Question

我一直在对数据进行分析，其中Alive或Dead表示在压力条件下设定Time后存活的动物数量。

EG。

      Trial Time Alive Dead
1      1  0.0   100    0
2      1  2.0     0   10
3      1  6.0     0   12
4      1  9.0     0   10
5      1 12.0     0   10
6      2  0.0   100    0
7      2  0.5    10    0
8      2  1.0    10    0
9      2  1.5    10    0
10     2  2.0     8    2
11     3  0.0   100    0
12     3  0.5    10    0
13     3  1.0    10    0
14     3  1.5    10    0
15     3  2.0     9    1
16     3  2.5     7    1
17     3  3.0     2    9
18     3  3.5     3    5

使用glm和来自dose.p的{{1}}函数我已经能够使用其他似乎与绘制曲线匹配的数据集来计算LT50但是由于某种原因我遇到了这些特定数据的问题

MASS

在您仔细查看数据之前，这似乎没问题：

Time=c(0.0, 2.0, 6.0, 9.0, 12.0, 0.0, 0.5, 1.0, 1.5, 2.0, 0.0, 0.5, 1.0, 1.5, 2.0, 2.5, 3.0, 3.5)
Alive=c(100, 0, 0, 0, 0, 100, 10, 10, 10, 8, 100, 10, 10, 10, 9, 7, 2, 3)
Dead=c(0, 10, 12, 10, 10,  0,  0, 0, 0, 2, 0, 0, 0, 0, 1, 1, 9, 5)
Trial=c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3)

model=glm(cbind(Alive, Dead)~Time+Trial, family=binomial(link="logit"))

Call:
    glm(formula = cbind(Alive, Dead) ~ Time + Trial, family = binomial(link = "logit"), 
    data = cinctipesA)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-1.7008   0.0000   0.1171   0.3567   2.2157  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)   3.0893     1.2559   2.460   0.0139 *  
Time         -4.0455     0.7159  -5.651 1.60e-08 ***
Trial         2.9112     0.7096   4.103 4.08e-05 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 309.566  on 17  degrees of freedom
Residual deviance:  14.092  on 15  degrees of freedom
AIC: 31.203

Number of Fisher Scoring iterations: 9

dose.p(model, cf=1:2 p=0.5)

              Dose        SE
p = 0.5:   0.7636405 0.2927676

从这个情节可以看出，％50％的人死亡的时间点不在coef(model) logisticline = function(z) {eta = 3.089321 + (-4.045518+2.911239) * z; 1 / (1 + exp(-eta))} x = seq(0,12, 0.01) lines(x, logisticline(x), new = TRUE) abline(0.5, 0)。

为什么使用这些特定数据计算LT50有问题？

使用来自GLM的dose.p用两个因子计算LT50

0 个答案: