STATISTIK-FORUM.de

[Enrichment]

Hallo ihr Lieben.

Ich habe eine Versuch durchgeführt, aber leider keine Ahnung wie ich es statistisch auswerten kann

Zu meinem Versuch:
Ich möchte ungelagerte Proben gegen 24h Lagerung, ungelagerte Proben gegen 48h Lagerung und ungelagerte Proben gegen 72h Lagerung (jeweils n =4) untersuchen. Von jeder gelagerten Probe und jeder ungelagerten Probe untersuche ich 5 Oberflächenproteine.

Marker A
0h 72h
94,09 85,86
89,07 83,58
94,09 89,58
97,01 88,30
Rohdaten

0h 72h
100,00 91,25
100,00 93,84
100,00 95,21
100,00 91,02
Normalisierte Daten

Für jedes Oberflächenprotein möchte ich jetzt wissen ob es durch Lagerung signifikant herunter- oder herausreguliert wurde. Das Problem bei den Markern ist, dass diese schon ohne Lagerung spenderabhängig heterogen verteilt sind. Aus diesem Grund habe ich bisher pro Spender die 0h-Daten = 100% gesetzt und die entsprechenden Lagerungsdaten in prozentualer Relation dazu berechnet.

Statistisch habe ich zunächst an einen t-Test gedacht. Das Problem dabei ist aber, ich hab ein kleines n und dadurch das ich 0h immer gleich 100% gesetzt habe, entsprechen diese Daten auch nicht mehr der Gauss-Verteilung, oder? Jetzt stehe ich vor einem riesigen Fragezeichen???!!!

Vielleicht kann mir hier ja jemand einen Tipp geben. Achso, ich versuche mit GraphPadPrism zu arbeiten.

VG

Enrichment

[PonderStibbons]

Das Problem bei den Markern ist, dass diese schon ohne Lagerung spenderabhängig heterogen verteilt sind. Aus diesem Grund habe ich bisher pro Spender die 0h-Daten = 100% gesetzt und die entsprechenden Lagerungsdaten in prozentualer Relation dazu berechnet.

Die Begründung leuchtet mir nicht ein. Ist das ein übliches Vorgehen in diesem Feld?
Anscheinend handelt es sich um mehrfache Messungen derselben Spender, nicht um
getrennte Gruppen? In dem Fall würde ich an einen Wilcoxon-Vorzeichenrangtest mit
den Ursprungsdaten denken. Ob es bei einer so kleinen Fallzahl überhaupt möglich ist,
dass inferenzstatistisch ein signifikantes Resultat auftritt, weiß ich allerdings nicht.

Mit freundlichen Grüßen

P.

[Enrichment]

Anscheinend handelt es sich um mehrfache Messungen derselben Spender, nicht um
getrennte Gruppen?

Jede Zeile ist ein anderer Zell-Donor von dem jeweils Marker A nach 0 und nach 72h gemessen wurde. Dementsprechend sind die Parameter 0h und 72h doch gepaart, oder?

Von dem Wilcoxon-Vorzeichenrangtest hab ich leider noch nie gehört!

Ist das ein übliches Vorgehen in diesem Feld?

Das vorgehen ist üblich. Als ich aber in meinen Statistik Unterlagen aus dem 2. Semester gewühlt habe, stand da, dass für statistische Test (t-Test, Chi^2-Test) die Daten zufallsverteilt sein müssen. Und wenn ich alle = !00% setze sind die das doch nicht mehr? Wenn es allerdings doch geht, müsste ich wahrscheinlich den Kolmogorov-Smirnov-Test machen... der ist auch für kleine Fallzahlen gültig. Und dann bestimmen ob die Varianz ho,ogen oder heterogen ist?! Und dann erst bei Homogenität den t-Test und bei Heterogenität bzw nicht normalverteilen Stichproben den H-Test.... Ehrlich gesagt ich hab simple keine Ahnung. Wenn man mal Daten hat ist Statisitik echt schwer!!!

n = 4 und n = 5 sind leider bei Analysen mit teuren Zellen (für die Masterarbeit) üblich Mein Betreuer möchte von mir halt dass ich daran Signifikanzen errechne.

VG

[PonderStibbons]

Ich verstehe leider nicht mehr, worin denn nun genau die Fragen bestehen.
Ein t-Test (für abhängige Stichproben, nicht für unabhängige, weswegen Fragen
nach Varianzhomogenität hier von vornherein gegenstandslos sind) ist bei solchen
Fallzahlen und auch aufgrund des Hantierens mit Prozentzahlen nicht angezeigt,
daher der Verweis auf Wilcoxon.

Mit freundlichen Grüßen

P.

[bele]

Hallo VG!

Der Vorzeichenrangtest nach Wilcoxon vergleicht nur, ob die Zahlen links oder die Zahlen rechts (vor/nach) größer sind. Egal, ob Du vorher irgendwas auf 100% gesetzt hast oder nicht. Also nimm einfach die Rohdaten. Ein Wilcoxon Vozeichenrangtest mit links viermal größer als rechts ergibt p=0.125, einer mit links fünfmal größer als rechts ergibt ein p=0.0625.

Meines Erachtens solltest Du mit dem Betreuer sprechen, ob man sich angesichts der geringen Probenzahlen nicht darauf einigen kann, die Grenze der Signifikanz von alpha=0,05 auf alpha=0,1 herauf zu setzen. Das würde die Versuche mit 5 Proben auswertbar machen. Für die Versuche mit 4 Proben müsstest Du ihn mal darauf ansprechen, ob in Eurem ganz konkreten Setting und in Deiner ganz konkreten Situation nicht auch eine einseitige Testung ausreichend wäre. Das wird nicht automatisch jeden Gutachter erfreuen und sollte daher im Methodenteil gut begründet werden.

LG,
Bernhard

[PonderStibbons]

Es fragt sich, ob mit einem Signifikanztest überhaupt sinnvoll Fragen
beantwortet werden können.

Dass die Proteine bei Lagerung nicht stabil bleiben sondern ausschließlich
"herunterreguliert" werden können, scheint auf der Hand zu liegen.

Was soll da ein Signifikanztest leisten?

Ich hoffe nicht, dass der Betreuer meint, inferenzstatistisch
"signifikant" würde auch nur ein Fitzelchen mehr besagen als:
die Stichproben-Messungen stammen aus einer Grundgesamtheit,
bei der nach 24 Stunden die Proben nicht mehr EXAKT 100% im
selben Zustand waren wie ursprünglich. Der Test sagt nichts
darüber aus, ob die Veränderungen groß, wichtig oder relevant
sind. Sondern nur, ob man die Hypothese verwerfen darf, dass
nach 24h nicht mehr ABSOLUT EXAKT die Ausgangswerte gelten.
Und eine solche Hypothese im vorliegenden Szenario zu verwerfen,
ist ausschließlich Frage einer ausreichenden Stichprobengröße.

ob man sich angesichts der geringen Probenzahlen nicht darauf einigen kann, die Grenze der Signifikanz von alpha=0,05 auf alpha=0,1 herauf zu setzen

Das kann Ärger geben. Näherliegend wäre eine hier einmal ausnahmsweise
zu rechtfertigende einseitige Testung. Aber wie gesagt gibt es keine
Fragestellung, die einen inferenzstatsitschen Test erfordert.

Mit freundlichen Grüßen

P.