2.3. Survival data modelingThe surv

2.3. Survival data modeling
The survival data were modeled by fitting the experimental datato the Weibull survival function [20] using GInaFiT V1.6 [21].where, Nt represents the number of surviving cells at time t, N0 is the initial size of the inoculums population, p is the shape parameter, ı is the scale parameter that represents the time needed for first decimal reduction [6]. The time necessary to approach the detection limit (td). 100 CFU g−1, can also be calculated from Eq. (1).

ผลลัพธ์ (ไทย) 1:

2.3 การโมเดลข้อมูลอยู่รอดข้อมูลอยู่รอดถูกจำลองโดย datato ทดลอง Weibull รอดฟังก์ชัน [20] โดยใช้ GInaFiT คืนชีพ [21] ที่ไหน Nt แทนจำนวนเซลล์ที่รอดตายที่เวลา t, N0 เป็นขนาดเริ่มต้นของประชากร inoculums, p คือ พารามิเตอร์รูปร่าง ıเป็นมาตราส่วนพารามิเตอร์ที่แสดงถึงเวลาที่จำเป็นสำหรับการลดทศนิยมแรก [6] เวลาที่จำเป็นในการเข้าตรวจสอบวงเงิน (td) นอกจากนี้ยังสามารถคำนวณ 100 CFU g−1 จาก Eq. (1)

ผลลัพธ์ (ไทย) 2:

2.3 ข้อมูลการอยู่รอดการสร้างแบบจำลองข้อมูลที่มีชีวิตอยู่รอดได้โดยการปรับรูปแบบทดลอง datato ฟังก์ชั่นการอยู่รอด Weibull [20] โดยใช้ GInaFiT V1.6 [21] .where, Nt แสดงถึงจำนวนในการอยู่รอดของเซลล์ที่ t เวลา N0 มีขนาดเริ่มต้นของหัวเชื้อแบคทีเรีย ประชากรพีเป็นพารามิเตอร์รูปร่างที่ฉันเป็นพารามิเตอร์ระดับที่แสดงถึงเวลาที่จำเป็นสำหรับการลดทศนิยมครั้งแรก [6]
เวลาที่จำเป็นที่จะเข้าใกล้ขีด จำกัด ของการตรวจสอบ (TD) 100 CFU-1 กรัมนอกจากนี้ยังสามารถคำนวณได้จากสูตรสมการ (1)

ผลลัพธ์ (ไทย) 3:

2.3 ข้อมูลการอยู่รอดแบบ
ข้อมูลการอยู่รอดแบบกระชับ จำนวน datato ฟังก์ชันการอยู่รอดแบบ [ 20 ] ใช้ ginafit v1.6 [ 21 ] . ซึ่งขณะนี้แสดงถึงจำนวนของ surviving เซลล์ที่เวลา t NO เป็นขนาดเริ่มต้นของประชากร 18 ชั่วโมง , P คือ รูปร่างıเป็นค่าพารามิเตอร์แสดงสเกลที่เป็นตัวแทน เวลาที่จำเป็นสำหรับการลดทศนิยมก่อน [ 6 ]เวลาที่จำเป็นเพื่อเข้าใกล้ขีดจำกัด ( TD ) 100 CFU / g − 1 ยังสามารถคำนวณจากอีคิว ( 1 )