MétaCan
Menu
Retour à la cohorte
Enregistrement W4389150110 · doi:10.1017/s0021859623000588

Statistical options for the analysis of <i>in vitro</i> gas production profiles illustrated using rumen liquor as the inoculum

2023· article· en· W4389150110 sur OpenAlexafffund
M.S. Dhanoa, R. Sanderson, S.J. Lister, Rogério Martins Maurício, Secundino López, J.L. Ellis, Christopher D. Powell, J. France

Notice bibliographique

RevueThe Journal of Agricultural Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesUniversity of NottinghamNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsUniversity of Cambridge
Mots-clésAnalysis of varianceAnalysis of covarianceMathematicsRepeated measures designStatisticsMultivariate analysis of varianceMultivariate statisticsCovarianceStatistical analysisAnimal scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The use of repeated measures analysis of variance (ANOVA) options for the analysis of in vitro ruminal fermentation gas production profiles is illustrated. Because of the different variances and covariance structures among profile observations, ordinary ANOVA for more than two-time points is not recommended. To mitigate this problem, the Greenhouse–Geisser epsilon correction can be applied to reduce the degrees of freedom, inflated by violation of the sphericity assumption, for F ratio probability calculations. After this correction, the Box–Greenhouse–Geisser ANOVA (modified ANOVA) layout appears similar to the layout of a split-plot design ANOVA with whole plots divided into subplots (incubation time). Any F tests in the main plot part are valid but F tests involving the time factor from the subplot part need modification because time factor, by its very nature, cannot be allocated at random. Application of multivariate ANOVA, distance multivariate ANOVA, ante-dependence and mixed model analysis are also considered. All these options lend themselves to wide application in the applied biological sciences.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,287
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Agricultural ScienceMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207