10-10 15:24发表的“”:
A、B指标标记细胞不同的成分,在临床研究中无联系,统计上会有影响么?
.......[/quote]sure, a huge influence.
If it makes sense to think of the mean of a and b, then you can use some form of univariate mixed model.
If it doesn't make sense, you can use multivariate methods.
What are A and B?
dinghl2006
1.单因素方差分析时是否要考虑数据的分布?
2.use (B-A)如果按我的理解两指标相减是不行的,相差只用在两种不同的方法测同一指标时的异同
3.没有关联的话,影响非常大。在燕客行这个指标的选择上有些疑问:分组与A指标的高低有统计学意义,A和B没有关联,那么分组与B指标的选择从开始是出于一个什么样的考虑?
燕客行
因为细胞的变化只能在电镜下才能看到,分组按电镜结果。
B指标可以特异标记该类细胞,如计算数量的多少;
A指标也可以特异标记该类细胞,但其表达部位与B指标不同;
设计的目的是为了找到一种可用的免疫组化方法间接说明细胞的变化,从而找到一种定量或半定量方法进行分析。
燕客行
sure, a huge influence.
If it makes sense to think of the mean of a and b, then you can use some form of univariate mixed model.
If it doesn't make sense, you can use multivariate methods.
谢谢,我们统计学学的少,能劳烦讲解一下么,
我的email:guojia516◎163.com
再次感谢!
hexm26
楼主不要因为统计结果出来不是自己“满意”或预想的,就要去找一个更“合理”的方法来解释数据。
我替你看一下数据,用Tukey-Kramer Adjustment的方法观测各组间的差异,A指标各组间全部存在显著性差异,而B指标各组间全无显著性差异,你的结果是正确的。这里有个问题在于如何解释你的结果。我对你的试验性质不熟,但可以给举个例子:在研究病人肿瘤的发展过程中,通常肿瘤大小和病人的体重都作为测量指标。从正常意义上说,这2个指标应该是相关联的,随着肿瘤的长大,病情恶化,病人的体重也就相应减少。但情况往往并非如此,有的时候用了2种不同的药,对照组的病人肿瘤明显大于治疗组的,但体重却相差无几。所以说,统计学上常常把肿瘤大小作为主观测值。可又有的时候,却是2组病人的体重明显差异,而肿瘤大小却无差异。但主观测值无差异,却并不意味着药物对病人的肿瘤无影响,至少体重上的差别说明了一个问题:可能存在其它不可控制的因素导致了肿瘤和体重上的变化。
回到你的问题,B指标在临床实验中的确常被当着细胞标记物,但A指标在本实验中反映出各组间病变差异,并不意味着它比B指标更有意义。你只用将分析的结果列出来,说明组间的差异是存在什么指标上,如果有可能,你对此现象的解释是什么,或是你不用解释,懂行的人自然明白你的意思。如果你可以确信你的试验是严格操作,无明显的失误可能,那么不用重做试验。因为用单因素方差分析的结果是非常明显的,即使你用其他的转换,非参分析,或是Mixed-Model也好,结论应该还是如此。你的解释应该来自于你的临床知识背景和试验性质,而非强行找出一个统计方法来做“更好”的解释。所以,我的建议是维持你原来的方法,客观合理的说明问题,至少,你的试验数据已经说明了组间的差异。
dinghl2006
楼上说的很有道理,各种统计方法间的差别不会很大,我们有时用两种以上方法来实现,也是一种为主,另一些作为辅助来看的,统计结果肯定没有什么问题,理应从临床方面去解释这种情况
燕客行
谢谢各位指教。
losttemple
我的看法:
做一下细胞病变程度与A指标的关联性分析,可以考虑将A指标分成若干等级。
同样做一下细胞病变程度与B指标的关联性。
如果都具有关联(既然B指标在临床实验中常被当着细胞标记物,理论上B指标与细胞病变程度的关联性是存在的),那么根据你上述的统计结果,推论出A指标相对于B指标更能反映各组间病变差异的结论会更有说服力一些。