Analyses. We fitted some of our for

Analyses. We fitted some of our foraging honey bees with copper tags as a control for any baseline disturbance caused by the insominator and for any environmental factors specific to the day of testing. We tested bees within the hive to maximize normalcy, increase the likelihood of bees dancing, and avoid confounders associated with testing isolated bees, which sleep less over consecutive days and die prematurely (16, 20, 22). Treatment effects were compared with results after a DD period to test for differences between sleep deprivation and general disturbance. The results are products of linear mixed-effects models, programmed in R (45), with bee population (treatment vs. control) and treatment day as fixed effects and bee identity as a random factor (i.e., observations were nested within a bee). Linear mixed-effects models were fitted using the lmer function in the lme4 package (46). The multcomp package was used to perform likelihood ratio tests to distinguish between competing models (47); the complicated (e.g., missing data, correlated covariates) and unbalanced nature of the data precluded the use of standard likelihood ratio tests (48). The resulting continuous, linear predictors are reported as mean ± SEM. To visualize the data (Figs. 3 and 4) and confirm the mixed-effects model results, we also calculated average values (one per bee) using JMP version 8 (SAS Institute). We set α = 0.05 for all tests. The sleep deprivation literature overwhelmingly documents decrements in precision and efficiency; because sleep deprivation was not expected to induce greater precision, we report one-tailed P values when testing our predictions relating to the impact of sleep deprivation on dances on the day after nocturnal perturbations. We report two-tailed P values under all other conditions.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ เราติดตั้งบางผึ้งน้ำผึ้งของเราอกกับป้ายทองแดงเป็นตัวควบคุมใด ๆ รบกวนพื้นฐานที่เกิดจากการ insominator และปัจจัยแวดล้อมใด ๆ เฉพาะวันของการทดสอบ เราทดสอบผึ้งภายในรังเพื่อเพิ่มภาวะปกติ เพิ่มโอกาสของการเต้นรำผึ้ง และหลีกเลี่ยงการ confounders เกี่ยวข้องกับการทดสอบแยกผึ้ง ที่นอนน้อยกว่าวันติดต่อกัน และตายก่อนกำหนด (16, 20, 22) ผลการรักษาได้เมื่อเทียบกับผลลัพธ์หลังจากรอบระยะเวลาดีดีการทดสอบความแตกต่างระหว่างภาวะขาดการนอนหลับและรบกวนทั่วไป ผลเป็นผลิตภัณฑ์เชิงผสมผลรุ่น โปรแกรมใน R (45), มีประชากรผึ้ง (รักษาเทียบกับควบคุม) และวันการรักษาเป็นผลถาวรและตัวผึ้งเป็นตัวสุ่ม (เช่น ข้อสังเกตุซ้อนอยู่ในผึ้ง) แบบจำลองเชิงเส้นผสมผลถูกติดตั้งโดยใช้ฟังก์ชัน lmer ในแพคเกจ lme4 (46) แพคเกจ multcomp ถูกใช้เพื่อทำการทดสอบอัตราส่วนโอกาสเพื่อแยกความแตกต่างระหว่างรุ่นแข่งขัน (47); ที่ซับซ้อน (เช่น ไม่พบข้อมูล correlated covariates) และสมดุลธรรมชาติของข้อมูล precluded ใช้ทดสอบอัตราส่วนมาตรฐานโอกาส (48) รายงานผลอย่างต่อเนื่อง เส้น predictors เป็นหมายถึง ± SEM. การมองเห็นภาพข้อมูล (Figs. 3 และ 4) และยืนยันผลการจำลองผลผสม เรายังคำนวณค่าเฉลี่ย (หนึ่งต่อผึ้ง) ใช้เจรุ่น 8 (สถาบัน SAS) เรากำหนดα = 0.05 สำหรับการทดสอบทั้งหมด วรรณคดีมานอน overwhelmingly เอกสาร decrements ในความแม่นยำและมีประสิทธิภาพ เนื่องจากภาวะขาดการนอนหลับไม่คาดว่าจะก่อให้เกิดความแม่นยำมากขึ้น เรารายงานด้านเดียวค่า P เมื่อทดสอบการคาดคะเนของเราเกี่ยวข้องกับผลกระทบของมานอนในเต้นบนหลัง perturbations บรรณาธิการ เรารายงานสองด้านค่า P ภายใต้เงื่อนไขอื่น ๆ

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ เราติดตั้งบางส่วนของผึ้งหาอาหารของเราที่มีแท็กทองแดงเป็นตัวควบคุมสำหรับการรบกวนพื้นฐานใด ๆ ที่เกิดจากการ insominator และปัจจัยด้านสิ่งแวดล้อมใด ๆ ที่เฉพาะเจาะจงเพื่อวันของการทดสอบ เราได้ทดสอบผึ้งภายในรังเพื่อเพิ่มสภาวะปกติเพิ่มโอกาสของผึ้งเต้นและหลีกเลี่ยงปัจจัยที่เกี่ยวข้องกับผึ้งแยกการทดสอบซึ่งนอนหลับน้อยกว่าวันติดต่อกันและตายก่อนเวลาอันควร (16, 20, 22) ผลกระทบการรักษาได้รับการเปรียบเทียบกับผลหลังจากระยะเวลา DD เพื่อทดสอบความแตกต่างระหว่างการอดนอนและรบกวนทั่วไป ผลเป็นผลิตภัณฑ์เชิงเส้นของรูปแบบผสมผลโปรแกรมในการวิจัย (45) มีประชากรผึ้ง (เทียบกับการรักษาควบคุม) และวันที่การรักษาเป็นผลกระทบคงที่และตัวตนของผึ้งเป็นปัจจัยสุ่ม (เช่นสังเกตได้ที่ซ้อนกันภายในผึ้ง) . เชิงเส้นรุ่นผสมผลกระทบได้รับการติดตั้งโดยใช้ฟังก์ชั่น lmer ในแพคเกจ lme4 (46) แพคเกจ multcomp ถูกใช้ในการดำเนินการทดสอบความน่าจะเป็นอัตราส่วนที่จะแยกแยะระหว่างรูปแบบการแข่งขัน (47); ซับซ้อน (เช่นข้อมูลที่หายไปมีความสัมพันธ์ตัวแปร) และธรรมชาติไม่สมดุลของข้อมูลจรรยาบรรณการใช้งานของการทดสอบอัตราส่วนความน่าจะเป็นมาตรฐาน (48) ส่งผลต่อเนื่องพยากรณ์เชิงเส้นจะมีการรายงานเป็นค่าเฉลี่ย± SEM เพื่อให้เห็นภาพข้อมูล (มะเดื่อ. 3 และ 4) และยืนยันผลกระทบที่ผสมผลรุ่นเรายังคำนวณค่าเฉลี่ย (ต่อหนึ่งผึ้ง) ใช้รุ่น JMP 8 (SAS Institute) เราตั้งα = 0.05 สำหรับการทดสอบทั้งหมด วรรณกรรมอดนอนการลดลงอย่างท่วมท้นเอกสารในความแม่นยำและมีประสิทธิภาพ เพราะอดนอนก็ไม่ได้คาดหวังว่าจะทำให้เกิดความแม่นยำมากขึ้น, เรารายงาน tailed หนึ่งเป็นค่า P ​​เมื่อการทดสอบการคาดการณ์ของเราที่เกี่ยวข้องกับผลกระทบของการอดนอนในการเต้นรำในวันหลังจากเยี่ยงอย่างออกหากินเวลากลางคืน เรารายงานค่า P ​​สองเทลด์ภายใต้เงื่อนไขอื่น ๆ ทั้งหมด

ผลลัพธ์ (ไทย) 3:

วิเคราะห์ข้อมูล เราติดตั้งบางส่วนของผึ้งผึ้งกับป้ายทองแดงเป็นตัวควบคุมใด ๆพื้นฐานการรบกวนที่เกิดจาก insominator และปัจจัยแวดล้อมใด ๆเฉพาะวันของการทดสอบ เราทดสอบผึ้งภายในรังเพื่อเพิ่มสภาวะปกติ , เพิ่มโอกาสของผึ้งเต้นรำและหลีกเลี่ยงการทำผิดกฎหมายที่เกี่ยวข้องกับการทดสอบแยกผึ้งซึ่งการนอนน้อยกว่าวันติดต่อกันและตายก่อนวัยอันควร ( 16 , 20 , 22 ) ผลการรักษา โดยเปรียบเทียบกับผลที่ได้หลังจาก DD ระยะเวลาในการทดสอบความแตกต่างระหว่างการกีดกันการนอนหลับและสิ่งรบกวนทั่วไป ผลลัพธ์ผลิตภัณฑ์ผสมเชิงเส้นผลรูปแบบ โปรแกรม R ( 45 ) ที่มีประชากรผึ้ง ( การรักษากับควบคุมและรักษาวันแก้ไขผลกระทบและผึ้งตัวเป็นปัจจัยสุ่ม ( เช่น สังเกตอยู่ภายในผึ้ง ) ผลผสมแบบเชิงเส้นถูกติดตั้งด้วยการใช้ฟังก์ชัน lmer ใน lme4 แพคเกจ ( 46 ) multcomp แพคเกจที่ใช้ดำเนินการทดสอบอัตราส่วนความน่าจะเป็นที่จะแยกแยะระหว่างรุ่นการแข่งขัน ( 47 ) ; ซับซ้อน ( เช่น ข้อมูลหายมีความรู้ ) และธรรมชาติของลบข้อมูลใช้การทดสอบอัตราส่วนความน่าจะเป็นมาตรฐาน ( 48 ) ผลการทำนายเชิงเส้นมีรายงานอย่างต่อเนื่อง หมายถึง± SEM เห็นภาพข้อมูล ( Figs 3 และ 4 ) และยืนยันผลผสมรูปแบบผลลัพธ์ เรายังคำนวณค่าเฉลี่ย ( ต่อหนึ่งเพลง ( ผึ้ง ) ใช้เวอร์ชั่น 8 สถาบัน SAS ) เราตั้งα = 0.05 สำหรับการทดสอบทั้งหมดนอนหลับการลิดรอนวรรณกรรมนำโด่งเอกสาร decrements ในความแม่นยำและประสิทธิภาพ เพราะการอดนอนไม่ได้คาดว่าจะทำให้เกิดความแม่นยำมากขึ้น เรารายงานหนึ่ง : P ค่าเมื่อการทดสอบการคาดการณ์ของเราที่เกี่ยวข้องกับผลกระทบของการอดนอนในเต้นบนหลังวันกลางคืนได้ . เรารายงานสองหาง P ค่าภายใต้เงื่อนไขอื่น ๆทั้งหมด