2.6. Statistical analysisThe normal

2.6. Statistical analysis
The normality of the distribution of each variable was verified and
appropriate transformations applied to normalize distributions if
needed (Log10(x) or −(1/x) for blood biomarkers and Log10(x + 1)
for food intakes). Descriptive analyses were used to illustrate the
distribution of blood Hg, Se and long-chain n−3 PUFA biomarkers,
anthropometric measures, food intakes, and Hg, Se and long-chain
n−3 PUFA food intakes, for the entire study population and stratified
by region and gender groups when appropriate. Considering the rightskewed
distribution of most of blood biomarkers and food intake variables,
geometric mean (GM) values were provided. In this case, because
M. Lemire et al. / Science of the Total Environment 509–510 (2015) 248–259 251of the logarithm properties, the contribution of each food item to the
total intakes of country foods, MeHg, Se and long-chain n−3 PUFA
were calculated as described in Supplemental material section S1.
Multiple regression models were used to examine the associations
between blood biomarkers or food intakes (as continuous variables)
and region, age and gender (continuous or categorical variables).
Pearson correlations (r) were used to evaluate the correlations between
blood biomarkers, estimated total intakes and blood predicted values
(continuous variables with normalized distribution).
Population weights were incorporated into all of the statistical
analyses to take into account the complex sampling design used in
this study. Bootstrap procedure, a re-sampling technique for variance
estimation for complex survey designs that provides gains in the
precision of estimates, was also used when required as described in
Valera et al. (2009). Results were defined as statistically significant
at p b 0.05. Analyses were performed using JMP 9.0.0 (SAS Institute
Inc., USA) and SUDANN (10.0.1).

ผลลัพธ์ (ไทย) 1:

2.6. สถิติวิเคราะห์Normality ของการแจกแจงของตัวแปรแต่ละถูกตรวจสอบ และใช้เพื่อลดขนาดการกระจายถ้าแปลงที่เหมาะสมจำเป็น (Log10(x) หรือ −(1/x) เลือด biomarkers และ Log10 (x + 1)สำหรับอาหารภาค) อธิบายวิเคราะห์ถูกใช้เพื่อแสดงการการกระจายของเลือด Hg, Se และโซ่ยาว n−3 PUFA biomarkersมาตรการ anthropometric อาหาร ภาค และ Hg, Se และ เชนลองn−3 PUFA อาหารภาค สำหรับทั้งหมดศึกษาประชากร และ stratifiedตามภูมิภาคและเพศกลุ่มความเหมาะสม พิจารณา rightskewedการกระจายของเลือด biomarkers และตัวแปรการบริโภคอาหารมีให้ค่าเฉลี่ยเรขาคณิต (GM) ในกรณีนี้ เนื่องจากม. Lemire et al. / วิทยาศาสตร์ของ 251of สภาพแวดล้อมทั้งหมด 509-510 (2015) 248-259 คุณสมบัติลอการิทึม สัดส่วนของอาหารแต่ละรายการไปรวมภาคของประเทศ n−3 อาหาร MeHg, Se และ โซ่ยาว PUFAมีคำนวณตามที่อธิบายไว้ในวัสดุเพิ่มเติมส่วน S1แบบจำลองถดถอยหลายใช้ในการตรวจสอบการเชื่อมโยงระหว่าง biomarkers เลือดหรืออาหารภาค (เป็นตัวแปรต่อเนื่อง)และภูมิภาค อายุ และเพศ (ตัวแปรต่อเนื่อง หรือแตก)ใช้ประเมินความสัมพันธ์ระหว่างความสัมพันธ์เพียร์สัน (r)biomarkers เลือด ภาคประเมินรวม และเลือดทำนายค่า(แปรต่อเนื่องกับการแจกแจงมาตรฐาน)น้ำหนักประชากรถูกรวมเป็นทั้งหมดของตัวสถิติวิเคราะห์ถึงการออกแบบการสุ่มตัวอย่างที่ซับซ้อนที่ใช้ในการศึกษานี้ ขั้นตอนการเริ่มต้นระบบ เทคนิคการ sampling สำหรับผลต่างการประเมินสำหรับการออกแบบสำรวจความคิดเห็นที่ซับซ้อนที่มีกำไรในการความแม่นยำของการประเมิน ถูกใช้เมื่อจำเป็นตามที่อธิบายไว้ในValera et al. (2009) ผลถูกกำหนดอย่างมีนัยสำคัญทางสถิติที่ p b 0.05 วิเคราะห์ได้ดำเนินการโดยใช้เจ 9.0.0 (สถาบัน SASอิงค์ สหรัฐอเมริกา) และ SUDANN (10.0.1)

ผลลัพธ์ (ไทย) 2:

2.6 การวิเคราะห์ทางสถิติ
ปกติของการกระจายของตัวแปรแต่ละตัวได้รับการตรวจสอบและ
การเปลี่ยนแปลงที่เหมาะสมนำไปใช้กับการแจกแจงปกติถ้า
จำเป็น (Log10 (x) หรือ - (1 / x) สำหรับ biomarkers เลือดและ Log10 (x + 1)
สำหรับการบริโภคอาหาร) การวิเคราะห์เชิงพรรณนาถูกนำมาใช้เพื่อแสดงให้เห็น
การกระจายของเลือดปรอท, Se และระยะยาวห่วงโซ่ n-3 PUFA biomarkers,
มาตรการสัดส่วนของร่างกาย, การบริโภคอาหารและปรอท, Se และระยะยาวห่วงโซ่
n-3 PUFA การบริโภคอาหารสำหรับประชากรทั้งหมดและ แบ่งชั้น
โดยกลุ่มภูมิภาคและเพศตามความเหมาะสม พิจารณา rightskewed
จัดจำหน่ายมากที่สุดของ biomarkers เลือดและตัวแปรการรับประทานอาหาร,
ค่าเฉลี่ยเรขาคณิต (GM) ค่ามีให้ ในกรณีนี้เพราะ
M. Lemire และคณะ / วิทยาศาสตร์สิ่งแวดล้อมรวม 509-510 (2015) 248-259 251of คุณสมบัติลอการิทึม, มีส่วนร่วมของรายการอาหารแต่ละที่จะ
บริโภคอาหารที่รวมของประเทศ MeHg, Se และระยะยาวห่วงโซ่ n-3 PUFA
ถูกคำนวณตามที่อธิบายไว้ใน ส่วนวัสดุเสริม S1.
รุ่นถดถอยหลายถูกนำมาใช้ในการตรวจสอบการเชื่อมโยง
ระหว่าง biomarkers เลือดหรือการบริโภคอาหาร (เป็นตัวแปรต่อเนื่อง)
และภูมิภาค, อายุและเพศ (ต่อเนื่องหรือตัวแปรเด็ดขาด).
ความสัมพันธ์เพียร์สัน (R) ถูกนำมาใช้ในการประเมินความสัมพันธ์ระหว่าง
biomarkers เลือดบริโภคทั้งหมดประมาณและเลือดที่คาดการณ์ค่า
(ตัวแปรอย่างต่อเนื่องกับการกระจายปกติ).
น้ำหนักประชากรถูกรวมเข้าไปในทุกสถิติ
การวิเคราะห์ที่จะคำนึงถึงการออกแบบที่ซับซ้อนการสุ่มตัวอย่างที่ใช้ในการ
ศึกษาครั้งนี้ ขั้นตอนการบูตเทคนิคใหม่สำหรับการสุ่มตัวอย่างแปรปรวน
ประมาณค่าสำหรับการออกแบบการสำรวจที่ซับซ้อนที่มีกำไรใน
ความแม่นยำของการประมาณการก็ใช้เมื่อจำเป็นต้องใช้ตามที่อธิบายไว้ใน
วาเลร่าและคณะ (2009) ผลลัพธ์ที่ได้กำหนดไว้เป็นนัยสำคัญทางสถิติ
ที่ 0.05 PB การวิเคราะห์ได้ดำเนินการโดยใช้ JMP 9.0.0 (SAS Institute
Inc. , ประเทศสหรัฐอเมริกา) และ SUDANN (10.0.1)

ผลลัพธ์ (ไทย) 3:

2.6 การวิเคราะห์ทางสถิติ
ปกติการแจกแจงของตัวแปรแต่ละตัว คือ การตรวจสอบและการประยุกต์ใช้ให้เหมาะสม

และถ้าจำเป็น ( LN ( x ) หรือ− 1 / X ) ซึ่งเลือดและ LN ( x )
สำหรับการบริโภคอาหาร ) การวิเคราะห์เชิงพรรณนาที่ใช้เพื่อแสดงการกระจายของเลือด
ปรอทเซ และเปลี่ยนตัว n − 3 PUFA ซึ่ง
สัดส่วน , มาตรการ , การบริโภคอาหาร ,และปรอท , เซเปลี่ยนตัว
N − 3 PUFA และอาหารคน ในประชากรทั้งหมด และแบ่งตามภูมิภาค และกลุ่มเพศ
เมื่อเหมาะสม พิจารณา rightskewed
จำหน่ายมากที่สุดของเลือดและตัวแปรใหม่ของการบริโภคอาหาร
มัชฌิมเรขาคณิตมีค่าให้ ในกรณีนี้ เพราะ
M lemire et al .วิทยาศาสตร์สิ่งแวดล้อม ( จากทั้งหมด 509 510 ( 2015 ) 248 ( 259 251of ลอการิทึมคุณสมบัติ ผลงานของแต่ละสินค้าอาหารเพื่อการบริโภคโดยรวมของประเทศ
อาหาร mehg SE เปลี่ยนตัว n − 3 PUFA
และคำนวณตามที่อธิบายไว้ในการเสริมวัสดุส่วน S1 .
แบบจำลองความถดถอยพหุคูณ เพื่อตรวจสอบ สมาคม
ระหว่างเลือดใหม่หรืออาหารคน ( เป็นตัวแปรต่อเนื่อง )
และภูมิภาค อายุและเพศ ( ตัวแปรต่อเนื่องหรือจำแนกประเภท ) .
ค่าสัมประสิทธิ์ความสัมพันธ์ ( R ) โดยมีวัตถุประสงค์เพื่อศึกษา ความสัมพันธ์ระหว่าง
เลือดใหม่ทั้งหมดประมาณ 2 , เลือดและค่าพยากรณ์
( ตัวแปรต่อเนื่องกับรูปกระจาย ) .
น้ำหนักจำนวนรวมอยู่ในทั้งหมดของสถิติ
การวิเคราะห์ที่จะเข้าบัญชีที่ซับซ้อนตัวอย่างที่ใช้ใน
ออกแบบในการศึกษานี้ ขั้นตอนการบูท เป็นอีกเทคนิคการสุ่มตัวอย่างสำหรับความแปรปรวน
ประมาณซับซ้อนการสำรวจการออกแบบที่ให้กำไรใน
ความแม่นยำของประมาณการ และใช้เมื่อจำเป็นตามที่อธิบายไว้ใน วาเลร่า
et al . ( 2009 ) ผลลัพธ์ที่ได้กำหนดนัยสำคัญทางสถิติที่ p
b 0.05 วิเคราะห์ข้อมูลโดยใช้การเสด็จพระราชดำเนิน ( สถาบัน SAS
Inc . , USA ) และ sudann ( 10.0.1 )