实验设计.docx
- 文档编号:27770107
- 上传时间:2023-07-04
- 格式:DOCX
- 页数:17
- 大小:33.09KB
实验设计.docx
《实验设计.docx》由会员分享,可在线阅读,更多相关《实验设计.docx(17页珍藏版)》请在冰豆网上搜索。
实验设计
实验设计
实验设计是否严密,直接关系到实验结果的准确性和结论的可靠性。
良好的实验设计是由比较经济的人力、物力和时间,获得较为可靠的结果,使误差减至最低限度。
还可使多种处理因素包括在很少的几个实验中,达到高效的目的。
不重视实验设计或设计不周密,可因获得的数据不完全或不可靠而使实验失败;也可能是大量浪费人力而事倍功半。
进行新课题的研究或初做科学实验者,很难一开始就做出周密的设计。
因此需要做预备试验。
预备试验是根据原始假说作初步探索,也是对原始假说作非正式验证。
同时也是对初步确定采取的实验方法和操作步骤进行演习。
根据预备试验结果对原始假说,实验方法和技术操作作必要的修改,为正式实验设计做好准备。
实验设计的三大原则
实验设计的三大原则是指对照、随机和重复。
原由Fisher氏提出,现被普遍接受。
1.对照一般来说,实验都应有实验组(处理组)和对照组,对照组与实验组具有同等重要的意义。
这是因为在实验中很难避免非实验因素的干扰而造成误差。
用对照组的方法能比较有效地消除各种非实验因素的干扰所造成的误差。
对照可分为:
(1)空白对照不对受试对象作任何处理的对照。
(2)假处理对照(实验对照)不进行实验特定的处理,其余处理相同。
(3)自身对照对照与处理在同一受试对象中进行,这种对照可以最大限度地减少抽样误差,应考虑处理的后效应问题。
(4)标准处理(阳性对照)用现有的标准方法或典型同类药物作为对照。
(5)相互对照处理组间互为对照。
(6)历史对照用以往的研究结果或历史文献资料为对照,但由于时间、地点和条件不同,差异相当大,动物实验一般不采用。
2.随机化随机含有是随机遇而定,也就是指被研究的样本是由总体中任意抽取的,即在抽取时要使每一样本有同等机会被抽取,随机抽样是缩小抽样误差的基本方法。
在实验中,对照组与实验组除某种特定处理因素不同外,其他非特定因素最好是完全一样、均衡。
事实上完全一致和绝对均衡是不可能的,只做到基本上的一致和均衡,这主要通过随机抽样来完成。
随机抽样方法很多,如抽签法、摸球法等,也可查随机数字来确定。
3.重复每一实验应有足够数量的例数和重复数,样本所含的数目越大或重复的次数越多,则越能反映机遇变异的客观真实情况,因此重复可反映实验结果的可靠性。
但是样本例数很多或实验重复次数很大,非但在实验上有一定困难而且也是不必要的,实验设计就是要使样本的重复次数减少到不影响实验结果的最小限度。
实验结果的重现率至少要超过95%,这样做出假阳性的错误判断的可能性小于5%(P<0.05)。
如果一定数量的样本就能获得P<0.05水平的实验,当然要比过量样本获得P<0.05的实验更可取。
决定样本的例数取决于:
(1)处理效果效果越明显所需重复数越小;
(2)实验误差误差越小所需样本数减少;
(3)抽样误差样本的个体差异越小,反映越一致,所需样本数就小;
(4)资料性质计数资料样本数要多些,计量资料则相应减少。
实验设计的三大要素
处理因素
处理因素(受试因素) 通常指由外界施加于受试对象的因素,包括生物的、化学的、物理的或内外环境的。
但是生物本身的某些特征(如性别、年龄、民族、遗传特性、心理因素等)也可作为处理因素来进行观察。
因此,研究者应正确、恰当地确定处理因素。
一般应注意以下几点:
(1)抓住实验研究中的主要因素。
研究中的主要因素是按以往研究基础上(本人或他人)提出的某些假设和要求来决定的。
一次实验涉及的处理因素不宜太多,否则会使分组增多,受试对象的例数增多,在实施中难以控制误差。
然而,处理因素过少,又难以提高实验的广度和深度。
因此,需根据研究目的的需要与实施的可能来确定带有关键性的因素。
(2)找出非处理因素。
除了确定的处理因素以外,凡是影响实验结果的其他因素都称为非处理因素,所产生的混杂效应也影响了处理因素产生的效应对比和分析,这些非处理因素又称混杂因素。
例如上述两种不同药物治疗缺铁性贫血病人的试验,非处理因素可能有年龄、性别、营养状况等。
如果两组病人的年龄、性别、营养等构成不一,则可能影响药物疗效的比较。
因此设计时便设法控制这些非处理因素,只有这样才能消除它们的干扰作用,减小实验误差。
(3)处理因素必须标准化。
处理因素的强度、频率、持续时间与施加方法等,都要通过查阅文献和预备试验找出各自的最适条件,然后订出有关规定和制度,并使之相对固定,否则会影响试验结果的评价。
如处理因素是药物,必须正确选择批号,给药途径和时间也应标准化和相对固定化。
受试对象
受试对象(研究对象) 受试对象的选择十分重要,对实验结果有着极为重要的影响。
大多数医学科研的受试对象是动物和人,在基础医学研究中,实验对象包括动物、离体器官组织、分离而得的活细胞成分、实验室中培养的细胞或细菌。
生理科学实验课程中的实验的对象以实验动物为主。
实验动物选择合适与否与实验成败及误差大小有很大关系。
受试对象的必须同时满足两个基本条件:
1.必须对处理因素敏感;
2.反应必须稳定。
其选择要点是:
1.根据实验要求进行品种和纯度的选择。
在有些实验中,需用纯种(近交系)动物。
2.以医药为目的的研究,实验动物的生物学特性应尽量接近于人类。
3.动物的健康状态和营养状况良好。
4.最好选用年龄一致或接近的动物,体重、窝别和营养状况一致或相近的动物。
在年龄大小上一般应选择发育成熟的年轻动物。
5.动物的性别最好相同。
如对性别要求不高的实验可雌雄混用,分组时应雌雄搭配。
与性别有关的实验,应用某单一性别的动物。
6.为保证实验效应的精确性,动物的生活环境还有严格要求。
试验效应
试验效应 试验效应内容包括试验指标的选择和观察方法两个部分。
指标是在实验观察中用来指示(反映)研究对象中某些特征(如对药物的效应)的可被研究者或仪器感知的一种现象标志,也就是说,生物医学实验指标是反应试验对象所发生的生理现象或病理现象的标志。
指标可分为计数指标和计量指标,或主观指标和客观指标等等。
所选定的指标,至少要符合下述基本条件:
1.特异性指标应特异地反映所观察的事物(现象)的本质,即指标特异地反映某一特定的现象,不致于与其他现象的混淆。
如高血压中的血压尤其是舒张压就可作为高血压病的特异指标。
2.客观性最好选用可具体数值或图形表达的指标(如脑电图、心电图、血压和呼吸描记、化验检查等等)。
因为主观指标(如肝脾触诊、目力比色等)易受主观性因素的影响而造成较大的误差。
3.重现性一般来说,客观性指标在相同条件下可以重现,重现性高的指标一般意味着无偏性或偏性小,误差小,从而较正确的反映实际情况。
重现性小可能与仪器稳定性、操作误差,受试动物的机能状态和实验环境条件影响有关。
若非这些因素影响而重现性小的指标不宜采用。
4.灵敏性指标测量的技术方法或仪器灵敏是极其重要的。
方法不灵敏,该测出的变化测不出来,就会得出“假阴性结果”,仪器不精密,所获阴性数值不真实。
5.可行性尽量选用即灵敏客观,又切合实验室和研究者技术和设备实际的指标。
6.认可性即被以往研究所采用和普遍认可的指标,并有文献依据。
自已创立的指标必须经过专门的实验鉴定。
实验观察和记录
观察和记录在科学实验活动中,占有十分重要的地位。
为了正确地观察和记录,实验记录时应严谨、细致,实事求是。
重视原始记录。
在实验设计中应预先规定或设计好原始记录方式,原始记录要及时、完整、正确和整洁,严禁撕页或涂改。
并保存好。
原始记录不管是什么记录方式都必需写明实验题目、实验对象、实验方法、实验条件、实验者、实验日期、记录好观察测量的结果和数据。
规定填写的项目要及时、完整、正确地填写好。
图形、图片一定要整理保存。
研究者不仅要设法取得原始资料或数据,而且要应用数理统计学原理和方法来处理数据和对数据进行分析判断。
首先必须把实验中的原始资料或数据完整地收集起来,经过归纳、整理使之系统化、标准化。
其次进行统计指标的计算,算出各组数据的均值或百分数(率或比)。
如是计数指标,一般用百分数表示之;若为计量指标,则计算出均值,最好还标明均数的标准差,进而标明百分数或均数的标准误。
最后进行统计学的显著性测验,测量均值或百分数对估计总体的可能程度;比较两组以上统计数值之差异是否显著,以此推论事物的一般规律,或否定原先假说或使上升为结论或理论。
实验设计
完全随机化设计
完全随机化设计亦称单因素设计,是将每个研究对象随机地分配到对照组和各水平组(处理组)。
该设计的优点是设计和处理读比较简单,分组时可以用抽签法,也可以用随机数字表来解决。
例1将研究对象分为两组:
设有小白鼠16只,试用随机数字表把它们分成两组。
先将小白鼠按体重依次编为1,2……16号,然后在随机数字表(可用MicrosoftExcel“数据分析”工具中的“随机数发生器”产生随机数字表)内任意确定一个起始点和走向。
假定自随机数字表第六行第一个数字开始,依横的方向抄录,得91、76、21……84等16个。
现令单数代表A组,结果列入A组的动物共7头,列入B组的动物共9头,详见1表。
照上面的分配,两组数目不相等。
如要使它相等,须把B组白鼠减少一头改归A组。
应把哪一只白鼠改变组别呢?
一般采用的方法是仍在随机数字表第六行里继续抄录一个数字78,此数以9除之(因为归入B组的动物有9只故用9除之)得余数为6,于是我们把B组的第六个(即第13号白鼠)改归给A组,经过这样调整以后,两组白鼠编号的分配如下:
A组137810111213
B组24569141516
例2将研究对象分为三组:
动物18只,随机等分成A、B、C三组。
将动物编号后,应用随机数字表来分配,假定从第十一行第一个数目开始,依照行线抄下18个数目,将各数一律以3除之,并以余数1、
2、0代表A、B、C,结果归入A组的动物10只,归入B组的动物5只,归入C组的动物3只,详见2表。
结果三组的动物数不相等,须把原归入A组的动物中的1只改配到B组去,3只改配到C组去,使3组各有6只动物。
从表中继续向下查阅,抄录4个数字(须从A组调出4只动物),48,62,91,03,分别除以10,9,8,7除之,取得数据如下数据:
随机数4862913
除数10987
余数8833
即应把A组10只动物中的第8只调入B组,剩下9只的第8只调入C,剩下7只动物中的第3只调入C组。
调整后各组的动物编号如下:
A组3410111217
B组126131518
C组57891416
完全随机设计数据的分析,可按单因素方差分析法(F检验),如果只有两组,可用成组比较t检验,计数资料数据常用χ2检验法。
配对设计
配对设计是将观察对象配成对子,每对中的个体施以不同处理。
此法是解决均衡性的一个较理想的方法,可以事先对影响实验因素和实验条件加以控制,尽可能取得均衡,减少两组间的误差。
配对设计的效率取决于配对条件的选择。
应以非实验因素作为配对条件,如性别、年龄、环境条件等,而不应以实验因素作为配对条件。
动物实验常以窝别、年龄、性别相同体重相近的动物配成对子。
人群实验中,常将种族、性别相同,年龄、工作条件相似的配成对子。
分别把每对中的两个受试者随机分配到实验组和对照组,或不同处理组。
某些医学实验可采用自身对照,也称同体比较,即观察同一受试对象对某处理前、后的反应。
例如用同一批动物处理前后作比较;同一组病人治疗前后作比较,以及同一批样品用不同的检验方法的比较,也都属于配对实验。
在临床研究中同时找到足够数量各种情况相似的病人是极困难的,对每获得的两个相似病例对给予两种处理,积累到一定数量时,进行比较分析。
现在在流行病学、病因学的调查研究中,也大量应用配对设计。
本设计的缺点是在配对的挑选过程中,容易损失样本含量,并延长实验时间,对子之间的条件易发生变化。
配对设计资料的分析用配对t检验法。
例:
将10对动物进行配对设计。
从随机数字表的第20行取前10个随机数字,数字为奇数者将配对组第1个动物分配入甲组,偶数者归入乙组,结果见表1。
配伍组设计
1.设计方法
配伍组设计即随机区组设计。
将受试对象按相同和近似的条件(实验动物的性别、年龄、体重等,病人的性别、年龄及病情等对实验结果有影响的非实验因素)组成配伍组,每个配伍组中,受试对象的个数等于处理的组数。
再将每个配伍组内的受试对象随机分配到各处理组中,各个处理组的处理对象相同、生物学特性也基本均衡,这是对完全随机设计的改进。
这种设计效率比较高。
例将24只不同体重的动物分成四组:
先按动物的体重等分为6个区组,每个区组各有4只体重基本相同的动物。
依次编好号码,第一窝4只动物编为1、2、3、4号,第二窝编为5、6、7、8号,余类推。
然后在随机数字表任意指定一个点。
假使指定第20行第一个数字为起点,并依横的方向抄录数目,先抄录3个数目为31、16、93,为随机分配第一窝动物之用,我们可以将这3个数目依次以4、3、2除之,第一个数目31,除以4得余数3,将第一号动物分配给第3组(C组),第2个数目16除以3得余数1,将第2号动物分配给剩下的A、B、D三个组中的第1组(即A组)去。
第3个数目93除以2得余数1,将第3号动物分配到剩余的B、D两组中的第1组(即B组)去。
第4号动物即分入剩余的D组。
第一窝动物分配完了以后,再继续抄录随机数据,用同样方法把其余各窝动物分配到各组去,结果如表1。
把分组表整理一下,各组动物编号如下:
A组3410111217
B组126131518
C组57891416
D组4512161821
假如这个实验的四种处理方法为甲、乙、丙、丁,哪一种方法用A组动物?
哪一种方法用B组动物?
我们还可以用随机数字表进行分配(抄录三个随机数字,分别以4、3、2除之,按余数进行分配)。
同一个研究对象用不同方法或在不同部位、不同时间对某一指标的测定结果也是一种随机区组设计。
对于随机区组设计数据的分析,可用相应的方差分析法。
如果仅是两组,也可以用成对比较的t检验法。
随机区组设计中把条件一致的研究对象编入同一区组并分配于各研究组,使各研究组之间可比性更强,在最后的统计分析中由于扣除了各区组间不同条件产生的影响,因而随机误差比较小,研究的效率较高。
2.配伍组概念的扩大
在动物实验中,常把同窝、同性别、相同体重的几个动物作为一个配伍组,再把配伍组内的个体随机分配到各个处理组中去,按若干配伍组进行实验。
此外,在同一个实验个体不同部位以及同一份检验材料分为几部分用不同处理的资料,都可按随机配伍组设计进行分析。
从上述各例中可以得到“随机配伍组”的一般概念了。
为了更好地理解配伍组的概念,我们再举以下的一些例子。
(1)动物营养实验,不同状况的动物对给定的处理因素的反应是不同的,所以用同胎动物作为配伍组就会使效果更好些。
(2)在进行药物实验时,不同情况的病人对疗效会产生很大影响,因此必须选择情况相近的病人作为配伍组来接受处理。
(3)实验中常由于操作者个人的特性影响实验结果,如果全部要比较的处理因素包括着不同的操作者的比较,那么无疑实验操作者就是配伍组。
(4)在临床化验时,虽然可用特定的病人来做,但病人间也会有差异的,为了不使病人间的变异影响到化验结果,也要把不同病人的材料作为配伍组。
配伍设计的优缺点与配对设计基本相同,只不过它比配对的应用范围更加扩大而已。
均衡不完全配伍组设计
1.设计方法均衡不完全配伍组设计又称均衡不完全区组实验。
在配伍实验中每个配伍组必须足够安排实验的处理因素数,但有时要比较的处理比配伍组所容纳的处理要多些,配伍组即不能把所有处理安排进去。
这时可使用均衡不完全配伍组设计。
可有计划地安排每个配伍组的处理,使全部实验中每种处理的重复数相等,每两种处理同时出现在一个配伍组的次数相等。
表1处理是A、B、C、D、E5个,每个配伍组只能容纳4个处理,这样势必在每个配伍组中有一个处理安排不进去。
如第1配伍组只能安排A、B、C、D4个处理,而没有E,第2配伍组只安排A、B、C、E4个处理,而没有D,这样一来配伍组部是缺项的,但是为了保持设计的均衡性,又必须使每个处理出现的次数完全相同,所以这种设计既是不完全配伍组又是均衡的。
设计时可使用均衡不完全配伍组设计表。
2.设计特点
(1)每个处理在5个处理中的4个区均出现一次。
(2)任何两个成对处理在5个配伍组中只出现3次,如AB对在1、2、3配伍组中各出现一次;C、D对在1、4、5配伍组中各出现一次,其它对也是如此。
(3)指定的一对处理间的直接比较不能在其它的两配伍组进行,在配伍组2中无D,在配伍组4中无B。
然而出现在配伍组2与4中A、C可以作出满意的比较,它是应用这三者的平均数作“标准”。
因为配伍组2与4中A、C均出现两次。
3.设计要求
(l)每处理重复次数(r)与处理数(v)的乘积等于配伍组数(b)与每配伍组中实验单位(κ)的乘积。
即实验单位总数为rv=bκ。
本例r=4,v=5,b=5,κ=4,实验单位总数为4×5=5×4,即20=20。
(2)每两组处理同时出现的配伍组数λ=r(κ-1)/(v一l),必须为整数。
本例λ=4(4-1)/(5-1)=3。
拉丁方设计
拉丁方也称正交拉丁方设计。
所谓拉丁方设计是指由拉丁字母所组成的正方形排列,如4×4拉丁方:
ABCD
BCDA
CDAB
DABC
这种排列的条件是在同一列与同一行的字母只出现一次。
按拉丁字母拉丁方设计的优点是可以得到比随机区组设计更多一个项目的均衡,因而误差更小,效率更高。
但灵活性较差,只能安排3个因素,而且要求各因素的水平相等。
例:
观察某药不同剂量的效应,要求用A、B、C、D四种剂量,不仅1、2、3、4号动物都作用一次,而且每次作用时都必须有四种剂量,以消除动物的个体差异和用药顺序带来的影响。
按4×4拉丁方阵排列见表1,每只动物纵列不受重复处理,同一行也不受重复处理。
序贯实验设计
序贯实验是一种经济快速的实验设计。
按照实验者事先规定的标准,逐一实验逐一分析,随着实验例数的逐渐增加,不断作显著性检验,一旦得出结论,实验即可停止。
这样可减少的实验对象的数量,而不影响实验结果的准确性。
此方法多用于临床控制实验、药物效果评价。
尤其适用于病例较少的临床研究,事先不需确定样本容量,每实验一个病人及时分析,一旦达到事先规定的检验标准,即可得出药物有效或无效的结果,中止实验。
序贯实验要求的条件:
1.序贯实验要求用于能较快获得结果的实验。
在临床实验中,要求获得一个实验结果所需的时间小于后一个病例加入实验所间隔的时间,否则只节约受试对象,未节约实验时间。
2.序贯实验一般适用于比较单一指标的实验研究。
欲同时比较几个指标时,可分别设计几个序贯实验作序贯分析或将几个指标同时评分,相加后得出一个总分,以便综合评价。
3.适用于依据一种实验结果就可对样本大小作出结论的实验。
实验对象丰富或大样本的现场调查,如流行病学调查,正常值范围的确定等均不适宜用序贯检验。
序贯实验分开放型和闭锁型两种。
在逐步实验过程中,究竟需要多少样本数才能终止实验,要视实验结果而定。
闭锁型是预先确定得到结论所需实验的最多动物数。
在逐一实验中,当实验线触序贯的某一部位时,即可得出相应的结论。
按照资料性质序贯实验可分为质反应和量反应,质反应的观察指标是以阳性与阴性、有效与无效。
量反应的观察指标以连续量表示,如心律、呼吸、体温等。
按照检验目的,序贯实验又可分单向检验和双向检验两种,而每种检验因计数资料和计量资料不同、方法亦不同。
例:
序贯图法
图1中上下二条斜线的方程是y=0.45n±2.35。
其中0.45和2.35是按下面规定而推算出来的:
(1)如阳性率≥60%,则可接受该药,错接受的可能性应小于5%;
(2)如阳性率≤30%,则舍弃该药,错舍弃的可能性也应小于5%。
本例实验是观察给家猫用氯丙嗪后再用吐根碱,如不呕吐表示止吐有效,在图中向右上方斜走一格;如出现呕吐表示止吐无效,向右方平走一格。
一旦走线触及上方斜线即可肯定该药;触及下方斜线则可舍弃该药,经8只家猫实验的结果就肯定了该药的止吐作用。
正交设计
正交设计是一种研究多因素实验的重要数理统计方法。
正交设计是利用一套规格化的表格,合理安排实验,通过对实验结果的分析,获得有用的信息从中找出各因素对实验观察指标的影响。
实验的影响因素是复杂的多因素问题,各因素本身存在主次之分,其间往往又有交互作用。
通过正交设计各因素中的一个最佳水平,组成最优条件。
正交设计表是实验设计中合理安排实验,并对数据进行统计分析的主要工具。
每个表头都有一个记号,如L4(23)、L12(211)等。
符号L代表正交表,L右下角数字代表实验数,括号中的指数代表允许安排因素的个数。
括号中下面的数字代表水平数。
正交表的选定方法:
1.根据研究目的确定实验因素,选出其中主要因素。
2.根据实验因素的重要程度,确定每个实验因素的水平。
每个实验因素的水平可以相等,也可以不等。
重要的水平可以多些,次要的水平可以少些。
3.根据实验要求的精确度和实验条件决定实验次数。
4.根据要分析的交互作用多少,确定列号多少的L表。
要分析的交互作用多,可选列号多的大L表,已知交互作用可能小的,可选列号少的L表。
例:
表1是某合剂的三种药组成情况,每药可选大小两种剂量,现需分析各药对合剂
疗效的影响。
实验采用L8(23)正交表,实验具体安排见表2。
在分析A药时,取A1水平之总和与A2水平之总和相比较,此时B药、C药各有1次小剂量和1次大剂量,因此可消除B药和C药对分析A药的影响。
同理,正交表也可单独分析B药(取B1水平之总和与B2水平之总和相比较)或C药。
还能分析各药间、各组间及各次间的差异是否显著。
表1 配对设计实验动物分组表
编号
一
二
三
四
五
六
七
八
九
十
动物编号
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
随机数字
31
16
93
32
43
50
27
89
87
19
实验甲组
1
2
1
2
1
2
1
1
1
1
实验乙组
2
1
2
1
2
1
2
2
2
2
表1 配伍组设计实验动物分组表
动物编号
1
2
3
4
5
6
7
8
9
10
11
12
随机数
31
46
93
-
32
43
50
-
27
89
87
-
除数
4
3
2
-
4
3
2
-
4
3
2
-
余数
3
1
1
-
0
1
0
-
3
2
1
-
A 处理组
2
6
11
B 处理组
3
8
10
C 处理组
1
7
9
D 处理组
4
5
12
动物编号
13
14
15
16
17
18
19
20
21
22
23
24
随机数
19
20
15
-
37
0
49
-
52
85
66
-
除数
4
3
2
-
4
3
2
-
4
3
2
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 实验设计