Log Transformation and the Effect on Estimation, Implication, and Interpretation of Mean and Measurement Uncertainty in Microbial Enumeration
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background: Estimation of measurement uncertainty (MU) has been extensively addressed in documents from standard authorities. In microbiology, bacterial counts are log transformed to get a more normal distribution. Unfortunately, the difference between using original and log-transformed data appears to not have been investigated even in publications focusing on MU estimation. Method: Statistical formulae inferencing and estimation of MU using real bacterial enumeration datasets. Results: Both mean and SD calculated from original data carry the same scale and unit as the original data. However, the mean of log-transformed data becomes a geometric mean in log, and the SD becomes the logarithm of a ratio. Furthermore, calculation of RSD obtained by dividing the SD by the mean is meaningless and misleading for log-transformed data. The ratio, the antilog of the SD of log-transformed data, copes with multiplicative and divisive relationships to geometric mean (without log), instead of the arithmetic mean. The ratio can be converted to an analog ratio, which is similar or almost identical to the RSD of the untransformed data, especially when the within-subject variation is small. When MU is estimated from multiple samples with different measurands, the calculated RSD of original data is independent of the mean and can be pooled; however, for log-transformed data, the SD can be combined to estimate the common uncertainty. Conclusions: Calculation and use of RSD of log-transformed data are meaningless and misleading. Procedures outlining the estimation and interpretation of MU from log-transformed data require re-evaluation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle