Karmaşık bir veri yapısının son durumu, çalışmaların tek bir kontrol grubu ve birkaç tedavi grubu kullandığı durumdur. Örneğin, ders vermenin öğrenci performansı üzerindeki etkisini değerlendiren beş çalışma ile çalıştığımızı varsayalım. Her çalışma üç gruptan oluşuyordu, bir kontrol grubu (ücretsiz bir çalışma dönemi), müdahale A (o günün okul dersine odaklanan ders) ve müdahale B (ayrı bir gündeme dayalı ders) vardır.

Amacımız, A’ya karşı kontrol için ve B’ye karşı kontrol için ayrı ayrı bir özet etki hesaplamak olsaydı, iki ayrı meta-analiz gerçekleştirirdik; biri her çalışmadan A-kontrol karşılaştırmasını, diğeri ise B’ye karşı kontrol karşılaştırmasını kullanırdı. her çalışma.

Bu bölümde ele aldığımız konular, her iki tedavi grubunu da aynı analize dahil etmek istediğimizde nasıl ilerleneceğimizdir.

Özellikle,

• Kontrole karşı aktif müdahale (A ve B’yi birleştirerek) için bir özet etki hesaplamak istiyoruz.
• Veya, müdahale A ile müdahale B için etki büyüklüğündeki farkı araştırmak istiyoruz.

BİR ÇALIŞMA İÇİNDE ÇOKLU KARŞILAŞTIRMALARI BİRLEŞTİRME

Ele almamız gereken konu, A’ya karşı kontrol etkisinin ve B’ye karşı kontrol etkisinin birbirinden bağımsız olmadığıdır. Her grup (A, B ve kontrol) 200 katılımcıya sahipse ve iki etkiyi bağımsız olarak ele alırsak, gerçek örneklem büyüklüğü aslında 600 iken, etkin örneklem büyüklüğümüz 800 (kontrol grubunu iki kez saydığımız için) olarak görünecektir.

Sorun ve çözüm, bir çalışma içinde birden çok sonuç (veya zaman noktası) için tartıştığımıza çok benzer. Amacımız herhangi bir tedaviyi kontrol ile karşılaştırmaksa, basitçe A-kontrol ve B-kontrolün ortalaması olan bir bileşik değişken oluşturabiliriz. Bu bileşimin varyansı, her bir etki boyutunun varyansının yanı sıra iki etki arasındaki korelasyona dayalı olarak hesaplanacaktır. Bu noktada, birden çok sonuçtan elde edilen verileri birleştirmeye yönelik tüm formüller burada da geçerli olacaktır.

Çoklu sonuç ve çoklu karşılaştırma grupları arasındaki fark aşağıdaki gibidir. Birden fazla sonuç olması durumunda, sonuçlar arasındaki korelasyon sıfır (veya hatta negatif korelasyon) ile 1.0 aralığında herhangi bir yere düşebilir. Araştırmacının bir dizi makul korelasyonla çalışmasını önerdik, ancak bu yaklaşım bile tipik olarak önemsiz olmayan bir dizi olası korelasyon (örneğin, 0,25 ila 0,75) ve varyanslar verecektir.

Buna karşılık, çoklu karşılaştırma grupları söz konusu olduğunda, korelasyon, her gruptaki vaka sayısına göre doğru bir şekilde tahmin edilebilir. Örneğin, grup A, grup B ve kontrol grubunun her birinin 200 katılımcısı varsa, A ile kontrol ve B ile kontrol arasındaki korelasyon 0,50’dir. (Bu, A grubu ile B grubu arasındaki korelasyonun 0, kontrol ve kontrol arasındaki korelasyonun 1 olması ve ikisinin ortasında bir birleşik korelasyon veya 0,50 olması gerçeğinden kaynaklanmaktadır.) Bu nedenle, bir korelasyon ile çalışabiliriz. 0,50 bir dizi olası korelasyona dayalı bir duyarlılık analizi yapmaya gerek kalmadan gerçekleşir.

ÇOKLU karşılaştırma testleri örnekleri
Duncan çoklu karşılaştırma testi
Tukey testi yorumlama
Duncan testi tablosu
Çoklu karşılaştırma testleri
Duncan testi
Post-hoc test çeşitleri
Tukey testi niçin kullanılır

Bu yaklaşım, örneklem büyüklüğünün bir gruptan diğerine farklılık gösterdiği durumlarda genişletilebilir. Örneğin, daha fazla denekle yapılan tedavilere daha fazla ağırlık vermek için basit bir ortalama yerine etkilerin ağırlıklı ortalamasını kullanabiliriz. Bu durumda, ağırlıklandırmayı hesaba katmak için varyansı da ayarlamamız gerekir. Örneklem büyüklüğü gruptan gruba farklılık gösteriyorsa, korelasyon artık 0,50 olmayacaktır, ancak dış korelasyonlara başvurmaya gerek kalmadan verilere dayanarak kesin olarak tahmin edilebilir.

Çoklu karşılaştırma gruplarıyla çalışmak için alternatif bir yaklaşım, tedavi gruplarından gelen verileri daraltmak ve bu verileri bir etki büyüklüğü ve varyansı hesaplamak için kullanmaktır. 2􏰁3 tablosunda bir kontrol grubu ve iki tedavi grubundan ikili verilerle çalışıyorsak, 2􏰁2’lik bir tablo oluşturmak için iki tedavi grubunu daraltırız ve ardından etki büyüklüğünü bundan hesaplarız.

Veya, üç grup (A, B ve kontrol) için ortalamalar ve standart sapmalarla çalışıyorsak, birleşik bir ortalama ve standart sapma elde etmek için A ve B’den gelen verileri daraltırız ve sonra kontrol grubu ve kontrol grubu için etki büyüklüğünü hesaplarız. bu birleştirilmiş grup (bağımsız alt gruplar için bkz. seçenek 2, (23.1), (23.2), ve (23.3)). Bu yaklaşım, esasen yukarıda önerilen yöntemle aynı sonuçları verecektir.

TEDAVİLER ARASINDAKİ FARKLAR

Şimdi, farklı tedaviler aynı karşılaştırma grubunu kullandığında, tedaviler arasındaki farklılıkları araştırma sorununa dönüyoruz. Mevcut örneği genişletmek için, iki tedavi grubumuz (A ve B) ve bir kontrol grubumuz olduğunu varsayalım. Tedavilerden birinin diğerine üstün olup olmadığını bilmek istiyoruz.

Çoklu karşılaştırmalarla birleşik bir etkiyi hesaplamak için kullanılan yaklaşım, çoklu sonuçlar için olana benzer olsa da, tedaviler arasındaki farklılıklara döndüğümüzde durum böyle değil. Birden fazla sonuç olması durumunda, okuma için bir etki büyüklüğümüz (tedavi edilen ve kontrol arasındaki fark olarak tanımlanır) ve matematik için bir etki büyüklüğümüz (tedavi edilen ve kontrol arasındaki fark) vardı.

Yaklaşımımız, iki etki boyutu arasındaki farkla çalışmaktı. Çoklu karşılaştırmalar durumunda, benzer yaklaşım, A’ya karşı kontrol için etki büyüklüğünü ve B’ye karşı kontrol için etki büyüklüğünü hesaplamak ve ardından iki etki büyüklüğü arasındaki farkla çalışmak olacaktır.

Bu yaklaşım işe yarayacak olsa da, daha iyi (potansiyel olarak daha güçlü) bir yaklaşım, kontrol grubunu tamamen yok saymak ve etki büyüklüğünü A ve B arasındaki fark olarak tanımlamaktır. İkili verilerle çalışıyorsak 2 x 2 oluştururuz. A’ya karşı B tablosunu belirleyin ve bunu bir efekt boyutunu hesaplamak için kullanın. Ortalamalar ve standart sapmalarla çalışıyorsak, kontrol grubunu tamamen göz ardı ederek bu iki gruptaki özet verilerden bir etki büyüklüğü hesaplarız.

Bu yaklaşım yalnızca, tüm çalışmalar aynı gruplara sahipse (burada, A ve B) işe yarayacaktır, bu da her çalışma için aynı etki büyüklüğünü (A’ya karşı B) oluşturmamıza izin verir. Pratikte, bazı çalışmalar A ile B’yi karşılaştırırken, diğerleri A ile kontrol ve yine de diğerleri B ile kontrolü karşılaştırdığı için sorunlarla karşılaşmamız muhtemeldir. Veya bazı çalışmalar ikiden fazla karşılaştırma grubu içerebilir. Bu tür sorunları ele almak için geliştirilen yöntemler bu kitabın kapsamı dışındadır, ancak daha sonraki okumalarda ele alınacaktır.

The post Çoklu Karşılaştırmalar – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Ortogonalite

Kesin matematiksel anlamda, Pearson’ın ikisi arasındaki korelasyon katsayısı sıfır olduğunda iki parametre ortogonaldir. Pratik olarak, ilişkisiz oldukları anlamına gelir. Kapsamlı iki boyutlu kromatografi düşünüldüğünde, iki sisteme ortogonal adı verilir, kurucu boyutlar bağımsız olarak çalıştığında ve boyutlar arasındaki sinentropi sıfırdır.

Bununla birlikte, yukarıda ele alındığı gibi, tek boyutlu kromatografide, genellikle ortogonal sistemler için daha az katı bir tanım uygulanır, ” seçicilikte önemli ölçüde farklılık gösteren sistemler ” Sonuç olarak, bazı analistler bu gibi durumlarda ortogonale benzemeyen terimi tercih eder. 

Sistemlerin veya tekniklerin ortogonalliği veya farklılığı terimi geniştir ve çeşitli şekillerde yorumlanabilir. İlk olarak, aynı ayırma tekniğinin bir modu, örneğin RPLC dahilindeki sistemler karşılaştırılabilir. Van Gyseghem ve ark.9,23 bir dizi farklı silika bazlı RPLC sistemi ve daha çeşitli RP sabit fazlar içeren bir ortogonal set tanımladı. Bu setler, safsızlık profillemenin ilk adımında jenerik eleme setleri olarak kullanılabilir.

İkinci bir seçenek, aynı ayırma tekniğinin farklı modları, örneğin NPLC (normal faz LC) ve RPLC dahilinde ortogonaliteyi değerlendirmektir. Fields vd. yüksek sıcaklıkta sıvı kromatografisi (HTLC) ve RPLC koşulları altında bir zirkonya2-polibütadien kolonunun seçiciliklerini geleneksel bir C182silica HPLC sistemi ile karşılaştırdı.

Dikeyliği dikkate almak için daha geniş bir seçenek, HPLC ve CE gibi farklı ayırma teknikleri arasındadır. Steuer vd. HPLC, süper kritik sıvı kromatografisi (SFC) ve kapiler bölge elektroforezini (CZE), öncelikle sağlanan bilgilerin ortogonalitesini değerlendirmek ve ikinci olarak bunların birkaç madde grubunu ayırma yeteneklerini belirlemek için karşılaştırdı.

Şekil 1’de, HPLC veya CE uygulayan bir protein sindirimi için farklı seçiciliklerin oluştuğu görülebilir. CE yönteminin daha az zaman harcadığı ve daha küçük pikler ürettiği de fark edilebilir. Son olarak, ortogonalite, daha önce belirtildiği gibi, örneğin bir GC GC ayırma gerçekleştirerek iki boyutta da (kapsamlı kromatografi) incelenebilir.

Normal tek boyutlu kromatografide, durağan faz seçicilik üzerinde en büyük etkiye sahiptir ve bu nedenle sistemler arasındaki seçicilik farklılıklarından en çok sorumludur. Örneğin, düşük pH’ta zirkonyum bazlı bir sabit faz, klasik RP özelliklerinin yanı sıra hem anyon hem de ligand değişim özellikleri gösterebilir ve sonuç olarak, silika bazlı fazlara göre farklı bulunur.9,23 Bununla birlikte, silika içinde de – tabanlı fazlar, bir tipte bile (örneğin, C18), büyük seçicilik farklılıkları meydana gelebilir. Bu bizim bağlamımızda bir avantajdır, ancak tamamlayıcı analizler için istenmeyen bir durumdur.

İkinci olarak, pH’ın seçicilik üzerinde bir etkisi olabilir. Farmasötik analizde, esas olarak bazik veya asidik özelliklere sahip bileşikler analiz edilmelidir. PH, bu maddelerin ayrışmasını ve yükünü etkilediğinden, tutulma davranışlarını etkileyecektir. Organik modifiye edicinin değiştirilmesi, büyük seçicilik farklılıklarına yol açmaz, ancak pH ve / veya durağan faz değişimlerinin neden olduğu farklılıkları artırabilir.

Ayrıca, kolon sıcaklığı, özellikle farklı işlevselliklere sahip çözünen maddeleri ayırırken, RP ayırmalarındaki seçiciliği etkileyebilir. Ne yazık ki, bu etkinin yönü ve boyutu kolayca tahmin edilemez ve bu nedenle, seçiciliği ayarlamak veya farklı sistemleri seçmek için genellikle değişen sıcaklıklar kullanılmaz.

Özetle, sabit faz ve mobil faz (tampon) pH’ın bir CS’nin jenerik seçiciliğini belirleyen en önemli faktörler olduğu söylenebilir. Organik modifiye edici kompozisyon ve kolon sıcaklığı, seçiciliği yerel olarak etkileyebilir, yani oldukça benzer bileşiklerin spesifik bir karışımını, örn., Bir ilaç safsızlık profili ayırır.

Duncan testi tablosu
Gemi manevraları
Tek gövdeli gemiler
Gemi manevrası Kitabı
Çok gövdeli gemiler
Duncan testi nedir

 (Kromatografik) Sistemler Arasındaki

Ortogonalitenin Değerlendirilmesi

Van Gyseghem vd. iki CS arasındaki (dis) benzerliği, Pearson’un tutma verileri arasındaki korelasyon katsayısını (r) hesaplayarak değerlendirdi. Moleküler ağırlık, yapı, log P, pKa ve farmakolojik ve kimyasal sınıfları bakımından farklılık gösteren jenerik bir farmasötik bileşik seti, tutma faktörlerini (k), yani tutma süresi ile ölü zaman arasındaki farkı belirlemek için çalışılan sistemlere enjekte edildi. ölü zamana bölünür.

Daha sonra her iki k serisi arasında r hesaplandı. CS’ler ne kadar farklı olursa, korelasyon katsayısı o kadar düşük olur. Bu, her iki sistem arasındaki seçicilik farklılıklarından kaynaklanır, yani maddelerin tutulması ilişkisizdir ve grafik çizildiğinde, yapılandırılmamış bir nokta bulutu görülür (Şekil 2a). Yüksek bir r değeri, ele alınan tepkiler arasında doğrudan (doğrusal) bir ilişki olduğunu gösterir (Şekil 2b), bu da çözünenlerin benzer bir elüsyon davranışına sahip olduğunu ve bunun da bağlantılı tutma faktörleriyle sonuçlandığını gösterir.

Bununla birlikte, düşük bir korelasyon katsayısı her zaman genel seçicilik farklılıkları anlamına gelmez. Örneğin, Şekil 2c’de çoğu bileşik arasındaki tutma faktörleri yüksek oranda korelasyon gösterirken, yalnızca birkaç bileşik için dıştaki değerler düşük bir r değerine neden olur. Bu nedenle, düşük r değerine sahip sistemler arasındaki farklılığın görsel olarak değerlendirilmesi önerilebilir.

Benzer bir yaklaşım Neue ve ark. durağan fazın etkisine odaklanarak RP ayrımlarındaki seçicilik farklılıklarını belirlemek için. Yukarıdaki yaklaşım, sırasıyla geçiş ve tutma parametrelerini kullanarak CE sistemleri ve CS’ler arasındaki ortogonaliteyi değerlendirmek için de uygulanabilir.

Ortogonal Kromatografik Sistemlerin Seçimi

Bir yöntem geliştirme stratejisindeki ilk adım, bilinmeyen karışımların taranmasından önce, jenerik bir farklı (kromatografik) sistem setinin belirlenmesidir. Bunlar, çok çeşitli sabit fazlara sahip bir CS havuzundan23 veya yalnızca belirli bir sütun türü, örneğin silika bazlı RP sütunları içeren sınırlı bir kümeden seçilebilir.

Analistin ihtiyaçlarına ve olanaklarına bağlı olarak havuzu farklı tekniklerden (CE dahil) sistemlere genişletmek de mümkündür. Ortaya çıkan sete dahil edilen sistemlerin sayısı, jenerik seçicilik farklılıkları sağlayacak kadar yüksek, ancak aynı zamanda deneylerin sayısını sınırlamak için mümkün olduğunca düşük olmalıdır. Setin bileşimi ve boyutu genellikle pratik hususlar tarafından yönlendirilir, örneğin, mevcut aletlerin, detektörlerin ve sütun değiştiricilerin sayısı vb.

The post Ortogonalitenin Değerlendirilmesi – Farmasötik Analiz İçin Kapiller Elektroforez Yöntemleri – Ayırma Teknolojisi – FARMASÖTİK ANALİZ – Kimya Mühendisliği – Ayırma Teknolojisi Ödevleri – Kimya Mühendisliği Ödev Yaptırma – Kimya Ödev Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).