试验设计类型之无法考察交互作用的多因素设计:嵌套设计

本文目的是介绍一种无法考察交互作用的多因素设计类型,即嵌套设计。通过介绍四个具体实例,总结出两种不同的嵌套设计:(1)试验因素之间具有自然属性上的嵌套关系;(2)试验因素对评价指标的影响存在主次关系。通过对实例的解读,揭示嵌套设计具有一个其他多因素设计所缺乏的明显特点,即因素的水平是"纵向连接"而不是"横向组合"的;并从正确合理应用的角度考量,指出了使用嵌套设计时应注意的事项。     

如何选择合适的试验设计类型(五)

当试验中涉及两个因素时,若两因素之间不存在交互作用或交互作用对观测结果的影响无统计学意义,并且,特定试验条件(通常为各因素不同水平的一种组合)下试验数据的测定误差在专业上允许的范围之内,此时,可以选用"随机区组设计、平衡不完全随机区组设计、具有一个重复测量的单因素设计、无重复试验双因素设计和两因素嵌套设计"五种设计之一.在上一期讲座中,我们向读者重点介绍无重复试验双因素设计和两因素嵌套设计这两种设计类型,重点阐述了两设计类型的定义、形式、特点、应用场合以及具体实施,并用实例加以论证.试验中所涉及到的两个因素都是试验因素,仅当有预试验表明两个试验因素之间的交互作用无统计学意义,且相同试验条件下定量观测指标的取值离散度很小时,此时,可采用无重复试验双因素设计;试验因素对观测结果的影响有主次之分,或者试验因素之间存在自然属性上的嵌套关系,上层因素对观测结果的影响大于下层因素时,采用两因素嵌套设计较为适宜.     

如何选择合适的试验设计类型（四）

当试验中涉及两个因素时,若两因素之间不存在交互作用或交互作用对观测结果的影响无统计学意义,并且,特定试验条件（通常为各因素不同水平的一种组合）下试验数据的测定误差在专业上允许的范围之内,此时,可以选用“随机区组设计、平衡不完全随机区组设计、具有一个重复测量的单因素设计、无重复试验双因素设计和两因素嵌套设计”五种设计之一。在上一期讲座中,我们向读者重点介绍了随机区组设计、具有一个重复测量的单因素设计这两种设计类型,重点阐述了两设计类型的定义、形式、特点、应用场合以及具体实施,并用实例加以论证。     

试验设计类型之概述

本文目的是全面介绍与试验设计类型有关的概念以及学习和掌握试验设计类型知识的意义。通过介绍"研究类型、设计类型、比较类型和资料类型"的概念、临床试验研究中常见试验设计类型的实例并从不同角度来划分设计类型的思路,读者能够比较全面和深刻地把握设计类型的要领。本文首次将多因素设计类型归纳为"伴随式多因素试验设计"与"统筹式多因素试验设计"两大类,极大地方便了广大科研工作者结合自己的科研实际,合理选定并规划出所需要的多因素试验设计类型。     

试验设计类型之可以考察部分交互作用的多因素设计:正交设计与均匀设计

本文旨在介绍两种多因素试验设计方法,即正交设计与均匀设计。由于析因设计中的试验点数目过多,在既要较少试验点数目,又要能比较准确地揭示多因素对评价指标影响规律的要求之下,宜选择正交设计或均匀设计。正交设计具有"试验点均匀分散、整齐可比且可以事先安排少数交互作用项"的特点,因此,结果的可信度较高,只需采用方差分析处理定量资料;均匀设计具有"试验点极其均匀分散、正交性在一定程度上受到破坏,不能事先安排交互作用项"的特点,因此,允许很少数目的试验点,但需采用多重回归分析处理资料且分析结果不唯一。     

试验设计类型之无法考察交互作用的多因素设计:随机区组设计与拉丁方设计

本文目的是介绍两种无法考察交互作用的多因素设计类型,即随机区组设计与拉丁方设计。通过详细介绍与前述两种设计类型对应的"主要内容""操作方法"和"设计变形",全面展示了这两种设计类型的核心内容、要领和注意事项,为用户正确、合理地选用前述的两种设计类型创造了有利的条件。     

如何正确运用方差分析——析因设计定量资料一元方差分析与SAS实现

本文目的是介绍析因设计及其定量资料的方差分析和SAS实现。析因设计不仅可以呈现全部试验因素的主效应大小,还可以全面反映多因素之间的各阶交互作用效应大小,但此设计所需要的样本含量较多。本文介绍了两因素析因设计定量资料方差分析的计算公式,通过两个实例,借助SAS软件实现了两因素和三因素析因设计定量资料方差分析,并对交互作用效应进行了多重比较。     

试验设计类型之可以考察全部交互作用的多因素设计:析因设计

本文目的是介绍一种可以考察各级交互作用的多因素设计类型,即析因设计。通过介绍两个实际例子,总结出析因设计的八个特点及优点、缺点。针对实际应用时可能面临的情况或问题,人们可能会对析因设计进行改造,由此产生了析因设计的三种变形,即"含区组因素的析因设计""分式析因设计"和"多因素非平衡组合试验"。最后一种情形,是实际工作者常会使用的,但在对定量评价指标进行差异性分析时需要对原先的分组进行合理拆分,再进行恰当的组合,构造出多种标准的设计类型,以利于分析者选择正确的统计分析方法。     

如何选择合适的试验设计类型（七）

当试验中涉及一个试验因素和两个区组因素时,若因素之间不存在交互作用或交互作用对观测结果的影响无统计学意义,并且,特定试验条件（通常为各因素不同水平的一种组合）下试验数据的测定误差在专业上允许的范围之内,此时,根据试验因素的水平数目多少,可以考虑选用“交叉设计或拉丁方设计”两种设计之一。在上一期讲座中,我们向读者介绍了三阶段交叉设计和3×3交叉设计这两种设计类型,重点阐述了两种设计类型的定义、形式、特点、应用场合以及具体实施,并用实例加以论证。     

试验设计类型之无法考察交互作用的多因素设计:交叉设计

本文目的是介绍一种无法考察交互作用的多因素设计类型,即交叉设计。通过详细介绍与交叉设计类型对应的"主要内容""操作方法"和"设计变形",全面展示了这种设计类型的核心内容、要领和注意事项,为用户正确、合理地选用交叉设计类型创造了有利的条件。     

Neural regulator design

Design of a neural-net-based regulator for nonlinear plants is considered. Both state and output feedback regulators with deterministic and stochastic disturbances have been investigated. A Multilayered Feedforward Neural Network (MFNN) has been employed as the nonlinear controller. The training of the MFNN utilizes the recently developed concept of Block Partial Derivatives (BPDs).     

Hermeneutic single-case efficacy design

In this article, I outline hermeneutic single-case efficacy design (HSCED), an interpretive approach to evaluating treatment causality in single therapy cases. This approach uses a mixture of quantitative and qualitative methods to create a network of evidence that first identifies direct demonstrations of causal links between therapy process and outcome and then evaluates plausible nontherapy explanations for apparent change in therapy. I illustrate the method with data from a depressed client who presented with unresolved loss and anger issues.     

Drug design at peptide receptors

Somatostatin (SRIF, somatotropin release inhibiting factor), discovered for its inhibitory action on growth hormone (GH) secretion from pituitary, is an abundant neuropeptide. Two forms, SRIF₁₄ and SRIF₂₈ exist. Recently, a second family of peptides with very similar sequences and features was described; the cortistatins (CST), CST₁₇ and CST₂₉ which are brain selective. The five cloned SRIF receptors (sst_1–5) belong to the G-protein coupled/heptathelical receptor family. Structural and operational features distinguish two classes of receptors; SRIF₁-sst₂/sst₃/sst₅ (high affinity for octreotide or seglitide) and SRIF₂=sst₁/sst₄ (very low affinity for the aforementioned ligands). The affinity of SRIF receptors for somatostatins and cortistatins is equally high, and it is not clear whether selective receptors do exist for one or the other of the peptides. Several radiologlands label all SRIF receptors, e.g., [¹²⁵I]LTT-SRIF₂₈, [¹²⁵I]CGP23996, [¹²⁵I]Tyr¹⁰cortistatin or [¹²⁵I]Tyr¹¹SRIF₁₄. In contrast, [¹²⁵I]Tyr³octreotide, [¹²⁵I]BIM23027, [¹²⁵I]MK678 or [¹²⁵I]D-Trp⁸SRIF₁₄ label predominantly SRIF₁ sites, especially sst₂ and possibly sst₅ receptors. In brain, [¹²⁵I]Tyr³octreotide binding equates with sst₂ receptor mRNA distribution. Native SRIF₂ receptors can be labeled with [¹²⁵I]SRIF₁₄ in the presence of high NaCl in brain (sst₁) or lung (sst₄) tissue. Short cyclic or linear peptide analogs show selectivity for sst₂/sst₅ (octreotide, lanreotide, BIM 23027), sst₁ (CH-275), sst₃ (sst₃-ODN-8), or sst₅ receptors (BIM 23268); although claims for selectivity have not always been confirmed. Beta peptides with affinity for SRIF receptors are also reported. The general lack of SRIF receptor antagonists is unique for peptide receptors, although CYN 154806 is a selective and potent sst₂ antagonist. Nonpeptide ligands are still rare, although a number of molecules have been reported with selectivity and potency for sst₁ (L 757,519), sst₂ (L 779,976), sst₃ (L 796,778), sst₄ (NNC 26-9100, L 803,087) or sst₁/sst₅ receptors (L 817,018). Such molecules are essential to establish the role of SRIF receptors, e.g., sst₁ in hypothalamic glutamate currents: sst₂ in inhibiting release of GH, glucagon, TSH, gastric acid secretion, pain, seizures and tumor growth, and sst₅ in vascular remodeling and inhibition of insulin and GH release.