CN111984934A - 一种对动物血液生化指标进行优选的方法 - Google Patents
一种对动物血液生化指标进行优选的方法 Download PDFInfo
- Publication number
- CN111984934A CN111984934A CN202010901287.0A CN202010901287A CN111984934A CN 111984934 A CN111984934 A CN 111984934A CN 202010901287 A CN202010901287 A CN 202010901287A CN 111984934 A CN111984934 A CN 111984934A
- Authority
- CN
- China
- Prior art keywords
- sample
- median
- confidence interval
- interval
- samples
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000004369 blood Anatomy 0.000 title claims abstract description 23
- 239000008280 blood Substances 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 20
- 241001465754 Metazoa Species 0.000 title claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 6
- 210000002966 serum Anatomy 0.000 claims description 19
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 claims description 11
- 108010082126 Alanine transaminase Proteins 0.000 claims description 11
- 102000015779 HDL Lipoproteins Human genes 0.000 claims description 9
- 108010010234 HDL Lipoproteins Proteins 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims description 6
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 6
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 6
- 102000009027 Albumins Human genes 0.000 claims description 4
- 108010088751 Albumins Proteins 0.000 claims description 4
- 102000006395 Globulins Human genes 0.000 claims description 4
- 108010044091 Globulins Proteins 0.000 claims description 4
- HSINOMROUCMIEA-FGVHQWLLSA-N (2s,4r)-4-[(3r,5s,6r,7r,8s,9s,10s,13r,14s,17r)-6-ethyl-3,7-dihydroxy-10,13-dimethyl-2,3,4,5,6,7,8,9,11,12,14,15,16,17-tetradecahydro-1h-cyclopenta[a]phenanthren-17-yl]-2-methylpentanoic acid Chemical compound C([C@@]12C)C[C@@H](O)C[C@H]1[C@@H](CC)[C@@H](O)[C@@H]1[C@@H]2CC[C@]2(C)[C@@H]([C@H](C)C[C@H](C)C(O)=O)CC[C@H]21 HSINOMROUCMIEA-FGVHQWLLSA-N 0.000 claims description 3
- 102000002260 Alkaline Phosphatase Human genes 0.000 claims description 3
- 108020004774 Alkaline Phosphatase Proteins 0.000 claims description 3
- 239000004382 Amylase Substances 0.000 claims description 3
- 102000013142 Amylases Human genes 0.000 claims description 3
- 108010065511 Amylases Proteins 0.000 claims description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 3
- 102000003914 Cholinesterases Human genes 0.000 claims description 3
- 108090000322 Cholinesterases Proteins 0.000 claims description 3
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 3
- 102000003855 L-lactate dehydrogenase Human genes 0.000 claims description 3
- 108700023483 L-lactate dehydrogenases Proteins 0.000 claims description 3
- 102000007330 LDL Lipoproteins Human genes 0.000 claims description 3
- 108010007622 LDL Lipoproteins Proteins 0.000 claims description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 3
- 102000007584 Prealbumin Human genes 0.000 claims description 3
- 108010071690 Prealbumin Proteins 0.000 claims description 3
- 108090000340 Transaminases Proteins 0.000 claims description 3
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims description 3
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 claims description 3
- 235000019418 amylase Nutrition 0.000 claims description 3
- 239000003613 bile acid Substances 0.000 claims description 3
- 239000004202 carbamide Substances 0.000 claims description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 229960004424 carbon dioxide Drugs 0.000 claims description 3
- 235000012000 cholesterol Nutrition 0.000 claims description 3
- 229940048961 cholinesterase Drugs 0.000 claims description 3
- 229940109239 creatinine Drugs 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 229960003284 iron Drugs 0.000 claims description 3
- 239000011777 magnesium Substances 0.000 claims description 3
- 229910052749 magnesium Inorganic materials 0.000 claims description 3
- 239000011574 phosphorus Substances 0.000 claims description 3
- 229910052698 phosphorus Inorganic materials 0.000 claims description 3
- 239000011591 potassium Substances 0.000 claims description 3
- 229910052700 potassium Inorganic materials 0.000 claims description 3
- 102000004169 proteins and genes Human genes 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 239000011734 sodium Substances 0.000 claims description 3
- 229910052708 sodium Inorganic materials 0.000 claims description 3
- 102000014898 transaminase activity proteins Human genes 0.000 claims description 3
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 claims description 3
- 229940045136 urea Drugs 0.000 claims description 3
- 229940116269 uric acid Drugs 0.000 claims description 3
- 239000003053 toxin Substances 0.000 description 11
- 231100000765 toxin Toxicity 0.000 description 11
- 101710098398 Probable alanine aminotransferase, mitochondrial Proteins 0.000 description 2
- 241000700159 Rattus Species 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100449517 Arabidopsis thaliana GRH1 gene Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000008946 Fibrinogen Human genes 0.000 description 1
- 108010049003 Fibrinogen Proteins 0.000 description 1
- 101100434479 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) AFB1 gene Proteins 0.000 description 1
- OQIQSTLJSLGHID-WNWIJWBNSA-N aflatoxin B1 Chemical compound C=1([C@@H]2C=CO[C@@H]2OC=1C=C(C1=2)OC)C=2OC(=O)C2=C1CCC2=O OQIQSTLJSLGHID-WNWIJWBNSA-N 0.000 description 1
- 229930020125 aflatoxin-B1 Natural products 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940088598 enzyme Drugs 0.000 description 1
- 229940012952 fibrinogen Drugs 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000006228 supernatant Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- Algebra (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明的一种对动物血液生化指标进行优选的方法,涉及生物化学技术领域,其具体包括利用Microsoft Visio绘图软件建立标准数轴和密度格和最优指标的筛选两个步骤,本方法操作简单、容易理解,通过容许区间、置信区间以及密度等统计学理论对血液生化指标进行优选,并且在平均数的基础上,引入中位数,有效的避免了极值的干扰,便于找到具有统计学意义的样本,解决以往在数据选用时存在的主观性、随机性、不确定性等问题,从而更精准的分析数据,得到更准确的结论。
Description
技术领域:
本发明涉及生物化学技术领域,具体涉及一种对动物血液生化指标进行优选的方法。
背景技术:
动物血液生化指标是指血液中无机盐、纤维蛋白原、白蛋白、球蛋白、酶、激素、各种营养物质、代谢产物等物质的含量。这些物质无一定的形态,但却是机体营养代谢过程中,不可缺少的一部分。宏观的动物血液生化指标,能反映动物机体组织、器官的微观状态,在临床诊断及病情分析时具有十分重要的意义。但在血液生化检测时,往往会因外在因素的干扰,使得个别结果不精确,存在偏差。导致人们选择数据进行统计学分析时出现不会选、不敢选、不知该怎么选的问题,最终选取的数据往往主观性高、随机性高、不确定性高。因此只有规范选取数据的具体方法,剔除存在偏差的数据,保证数据选择的准确性,得到更准确的结论。
发明内容:
本发明的目的是发明一种对检测出的血液生化指标进行优选的方法。解决在以往的数据选用中,人们不会选、不敢选、不知该怎么选的问题。即使有一些选用的软件,也因为软件本身存在的操作困难、理解困难、电脑不支持等问题,而不受到大家推崇。本方法操作简单、容易理解,通过容许区间、置信区间以及密度等统计学理论对血液生化指标进行优选,并且在平均数的基础上,引入中位数,有效的避免了极值的干扰,便于找到具有统计学意义的样本,解决以往在数据选用时存在的主观性、随机性、不确定性等问题,从而更精准的分析数据,得到更准确的结论,且只需选用Microsoft Visio绘图软件及常规的浏览器即可,无需更多复杂的应用,不会有传统软件电脑负荷大、电脑运行卡顿的问题,进而提供一种对动物血液生化指标进行优选的方法。
本发明的一种对动物血液生化指标进行优选的方法,具体步骤如下:
(1)利用Microsoft Visio绘图软件,建立标准数轴和密度格:
a、在https://www.osgeo.cn/app/s1837网页中输入生化实验检测出的数据,计算出平均数、样本标准偏差;
b、利用X的平均数±1.96S计算出以平均数为基准的容许区间,利用X的中位数±1.96S计算出以中位数为基准的容许区间;
c、在https://www.osgeo.cn/app/s2843网页中输入目的置信水平、样本数和步骤a求出的平均数、样本标准偏差,计算出以平均数为基准的置信区间,在网页中输入置信水平、样本数、中位数、样本标准偏差,计算出以中位数为基准的置信区间;
d、将样本、平均数容许区间、中位数容许区间、平均数置信区间、中位数置信区间在数轴中标示出来,制成标准数轴;
e、将平均数置信区间、中位数置信区间形成的矩形平均九等分,制成密度格;
(2)最优指标的筛选:
a、当所需样本量小于总样本量的1/3时,认为置信区间九等分的密度格中样本量最多的密度格里样本为最优选,选择其进行统计学分析;
b、当所需样本量占总样本量的1/3~2/3时,认为在置信区间内样本含量最多的密度格内的样本为最优选,作为第一选择项进行选择;置信区间内的其他样本为优选,作为第二选择项进行选择,进行统计学分析;
c、当所需样本量大于总样本量的2/3时,认为在置信区间内样本含量最多的密度格内的样本为最优选,作为第一选择项进行选择;置信区间内的其他样本为优选,作为第二选择项进行选择;容许区间内的其他样本为次选,作为第三选择项进行选择项,其进行统计学分析。
作为本发明的进一步改进,步骤(1)的a步骤中,所述的生化实验检测出的数据为总蛋白、白蛋白、球蛋白、白球比例、总胆汁酸、谷丙转氨酶、谷草转氨酶、碱性磷酸酶、乳酸脱氢酶、淀粉酶、总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、血清钾、血清钠、血清氯、血清磷、血清镁、血清铁、二氧化碳、尿素、肌酐、尿酸、前白蛋白、胆碱酯酶。
作为本发明的进一步改进,步骤(1)的b步骤,其利用P(μ-uασ<x<μ+uασ)=1-α,表示正态变量值以1-α的概率落在范围(μ-uασ,μ+uασ),本方法的正态分布以95%作为参考值,计算出以平均数为基准的95%容许区间范围为(x平-1.96S,x平+1.96S),同理计算出以中位数为基准的95%容许区间范围为(x中-1.96S,x中+1.96S);其中,μ为正态分布的期望值,uα为界值,σ为标准差,α为显著性水平,S为样本标准差,x平为一组样本的平均数,x中为一组样本的中位数。
作为本发明的进一步改进,步骤(1)的b步骤中,中位数是按顺序排列的一组数据中居于中间位置的数,即在这组数据中,有一半的数据比他大,有一半的数据比他小,这里用m0.5来表示中位数,一有一组数据:X(1),...,X(N)将它按从小到大的顺序排序为:X(1),...,X(N);则当N为奇数时,m0.5=X(N+1)/2;当N为偶数时,m0.5=[X(N/2)+X(N/2+1)]/2。
作为本发明的进一步改进,步骤(1)的c步骤中,所述的目的置信水平为95%。
上述的容许区间指的是总体中绝大多数个体观察值可能出现的范围。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度,其给出的是被测量参数的测量值的可信程度。容许区间常用来估计正常范围,而可信区间是估计总体参数的可能范围。
本发明具有的有益效果是:本发明基于上述背景通过对大鼠血液指标进行检测,利用本发明方法对血液指标进行优选,能筛选出更精准、更显著、更具有统计学意义的数据、降低存在的主观性、随机性、不确定性及误差等问题,从而分析出更明显、更具有代表性的结论。
附图说明:
图1是本发明实施例1谷丙转氨酶对照组95%容许区间和95%置信区间;
图2是本发明实施例1谷丙转氨酶毒素组95%容许区间和95%置信区间;
图3是本发明实施例2高密度脂蛋白对照组95%容许区间和95%置信区间;
图4是本发明实施例2.高密度脂蛋白毒素组95%容许区间和95%置信区间。
具体实施方式:
一种对动物血液生化指标进行优选的方法,具体步骤如下:
(1)利用Microsoft Visio绘图软件,建立标准数轴和密度格:
a、在https://www.osgeo.cn/app/s1837网页中输入生化实验检测出的数据,计算出平均数、样本标准偏差;其中,所述的生化实验检测出的数据为总蛋白、白蛋白、球蛋白、白球比例、总胆汁酸、谷丙转氨酶、谷草转氨酶、碱性磷酸酶、乳酸脱氢酶、淀粉酶、总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、血清钾、血清钠、血清氯、血清磷、血清镁、血清铁、二氧化碳、尿素、肌酐、尿酸、前白蛋白、胆碱酯酶;
b、利用X的平均数±1.96S计算出以平均数为基准的容许区间,利用X的中位数±1.96S计算出以中位数为基准的容许区间;其利用P(μ-uασ<x<μ+uασ)=1-α,表示正态变量值以1-α的概率落在范围(μ-uασ,μ+uασ),本方法的正态分布以95%作为参考值,计算出以平均数为基准的95%容许区间范围为(x平-1.96S,x平+1.96S),同理计算出以中位数为基准的95%容许区间范围为(x中-1.96S,x中+1.96S);其中,μ为正态分布的期望值,uα为界值,σ为标准差,α为显著性水平,S为样本标准差,x平为一组样本的平均数,x中为一组样本的中位数;中位数是按顺序排列的一组数据中居于中间位置的数,即在这组数据中,有一半的数据比他大,有一半的数据比他小,这里用m0.5来表示中位数,一有一组数据:X(1),...,X(N)将它按从小到大的顺序排序为:X(1),...,X(N);则当N为奇数时,m0.5=X(N+1)/2;当N为偶数时,m0.5=[X(N/2)+X(N/2+1)]/2;
c、在https://www.osgeo.cn/app/s2843网页中输入目的置信水平、样本数和步骤a求出的平均数、样本标准偏差,计算出以平均数为基准的置信区间,在网页中输入置信水平、样本数、中位数、样本标准偏差,计算出以中位数为基准的置信区间;所述的目的置信水平为95%;
d、将样本、平均数容许区间、中位数容许区间、平均数置信区间、中位数置信区间在数轴中标示出来,制成标准数轴;
e、将平均数置信区间、中位数置信区间形成的矩形平均九等分,制成密度格;
(2)最优指标的筛选:
a、当所需样本量小于总样本量的1/3时,认为置信区间九等分的密度格中样本量最多的密度格里样本为最优选,选择其进行统计学分析;
b、当所需样本量占总样本量的1/3~2/3时,认为在置信区间内样本含量最多的密度格内的样本为最优选,作为第一选择项进行选择;置信区间内的其他样本为优选,作为第二选择项进行选择,进行统计学分析;
c、当所需样本量大于总样本量的2/3时,认为在置信区间内样本含量最多的密度格内的样本为最优选,作为第一选择项进行选择;置信区间内的其他样本为优选,作为第二选择项进行选择;容许区间内的其他样本为次选,作为第三选择项进行选择项,其进行统计学分析。
本发明所采用的技术方案是:将正常饲喂和连续灌胃8周AFB1的两组SD大鼠作为样本,抽取血液,室温条件下血液自然凝固20分钟,离心20分钟(3000转/分),收集上清。检测血清中血液生化指标进行统计学的优选。
实施例1
进行血液生化指标中谷丙转氨酶的优选
如图1所示,白色圆圈代表谷丙转氨酶对照组样本,样本总量为14个。宽度6磅的实线为以中位数为基准95%的容许区间,宽度6磅的虚线为以平均数为基准的95%容许区间,两者组成容许区间矩形;宽度3磅的实线为以中位数为基准95%置信区间,宽度3磅的虚线为以平均数为基准的95%置信区间,两者组成置信区间矩形;置信区间内点线划分的九宫格为密度格。
如图2所示,白色圆圈代表谷丙转氨酶毒素组样本,样本总量为14个。宽度6磅的实线为以中位数为基准95%的容许区间,宽度6磅的虚线为以平均数为基准的95%容许区间,两者组成容许区间矩形;宽度3磅的实线为以中位数为基准95%置信区间,宽度3磅的虚线为以平均数为基准的95%置信区间,两者组成置信区间矩形;置信区间内点线划分的九宫格为密度格。
显著性检验:分别从对照组谷丙转氨酶指标和毒素组谷丙转氨酶指标的全部样本、容许区间样本、置信区间样本、密度格内样本里各选取5个样本进行显著性分析,通过比较显著性的值,分析不同区间的优劣。(注:因毒素组内置信区间内只有5个样本,故同时充当毒素组密度格样本和置信区间样本。)
表1谷丙转氨酶对照组与毒素组不同区间内样本的显著性分析
由表1可以明显看出,显著性的值:全样本>容许区间样本>置信区间样本>密度格样本,故显著性:密度格样本>置信区间样本>容许区间样本>全样本(显著性的值越低,结果越显著)。因此,选用密度格内样本分析更能得到显著的结果。
实施例2
行血液生化指标中高密度脂蛋白的优选
如图3所示,白色圆圈代表高密度脂蛋白对照组样本,样本总量为12个。宽度6磅的实线为以中位数为基准95%的容许区间,宽度6磅的虚线为以平均数为基准的95%容许区间,两者组成容许区间矩形;宽度3磅的实线为以中位数为基准95%置信区间,宽度3磅的虚线为以平均数为基准的95%置信区间,两者组成置信区间矩形置信区间内点线划分的九宫格为密度格。
如图4所示,白色圆圈代表高密度脂蛋白毒素组样本,样本总量为12个,宽度6磅的实线为以中位数为基准95%的容许区间,宽度6磅的虚线为以平均数为基准的95%容许区间,两者组成容许区间矩形;宽度3磅的实线为以中位数为基准95%置信区间,宽度3磅的虚线为以平均数为基准的95%置信区间,两者组成置信区间矩形。置信区间内点线划分的九宫格为密度格。
显著性检验:分别从对照组谷丙转氨酶指标和毒素组谷丙转氨酶指标的全部样本、容许区间样本、置信区间样本、密度格内样本里各选取5个样本进行显著性分析,通过比较显著性的值,分析不同区间的优劣。(注:因毒素组内置信区间内只有4个样本且无容许区间外样本,故参照筛选步骤逐层筛选。)
表2高密度脂蛋白对照组与毒素组不同区间内样本的显著性分析
由表2可以明显看出,显著性的值:全样本>容许区间样本>置信区间样本>密度格样本,故显著性:密度格样本>置信区间样本>容许区间样本>全样本(显著性的值越低,结果越显著)。与实施例1结果一致。
Claims (5)
1.一种对动物血液生化指标进行优选的方法,具体步骤如下:
(1)利用Microsoft Visio绘图软件,建立标准数轴和密度格:
a、在https://www.osgeo.cn/app/s1837网页中输入生化实验检测出的数据,计算出平均数、样本标准偏差;
b、利用X的平均数±1.96S计算出以平均数为基准的容许区间,利用X的中位数±1.96S计算出以中位数为基准的容许区间;
c、在https://www.osgeo.cn/app/s2843网页中输入目的置信水平、样本数和步骤a求出的平均数、样本标准偏差,计算出以平均数为基准的置信区间,在网页中输入置信水平、样本数、中位数、样本标准偏差,计算出以中位数为基准的置信区间;
d、将样本、平均数容许区间、中位数容许区间、平均数置信区间、中位数置信区间在数轴中标示出来,制成标准数轴;
e、将平均数置信区间、中位数置信区间形成的矩形平均九等分,制成密度格;
(2)最优指标的筛选:
a、当所需样本量小于总样本量的1/3时,认为置信区间九等分的密度格中样本量最多的密度格里样本为最优选,选择其进行统计学分析;
b、当所需样本量占总样本量的1/3~2/3时,认为在置信区间内样本含量最多的密度格内的样本为最优选,作为第一选择项进行选择;置信区间内的其他样本为优选,作为第二选择项进行选择,进行统计学分析;
c、当所需样本量大于总样本量的2/3时,认为在置信区间内样本含量最多的密度格内的样本为最优选,作为第一选择项进行选择;置信区间内的其他样本为优选,作为第二选择项进行选择;容许区间内的其他样本为次选,作为第三选择项进行选择项,其进行统计学分析。
2.根据权利要求1所述的一种对动物血液生化指标进行优选的方法,其特征在于所述的步骤(1)的a步骤中,所述的生化实验检测出的数据为总蛋白、白蛋白、球蛋白、白球比例、总胆汁酸、谷丙转氨酶、谷草转氨酶、碱性磷酸酶、乳酸脱氢酶、淀粉酶、总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、血清钾、血清钠、血清氯、血清磷、血清镁、血清铁、二氧化碳、尿素、肌酐、尿酸、前白蛋白、胆碱酯酶。
3.根据权利要求1所述的一种对动物血液生化指标进行优选的方法,其特征在于所述的步骤(1)的b步骤,其利用P(μ-uασ<x<μ+uασ)=1-α,表示正态变量值以1-α的概率落在范围(μ-uασ,μ+uασ),本方法的正态分布以95%作为参考值,计算出以平均数为基准的95%容许区间范围为(x平-1.96S,x平+1.96S),同理计算出以中位数为基准的95%容许区间范围为(x中-1.96S,x中+1.96S);其中,μ为正态分布的期望值,uα为界值,σ为标准差,α为显著性水平,S为样本标准差,x平为一组样本的平均数,x中为一组样本的中位数。
4.根据权利要求1所述的一种对动物血液生化指标进行优选的方法,其特征在于所述的步骤(1)的b步骤中,中位数是按顺序排列的一组数据中居于中间位置的数,即在这组数据中,有一半的数据比他大,有一半的数据比他小,这里用m0.5来表示中位数,一有一组数据:X(1),...,X(N)将它按从小到大的顺序排序为:X(1),...,X(N);则当N为奇数时,m0.5=X(N+1)/2;当N为偶数时,m0.5=[X(N/2)+X(N/2+1)]/2。
5.根据权利要求1所述的一种对动物血液生化指标进行优选的方法,其特征在于所述的步骤(1)的c步骤中,所述的目的置信水平为95%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010901287.0A CN111984934A (zh) | 2020-09-01 | 2020-09-01 | 一种对动物血液生化指标进行优选的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010901287.0A CN111984934A (zh) | 2020-09-01 | 2020-09-01 | 一种对动物血液生化指标进行优选的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111984934A true CN111984934A (zh) | 2020-11-24 |
Family
ID=73447832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010901287.0A Pending CN111984934A (zh) | 2020-09-01 | 2020-09-01 | 一种对动物血液生化指标进行优选的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111984934A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5199439A (en) * | 1990-01-16 | 1993-04-06 | Stanley Zimmerman | Medical statistical analyzing method |
US20060161403A1 (en) * | 2002-12-10 | 2006-07-20 | Jiang Eric P | Method and system for analyzing data and creating predictive models |
US20110282819A1 (en) * | 2008-10-20 | 2011-11-17 | Nottingham Trent University | Data analysis method and system |
US20130246096A1 (en) * | 2011-09-09 | 2013-09-19 | Roche Diagnostics Operations, Inc. | Systems and Methods for Performing an Analysis of Measured Blood Glucose Values |
CN105069296A (zh) * | 2015-08-10 | 2015-11-18 | 国网浙江省电力公司电力科学研究院 | 一种设备阈值确定方法及*** |
CN107209502A (zh) * | 2014-12-05 | 2017-09-26 | 赛峰飞机发动机公司 | 在减少控制的情况下基于对统计指标的分析来制造部件的方法 |
CN108564282A (zh) * | 2018-04-13 | 2018-09-21 | 东北大学 | 一种用于可靠性评估的结尾寿命数据取舍方法 |
CN108710987A (zh) * | 2018-04-12 | 2018-10-26 | 科技部科技评估中心 | 指标决策方法 |
CN108875308A (zh) * | 2017-05-11 | 2018-11-23 | 北京蓝标成科技有限公司 | 一种判断金钗石斛纯种相近度的方法的建立、判断标准以及判断方法 |
CN110019353A (zh) * | 2017-09-15 | 2019-07-16 | 北京国双科技有限公司 | 一种数据处理方法及装置 |
CN110990393A (zh) * | 2019-12-17 | 2020-04-10 | 清华苏州环境创新研究院 | 一种行业企业数据异常行为的大数据识别方法 |
CN111537659A (zh) * | 2020-06-03 | 2020-08-14 | 北京航空航天大学 | 一种筛选生物标志的方法 |
-
2020
- 2020-09-01 CN CN202010901287.0A patent/CN111984934A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5199439A (en) * | 1990-01-16 | 1993-04-06 | Stanley Zimmerman | Medical statistical analyzing method |
US20060161403A1 (en) * | 2002-12-10 | 2006-07-20 | Jiang Eric P | Method and system for analyzing data and creating predictive models |
US20110282819A1 (en) * | 2008-10-20 | 2011-11-17 | Nottingham Trent University | Data analysis method and system |
US20130246096A1 (en) * | 2011-09-09 | 2013-09-19 | Roche Diagnostics Operations, Inc. | Systems and Methods for Performing an Analysis of Measured Blood Glucose Values |
CN107209502A (zh) * | 2014-12-05 | 2017-09-26 | 赛峰飞机发动机公司 | 在减少控制的情况下基于对统计指标的分析来制造部件的方法 |
CN105069296A (zh) * | 2015-08-10 | 2015-11-18 | 国网浙江省电力公司电力科学研究院 | 一种设备阈值确定方法及*** |
CN108875308A (zh) * | 2017-05-11 | 2018-11-23 | 北京蓝标成科技有限公司 | 一种判断金钗石斛纯种相近度的方法的建立、判断标准以及判断方法 |
CN110019353A (zh) * | 2017-09-15 | 2019-07-16 | 北京国双科技有限公司 | 一种数据处理方法及装置 |
CN108710987A (zh) * | 2018-04-12 | 2018-10-26 | 科技部科技评估中心 | 指标决策方法 |
CN108564282A (zh) * | 2018-04-13 | 2018-09-21 | 东北大学 | 一种用于可靠性评估的结尾寿命数据取舍方法 |
CN110990393A (zh) * | 2019-12-17 | 2020-04-10 | 清华苏州环境创新研究院 | 一种行业企业数据异常行为的大数据识别方法 |
CN111537659A (zh) * | 2020-06-03 | 2020-08-14 | 北京航空航天大学 | 一种筛选生物标志的方法 |
Non-Patent Citations (2)
Title |
---|
李云飞: "均匀分布参数基于不完全数据的区间估计", 内江师范学院学报, vol. 27, no. 06, pages 15 - 17 * |
李舰 等著: "《数据科学中的R语言》", vol. 1, 31 July 2015, 西安交通大学出版社, pages: 240 - 241 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5937364A (en) | Automatic selection of statistical quality control procedures | |
Vashist et al. | Bioanalytical requirements and regulatory guidelines for immunoassays | |
Sánchez-Carbayo et al. | Analytical and clinical evaluation of TSH and thyroid hormones by electrochemiluminescent immunoassays | |
Chan et al. | Canadian Laboratory Initiative on Pediatric Reference Interval Database (CALIPER): pediatric reference intervals for an integrated clinical chemistry and immunoassay analyzer, Abbott ARCHITECT ci8200 | |
CN113053535B (zh) | 一种医疗信息预测***及医疗信息预测方法 | |
Goossens et al. | Monitoring laboratory data across manufacturers and laboratories—A prerequisite to make “Big Data” work | |
Lumsden et al. | Canine hematology and biochemistry reference values. | |
CN108241574A (zh) | 一种基于测试管理工具qc对软件测试缺陷进行分析的方法及*** | |
Kristiansen | Description of a generally applicable model for the evaluation of uncertainty of measurement in clinical chemistry | |
Badrick et al. | Implementation of patient-based real-time quality control | |
Wilson et al. | Patient result median monitoring for clinical laboratory quality control | |
Westgard et al. | Design and assessment of average of normals (AON) patient data algorithms to maximize run lengths for automatic process control | |
Alger et al. | Analysis of steady-state carbon tracer experiments using akaike information criteria | |
CN111984934A (zh) | 一种对动物血液生化指标进行优选的方法 | |
JP5522365B2 (ja) | 代謝物の異常度の取得方法、代謝異常の判定方法、及びそのプログラム、並びに、代謝物の異常度の取得装置、及び代謝異常の判定に基づく診断プログラム | |
CN118039047A (zh) | 由样品处理***执行的方法和计算机可读介质 | |
Kallner et al. | Can age and sex related reference intervals be derived for non-healthy and non-diseased individuals from results of measurements in primary health care? | |
Topcu et al. | Optimization of patient-based real-time quality control based on the Youden index | |
Riley et al. | Development and implementation of a coagulation factor testing method utilizing autoverification in a high-volume clinical reference laboratory environment | |
Sayeed et al. | A short-term assessment of routine chemistry parameters by sigma metrics and quality goal index ratio in a tertiary care hospital laboratory | |
Howanitz et al. | Quality control for the clinical laboratory | |
Tan et al. | Detecting reagent lot shifts using proficiency testing data | |
SETH | The external quality assessment of hormone assays | |
Dimech et al. | Comprehensive quality control programme for serology and nucleic acid testing using an internet-based application | |
Siekmann et al. | Networks of reference laboratories |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |