如何用SAS软件正确分析生物医学科研资料 XIV.用SAS软件实现具有一个重复测量的单因素设计定量资料的统计分析

生物统计学是生物学领域科学研究和实际工作中必不可少的工具,在分子生物学迅速发展的今天,生物统计学更显示出了它的重要性。实验设计与数据统计分析是现代生物学的基石,是生物学研究者检验假说、寻找模式、建立生物学理论的有利工具,也是生物学研究者探索微观和宏观生物世界的必备基础知识。对于每天甚至是每时每刻涌现的大量的、以天文数字计量的分子遗传数据,必须借助统计学知识加以分析处理,才能从中获得有意义的信息。"生物多样性数据分析"是开展生物多样性研究的一个重要方面,数据分析能力的高低极大地影响着我们对各种生态学现象认识的深度和广度。现在,电子计算机的普及使得生物统计分析过程大大简化,生物统计分析软件包的普及将生物统计学从统计学家的书本里解放了出来,简化了生物统计分析过程,使之成为生物学研究者的常用工具。本刊特邀军事医学科学院生物医学统计学咨询中心主任胡良平教授,以"如何用SAS软件正确分析生物医学科研资料"为题,撰写系列统计学讲座,希望该系列讲座能对生物医学科研工作者有所帮助。

试验设计类型之单因素设计

本文目的是全面介绍与单因素设计有关的问题。通过详细分析单因素设计的几种亚型和由配对设计退化而成的单组设计,全面而深入地呈现出合理选用单因素设计的要领;通过对"组别"真相的揭示,提高读者识别"假单因素设计"的能力。真正的单因素设计只涉及一个专业上可以清楚命名的影响因素,其他任何非试验因素对评价指标的影响在该影响因素各水平组之间是均衡的,其与影响因素之间的交互作用在客观上是可以忽略不计的。

合理进行均值比较——单因素两水平和多水平设计定量资料多元方差分析

本文目的是介绍与单因素两水平和多水平设计定量资料多元方差分析有关的基本概念、计算方法、两个医学实例以及SAS实现。基本概念包括试验因素与属性因素、方差分析与协方差分析、自变量与协变量、矩阵与行列式;计算方法涉及一般统计量、4个多元方差分析检验统计量和多个均值向量的两两比较;两个医学实例分别为“2种脱机方式下患者脱机前有关定量指标的测定结果”和“3种不同类型地区的8岁男童生长发育调查数据”。借助SAS对两个实例中的定量资料分别进行多元方差分析和协方差分析,并对如何合理选取协变量进行阐释和讨论。

如何正确进行生物医学科研设计 Ⅱ.如何合理选用单因素实验设计

生物医学科研的研究对象是生物体,而生物体具有极大的变异性。科研的目的就是要从表面上看似杂乱无章的事物或现象中找出规律性的东西来,以便正确地解释和揭示事物或现象的变化、发展乃至消亡的规律,从而达到认识人类社会并促进其发展、认识自然、改造自然以至于征服自然之目的。人类要完成此重任,仅靠热情和苦干是不够的,必须加上巧干。所谓巧干,就是要充分利用人类已经积累起来的宝贵经验,加上人类特有的创造性思维和勇于实践的精神,在确立了可行的奋斗目标之后,对未知事物或现象进行调查或试验。要想使调查或试验得出的结论真实可信,同时,花费的人力、物力、财力和时间又比较少,就需要有科学完善严谨的科研设计方案的指导。本刊特邀军事医学科学院生物医学统计学咨询中心主任胡良平教授,以"如何正确进行生物医学科研设计"为题,撰写系列统计学讲座。希望该系列讲座能对生物医学科研工作者制定科研设计方案有所帮助。

用SAS软件实现单因素多水平设计定量资料的统计分析

单因素多水平设计是药学科研中经常用到的一种试验设计方法,在临床药物疗效研究方面具有十分广泛的适用性。本文主要从单因素多水平设计的概念、单因素多水平设计统计分析方法的合理选用、如何使用SAS程序进行分析,以及如何解释结果几个方面作一概述。

如何正确处理单因素多水平设计定量资料——怎样在药物应用与监测研究中正确运用统计学(二)

现代科研中，许多人希望同时考察多个实验组所代表的总体均值之间的差异是否有统计学意义，科研工作者们处理这类资料最常用的统计分析方法就是t检验和单因素多水平设计定量资料方差分析，而这些应用中相当一部分是误用或滥用。其实，正确处理单因素多水平设计定量资料，关键就在于能够正确地辨析出实验设计类型和定量资料是否满足参数检验前提条件。本文以实例为基础，讨论如何正确处理单因素多水平设计定量资料。

单因素实验设计基本方法之一——完全随机设计

单因素实验设计是指在实验中只有一个研究因素，即研究者只分析一个因素对效应指标的作用，但单因素实验设计并不意味着该实验中只有一个因素与效应指标有关联。单因素实验设计的主要目标之一就是如何控制非研究因素（称为混杂因素，confounding factor）对研究结果的影响。

单因素实验设计基本方法之二——完全随机区组设计

1完全随机区组设计概念与特点 完全随机区组设计（completely randomized block design）又称配伍组设计，是配对设计的扩展。本设计首先是在农业试验中应用的，认为小麦的产量不仅受其品种（处理因素）的影响，还受田块（block，区组因素）的影响，因此，将每个田块分成若干单元（unit），每个单元所接受的处理是随机的，这样的设计既可分析处理因素的作用，也可分析区组因素的影响，提高了试验效率。

单因素试验筛选缓释碱性成纤维细胞生长因子微球的制备条件

背景:研究表明,缓释碱性成纤维细胞生长因子微球制备工艺条件影响因素多,筛选工作费时费力,且工艺的重现性较差。目的:以碱性成纤维细胞生长因子包封率为指标,应用单因素设计,初步考察碱性成纤维细胞生长因子缓释微球制备基本工艺条件。设计、时间及地点:单因素设计实验,于2005-03/05在中国科学院成都有机化学研究所高分子实验室完成。材料:以相对分子质量2.0万聚乳酸-羟基乙酸共聚物为载体材料,选用W/O/W复乳-干燥法制备碱性成纤维细胞生长因子-聚乳酸-羟基乙酸共聚物微球。方法:应用单因素设计,初选匀化方式(超声或旋涡)、超声时间(第1次+第2次:5s+5s,5s+10s,10s+5s,10s+10s)、内水相体积(50,100,200,250,300μL)、分散介质聚乙烯醇质量浓度(10,20,30,50,70g/L)、外水相中无机盐浓度(0,250,500,1000g/L)、搅拌时间(3,4,5,6,8h)等缓释微球制备基本工艺条件。主要观察指标:各制备工艺条件下微球粒径、载药量和包封率。结果:单因素试验结果表明,制备碱性成纤维细胞生长因子微球时,超声时间和搅拌时间对于包封率没有影响;匀化方式应选择2次超声,每次5s;聚乙烯醇质量浓度在30～70g/L内较好;内水相体积可固定在50～100μL;外水相中无机盐的浓度越高越好,还可进一步筛选出最佳浓度。经过初步优化后,其平均粒径为6.68μm,径距为(1.86±0.22)μm,载药量为(37.00±0.89)×10-3%,包封率为(61.31±1.31)%。结论:应用单因素试验可以初步优选碱性成纤维细胞生长因子缓释微球制备工艺条件。

无法考察交互作用的两因素设计(二)(英文)

科研中经常遇到涉及两个因素的实验,若两因素有交互作用,则需采用析因设计、正交设计等设计类型,但这些设计通常需要进行较多次实验。若在理论和专业上可以证明,实验中涉及到的两个因素不存在交互作用,或交互作用对观测结果的影响无统计学意义,并且特定实验条件(通常为各因素不同水平的一种组合)下实验数据的测定误差在专业上允许的范围之内,则可采用无重复实验的随机区组设计、无重复实验的平衡不完全随机区组设计、具有一个重复测量的单因素设计、无重复实验双因素设计和两因素嵌套设计。本文结合实例,重点介绍后两种实验设计类型。

光皮桦RAPD分析体系优化设计方案比较

采用单因素设计和均匀设计对光皮桦的RAPD反应体系进行了优化,并对2种设计方案优化出的最佳反应体系的可靠性和稳定性进行比较.结果表明:2种设计均可用于光皮桦RAPD体系的优化,但单因素设计受多因素间交互作用的影响使反应体系达不到最优;而均匀设计能避免盲目性,并快速得到条带清晰、稳定性好的适合光皮桦的最优RAPD体系.

利用试验设计方法优化蚁群算法参数问题

针对蚁群算法(ACS)参数多,且配置困难的问题,采用两种试验设计方法优化参数。提出一种利用正交试验优化参数的方法,并将参数之间的交互作用使得对于不同领域的优化问题只需用正交试验进行一次参数配置,然后用蚁群算法进行具体寻优即可取得较好效果。

何为完全随机设计

完全随机设计（completely random design）又称单因素设计，或成组设计，是医学科研中最常用的一种研究设计方法，它是将同质的受试对象随机地分配到各处理组中进行实验观察，或从不同总体中随机抽样进行对比研究。改设计适用面广，不受组数的限制，且各组的样本含量可以相等，也可以不相等，但在总样本量不变的情况下，各组样本量相同时设计效率最高。

研究因素的选择及其标准化

研究因素、研究对象和因素的效应是临床科研的三个基本组成部分.下面简单谈谈研究因素的选择及其标准化.1依据科研课题选择研究因素临床医学所要研究的内容是非常广泛的,但归纳起来,主要是对疾病病因、防治及预后的研究和对诊断试验的研究.在这些研究中,其研究因素各不相伺.

生态学区组试验设计的方差分析及P值探讨

为保证生态学区组试验设计数据分析的科学性,对区组试验设计的方差分析进行了比较全面的阐述,并对P值进行了初步探讨。认为单因素区组试验设计的方差分析模型应该是双因素固定效应方差分析模型,且不能考虑试验处理效应与区组效应的交互作用;在方差分析过程中,如果存在区组效应干扰时,可调整为单因素方差分析模型;这一过程均需要对指标数据进行正态性、方差同质性检验,结合样本容量和线性拟合率综合分析方差分析的可靠性和科学性。在进行多重比较时,需要给定具体的P值,对应的方差分析模型、处理效应检验可以根据研究情况对P值做出合理的调整;建议方差分析模型、处理效应检验和多重比较检验的P值最好一致。

中药提取工艺的实验设计方案及数据处理方法

中药及其复方的提取精制是中药研究的关键技术之一，也是决定其药效的最根本步骤。该项研究往往要通过实验设计方案和数据处理来完成。实验设计方案和数据处理方法的选择直接关系到工艺优选结果的可行性及可靠性。本文就中药提取分离工艺优选中常用的统计学方法作一概述，并举例说明它们在中药提取工艺中的应用。

博白大果油茶ISSR-PCR反应体系的建立与优化

以博白大果油茶Camellia gigantocarpa Hu et Huang为材料,通过单因素实验设计和正交设计L18(35)对影响PCR反应体系的主要成分及PCR扩增程序进行优化。建立了稳定的、可重复的博白大果油茶ISSR-PCR扩增反应体系。在20μL的反应体系中,Mg2+浓度为2.5mmol/L,模板DNA用量为20ng,Taq DNA聚合酶为1.75U,dNTPs浓度为0.25mmol/L,引物浓度为0.6mmol/L。反应程序为:94℃预变性4min,94℃变性30s,50℃退火45s,72℃延伸90s,35个循环,72℃延伸7min,4℃保存。

澳洲坚果SSR-PCR反应体系优化及其应用

以澳洲坚果DNA为模板,通过单因素设计方法对影响SSR-PCR反应体系的5个主要因素进行了优化。结果表明,澳洲坚果SSR-PCR反应体系的最适条件为:20μL的反应体系中,包含30mg·L^(-1)模板DNA,1.0UTaq聚合酶,2.5mmol·L^(-1) Mg^(2+),0.6μmol·L^(-1)引物和0.3mmol·L^(-1)dNTPs。采用该反应体系对不同引物和15份澳洲坚果种质进行验证,扩增条带的可靠性和稳定性良好,且分辨率较高。因此,该SSR-PCR反应体系可用于澳洲坚果种质源鉴定及遗传多样性分析研究。

紫草巴布剂基质处方的优化

目的优化紫草巴布剂的基质处方。方法以巴布剂的黏附力和感官为评价指标,采用单因素设计和正交设计方法筛选出紫草巴布剂基质的最佳处方。结果紫草巴布剂最佳基质处方配比为明胶∶阿拉伯胶∶PVA∶CMC-Na∶聚维酮∶甘油∶1,2-丙二醇为1.0∶1.0∶1.0∶0.4∶0.4∶5.2∶3.92(质量比)。结论优选的基质载药量大,具有良好的黏附性和感官,且质量稳定,符合实验设计要求。