实验设计与数据理论文2.doc

医学中的实验设计与数据处理 摘 要： 实验是一切自然学科的基础。实验设计与数据处理在医学中更是发挥着不可估量的作用。正交实验设计中，对实验进行改进，采用极差分析和方差分析法，研究不同改性条件对大豆蛋白乳化性的影响，并找出主要影响因素。通过科学合理的实验设计过程加上严谨规范的数据处理方法，可以使医学中更多的生理机制被探索发现，使更多的药物疗法被发明应用，从而更好地拯救患者，造福人类。 关键词： 医学实验，实验设计，数据处理 一，引言 实验是自然学科的基础，任何自然科学都离不开实验。科学界中大多数的公式定理都是由实验反复验证而推导出来的，只有经得起实验验证的定理定律才具有普遍实用性。而科学的实验设计是利用已有的专业学科知识，以大量的实践经验为基础而得出的既能减少实验次数，又能缩短试验周期，从而迅速找到优化方案的一种科学计算方法。这就必然涉及到实验的数据处理，也只有对实验得出的数据作出科学合理的处理，才能使实验结果更具说服力。实验设计方法最早应用于农业、生物学、遗传学方面。早在20世纪中期，就有一些欧美国家将实验设计应用于工业生产，以达到减少成本而获取最大利益的目的。随着时间的推移，实验设计越来越受到人们的重视，也开始在各个领域开始广泛的应用。 医学是一门将科学和生活紧密结合的学科，因此医学中的实验设计显得尤为的重要。科学的实验设计不仅能起到节约时间，节约成本的作用，还能使分析更具普遍适用性，或减少药物风险，或增强药物疗效，更加福泽患者。 二，. 试验设计与数据分析 （一）完全随机试验设计与单因素方差分析 完全随机试验设计比较简单，处理数与重复数都不受限制，适用于试验条件,、环境、试验动物差异较小的试验【1】，完全随机试验设计只设置1个试验因素，可采取单因素方差分析，如果有协变量影响，则考虑单因素协方差分析。 方差分析的前提条件是样本独立性、正态性和方差齐性【2-3】，若不满足这 3个条件，则需进行平方根转换#对数转换和反正弦转换( 在Excel中通过插入函数或利用 Spss的数据转换命令进行转换) ，或者选择非参数检验( 如秩和检验、符号检验等) 。以上条件中，对独立性要求最严格，但一般都可满足，根据试验设计的随机化基本原则在试验设计和试验过程中已被充分考虑。相互独立的随机样本才能保证变异的可加性( 可分解性) 。单因素方差分析必须考虑正态性和方差齐性，但无重复数据的方差分析，如正交设计则不考虑这 2 个问题，正态性和方差齐性是以单元格为基本单位的，每个单元格若只有1个数据，则无法分析; 对于有重复数据的多因素方差分析，真正分到每个格子中的样本例数一般都只有 3-5例，很难检验出差别，或者极端情况，因为极个别格子方差不齐而导致检验不能通过，这种情况实际上对分析结果影响并不太严重，只要数据分布不是明显偏态，不存在极端值即可【4】，正态性检验的方法有多种，如图示法( 概率图或分位数图) ，或计算法( 如矩法、 W检验法、D检验法) 等，本文主要采用 Spss中依据矩法原理的单样本K-S法进行正态性检验。方差齐性是指相互比较的各样本的总体方差相等。 1，例 1. 为了比较5种不同配合饲料对猪的饲喂效果，选取了品种、性别、体重基本相同的仔猪 25头，随机分成5组，投喂不同饲料，经30d试验后，各组的增重结果列于表1【5】， ( 1) Spss操作( 部分数据文件见图 1) 正态性检验,Analyze—→ Nonparametric Test----→ 1-Sample K-S,净 增 重---→Test Variable List, Test Distribution中选择 Normal →Ok。5组饲料的P值分别为0.722、0.967、1.000、0.964、1.000，均服从正态分布。 单因素方差分析。本题只有1个试验因素，无协变量影响，属于简单的单因素方差分析，选择 Spss中针对单因素单向方差分析的One-way ANOVA命令进行快速分析。Analyze→Compare Means→One-way ANOVA，组别→Factor，净增重→Dependent List，Post Hoc→Post Hoc Multiple Comparisons( 多重比较) →Duncan→Continue→Options→Descriptive，Homogeneity-of-Variance(方差齐性检验) →Continue→Ok。 输出结果有描述性统计量、方差齐性检验、方差分析、多重比较。方差齐性检验结果，P=0.579大于0.05即方差齐性。方差分析结果，P=0.003小于0.01，表明不同配合饲料对猪的饲喂效果有极显著差异，且饲料5 对猪增重效果最佳。 ( 2)Excel作图。 选择图表类型并生成初图。复制