For each growth curve obtained from

For each growth curve obtained from the above described regression model, the growth rate was calculated as the slope of each line fitted between the knots of every growth curve (Figure 1). That is, the growth rate (alternatively slope) was calculated for the curve in each of the three intervals. The slope of these line segments may be considered as the derivative of each spline between each knot for every growth curve and thus representing growth rate. We refer to these slopes (or derivatives), change in OD with respect to time, as
growth rates. The growth rates for all strains were compared using a t-distribution for each concentration of lactoferrin added to LB or Syncase broth. Growth rates outside the 95% prediction interval were considered as significantly different to those inside (Figures 2 and 3).
“spline” package in R produces scaling coefficients that can be difficult to interpret, we re-run the above mentioned regression model in STATA using the mkspline function, which gives linear coefficient estimates for each slope. Hence, to obtain linear growth estimates, regression models were fitted for all strains using the mkspline function in STATA, which provides the slope of each linear growth estimate making up the modeled curve. Both the bs function in R and the mkspline function in STATA were applied to make a linear spline with three separate, equally spaced lines joined together with two knots. These three lines represent intervals 1, 2 and 3 (See Figure 1)

ผลลัพธ์ (ไทย) 1:

การเจริญเติบโตแต่ละเส้นโค้งที่ได้จากข้างบนอธิบายแบบจำลองถดถอย คำนวณอัตราการเติบโตเป็นความชันของเส้นแต่ละติดตั้งระหว่าง knots ของทุกเส้นโค้งการเจริญเติบโต (รูปที่ 1) นั่นคือ มีคำนวณอัตราการเติบโต (หรือลาด) สำหรับเส้นโค้งในช่วงสาม ความชันของส่วนของเส้นตรงเหล่านี้อาจถือได้ว่าเป็นอนุพันธ์ของแต่ละเหมือนระหว่างแต่ละปมสำหรับทุกเส้นโค้งการเจริญเติบโตและอัตราการเติบโตดังนั้นแทน เราหมายถึงลาดเหล่านี้ (หรือตราสารอนุพันธ์) เปลี่ยนแปลงใน OD กับเวลาอัตราการเจริญเติบโต ได้เปรียบเทียบอัตราการเจริญเติบโตสำหรับสายพันธุ์ทั้งหมดโดยใช้การแจกแจง t สำหรับแต่ละความเข้มข้นของ lactoferrin เพิ่มซุปปอนด์หรือ Syncase อัตราการขยายตัวนอกช่วง 95% ทำนายได้ถือแตกต่างกันอย่างมีนัยสำคัญเป็นการภายใน (ตัวเลข 2 และ 3)แพคเกจ "เหมือน" ใน R สร้างมาตราส่วนสัมประสิทธิ์ที่ได้แปล เรารันอีกครั้งข้างต้นกล่าวถึงแบบจำลองการถดถอยใน STATA ใช้ฟังก์ชัน mkspline ซึ่งช่วยให้ประเมินเชิงเส้นสัมประสิทธิ์สำหรับแต่ละความลาดชัน ดังนั้น เพื่อขอรับการประเมินการเติบโตเชิงเส้น การถดถอยแบบจำลองถูกติดตั้งสำหรับสายพันธุ์ทั้งหมดโดยใช้ฟังก์ชัน mkspline ใน STATA ซึ่งมีความลาดชันของการเติบโตแต่ละเส้นทำขึ้นโค้งสร้างแบบจำลองการประเมิน ทั้งฟังก์ชัน bs ใน R และ mkspline ฟังก์ชันใน STATA ถูกนำไปใช้เพื่อให้เหมือนเส้นตรงสามแยก เท่า ๆ ลที่บรรทัดร่วมกับ knots สอง บรรทัดเหล่านี้แสดงถึงช่วง 1, 2 และ 3 (ดูรูปที่ 1)

ผลลัพธ์ (ไทย) 2:

สำหรับอัตราการเจริญเติบโตในแต่ละที่ได้รับจากแบบการถดถอยอธิบายไว้ข้างต้นอัตราการเจริญเติบโตที่คำนวณได้เป็นความลาดชันของแต่ละบรรทัดพอดีระหว่างปมของอัตราการเจริญเติบโตทุก (รูปที่ 1) นั่นคืออัตราการเจริญเติบโต (หรือความลาดชัน) ที่คำนวณได้สำหรับเส้นโค้งในแต่ละช่วงเวลาที่สาม ความลาดชันของส่วนของเส้นเหล่านี้อาจถือได้ว่าเป็นที่มาของเส้นโค้งแต่ละระหว่างปมแต่ละอัตราการเจริญเติบโตทุกและทำให้อัตราการเจริญเติบโตที่เป็นตัวแทนของ เราดูที่เนินเขาเหล่านี้ (หรือสัญญาซื้อขายล่วงหน้า) การเปลี่ยนแปลงใน OD
ที่เกี่ยวกับเวลาที่อัตราการเจริญเติบโต อัตราการเจริญเติบโตสำหรับทุกสายพันธุ์ถูกนำมาเปรียบเทียบโดยใช้เสื้อกระจายความเข้มข้นของแต่ละ lactoferrin เพิ่มให้กับ LB หรือน้ำซุป Syncase อัตราการเจริญเติบโตนอก 95% ช่วงคาดการณ์ได้รับการพิจารณาเป็นอย่างมีนัยสำคัญที่แตกต่างกันภายในเหล่านั้น (2 รูปที่ 3).
"เส้นโค้ง" แพคเกจในการวิจัยผลิตสัมประสิทธิ์ปรับที่อาจเป็นเรื่องยากที่จะตีความเรา re-run ดังกล่าวข้างต้นแบบการถดถอยในเดินทางเข้ามายัง ใช้ฟังก์ชัน mkspline ซึ่งจะช่วยให้การประมาณการค่าสัมประสิทธิ์ลาดเชิงเส้นสำหรับแต่ละ ดังนั้นการที่จะได้รับการประมาณการการเติบโตเชิงเส้นแบบถดถอยกำลังพอดีสำหรับทุกสายพันธุ์โดยใช้ฟังก์ชั่นในการเดินทางเข้ามายัง mkspline ซึ่งมีความลาดชันของประมาณการการเติบโตเชิงเส้นแต่ละเส้นโค้งทำขึ้นแบบจำลองที่ ทั้งฟังก์ชั่นในการวิจัยเช้าและฟังก์ชั่นในการเดินทางเข้ามายัง mkspline ถูกนำไปใช้เพื่อให้เป็นเส้นโค้งเชิงเส้นที่มีสามแยกสายระยะห่างเท่า ๆ กันร่วมกันกับสองนอต ทั้งสามสายเป็นตัวแทนของช่วงเวลาที่ 1, 2 และ 3 (ดูรูปที่ 1)

ผลลัพธ์ (ไทย) 3:

สำหรับแต่ละโค้งพัฒนาการที่ได้จากข้างต้นอธิบายแบบจำลองการถดถอย อัตราการคํานวณค่าความชันของเส้นเข็มขัดระหว่างแต่ละปมของทุกการเจริญเติบโตโค้ง ( รูปที่ 1 ) นั่นคือ อัตราการเจริญเติบโต ( หรือเนิน ) คือคำนวณสำหรับเส้นโค้งในแต่ละสามช่วงความลาดชันของส่วนของเส้นตรงเหล่านี้อาจจะถือว่าเป็นอนุพันธ์ของแต่ละเส้นโค้งระหว่างแต่ละปมทุกโค้งจึงเป็นตัวแทนของการเจริญเติบโตและอัตราการเติบโต . เราดูลาดเหล่านี้ ( หรืออนุพันธ์ ) , การเปลี่ยนแปลงในโครงการที่เกี่ยวกับเวลา เช่น
อัตราการเจริญเติบโต อัตราการเจริญเติบโตทุกสายพันธุ์โดยเปรียบเทียบกับการใช้ทีแต่ละความเข้มข้นของแลคโตเฟอรินเพิ่มปอนด์ หรือแกง syncase .อัตราการเจริญเติบโต ภายนอก 95% ช่วงทำนายถูกถือว่าเป็นสถิติที่ภายใน ( เลข 2 และ 3 ) .
" สลัก " แพคเกจในการปรับค่า R ผลิตที่สามารถยากที่จะตีความ เรากำลังวิ่งดังกล่าว แบบจำลองการถดถอยใน Language โดยใช้ฟังก์ชั่น mkspline ซึ่งให้ประมาณค่าสัมประสิทธิ์ของแต่ละลาด ดังนั้นขอรับประเมินการเจริญเติบโตเชิงเส้นแบบถดถอย คือพอดีสำหรับทุกสายพันธุ์ ด้วยการใช้ฟังก์ชัน mkspline ใน Language ซึ่งมีความชันของเส้นตรงแต่ละการประมาณการตั้งแบบโค้ง ทั้ง BS ในฟังก์ชัน R และฟังก์ชัน mkspline ใน Language ที่ใช้เพื่อให้เส้นโค้งเชิงเส้นกับสามแยก เท่ากัน ระยะสายร่วมกันกับ 2 น๊อตเหล่านี้สามเส้นแสดงช่วงเวลา 1 , 2 และ 3 ( ดูรูปที่ 1 )