1 / 47

การวางแผนการทดลองทางสัตว์

การวางแผนการทดลองทางสัตว์. ร ศ.ดร.มนต์ชัย ดวงจินดา. ภาควิชาสัตวศาสตร์ คณะเกษตรศาสตร์ มหาวิทยาลัยขอนแก่น. Contents. Planning Experiments Basic Experimental Design Frequently asked question Some useful technique for treatment analysis Example and SAS usage

bing
Download Presentation

การวางแผนการทดลองทางสัตว์

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. การวางแผนการทดลองทางสัตว์การวางแผนการทดลองทางสัตว์ รศ.ดร.มนต์ชัย ดวงจินดา ภาควิชาสัตวศาสตร์ คณะเกษตรศาสตร์ มหาวิทยาลัยขอนแก่น

  2. Contents • Planning Experiments • Basic Experimental Design • Frequently asked question • Some useful technique for treatment analysis • Example and SAS usage • Specific question for different species

  3. ทำไมต้องทำการทดลอง? • ตอบข้อสงสัย • ขยายขอบเขตทางวิชาการ ค้นหาวิธีการใหม่ ปรับวิธีการเก่าหรือทดสอบหรือเปรียบเทียบกับสิ่งใหม่ • พิสูจน์ทฤษฏี เพื่อยืนยันหรือล้มล้าง

  4. STEPS IN PLANNING EXPERIMENT กำหนดปัญหา รวบรวมข้อมูล จัดเตรียมข้อมูล ตั้งวัตถุประสงค์ ทำการทดลอง วิเคราะห์ทางสถิติ ค้นคว้าเอกสาร แปลผล กำหนดทรีทเมนต์ กำหนดขนาดงานทดลอง เขียนรายงาน นำใช้ เลือกแผนการทดลอง

  5. Ex งานทดลองหนึ่งผู้วิจัยต้องการทดสอบสารออกฤทธิ์ขับปัสสาวะ 2 ชนิดในสุนัข ดังนี้ เพศ พันธุ์ อายุ สาร ปัสสาวะ D 10 F 260 B 30 F 235 T 100 P 115 D 7 C 130 T 120 C 200 B 80 P 80 ทำไมต้องวางแผน ? ค่าเฉลี่ย =250 =100 =160 F: Furasimide P: เหง้าสับปะรด C: Control D=dulmation, B=boxer, T=Thai

  6. ความสำคัญของการวางแผนการทดลองความสำคัญของการวางแผนการทดลอง • หลีกเลี่ยงอิทธิพลพัวพัน เพื่อการสรุปผลที่แม่นยำ น่าเชื่อถือ • เพื่อสะดวกในการจัดการ • ทำให้สามารถเข้าใจเป็นสากล • เป็นการสร้างงานทดลองที่มีคุณภาพและมีมาตรฐาน

  7. องค์ประกอบหลักของงานทดลององค์ประกอบหลักของงานทดลอง • หน่วยทดลอง (Experimental units) • ทรีทเมนต์ (Treatments) • ซ้ำ (Replications) • การสุ่ม (Randomization) • การควบคุมความคลาดเคลื่อนงานทดลอง (Control of Experimental Error)

  8. ค่าสังเกต ค่าสังเกต ทรีทเมนต์ชนิดยา ทรีทเมนต์สูตรอาหาร A,B,C อัตราการเต้นของหัวใจ ADG อัตราการหายใจ FCR อื่น ๆ ….. อื่น ๆ ….. หน่วยทดลอง แบบเดี่ยว แบบกลุ่ม

  9. ประเภทของทรีทเมนต์ 1) ทรีทเมนต์คุณภาพ (Qualitative Treatment)- รูปแบบวิธีการ สูตรอาหารสายพันธุ์จุลินทรีย์ สารเคมีชนิดต่างๆ 2) ทรีทเมนต์ปริมาณ (Quantitative Treatment) - ระดับยาปฏิชีวนะในสูตรอาหาร, อัตราเร็วของการให้น้ำเกลือ, ระยะเวลาในการเก็นน้ำเชื้อแช่แข็ง

  10. การวิเคราะห์ค่าเฉลี่ยทรีทเมนต์การวิเคราะห์ค่าเฉลี่ยทรีทเมนต์ • Multiple comparisons • Orthogonal contrasts • Orthogonal polynomials

  11. LSD DUNCAN SNK TUKEY SCHEFFE Highest Critical Value Smallest Critical Value Easy to Non-Sig Easy to Significant Multiple Comparisons • การเปรียบเทียบค่าเฉลี่ยแบบเป็นคู่ • ไม่ควรใช้หาก F-test จาก ANOVA ไม่พบนัยสำคัญ • ตัวทดสอบแต่ละตัวให้ผลการทดสอบแตกต่างกันได้

  12. Orthogonal Contrast • ใช้ในกรณีที่ทรีทเมนต์สามารถจัดเป็นกลุ่มในการ เปรียบเทียบได้ • เป็น Pre-Plan comparisons โดยใช้ตัวสถิติ F เป็นตัวทดสอบ • ใน SAS ใช้ PROC GLM

  13. Example • การเปรียบเทียบอาหารโคนม 4 สูตร • T1 = 16% CP (control) • T2 = 16% CP + Monensin • T3 = 16% CP + Virginiamycin • T4 = 16% CP + Yeast

  14. Source DF Type III SS Mean Square F Value Pr > F PERIOD 1 0.0416667 0.0416667 0.01 0.9286 TRT 3 128.4583333 42.8194444 8.46 0.0009** Contrast DF Contrast SS Mean Square F Value Pr > F T1 VS T2,T3,T4 1 1.68055556 1.68055556 0.33 0.5711 T3 VS T2,T4 1 93.44444444 93.44444444 18.47 0.0004** T2 VS T4 1 33.33333333 33.33333333 6.59 0.0189**

  15. Orthogonal Polynomials • ใช้ในกรณีที่ทรีทเมนต์เป็นค่าตัวเลขแสดงปริมาณ • การเปรียบเทียบค่าเฉลี่ยแบบเป็นคู่ ไม่สามารถสรุปแนวโน้มการตอบสนอง (trend) ได้ • ใน SAS ใช้ PROC GLM

  16. 0 10 20 30 Example • การทดสอบการใช้ฮอร์โมน GnRH ต่อขนาดรังไข่ปลานิล • T1 = 0 IU • T2 = 10 IU • T3 = 20 IU • T4 = 30 IU นน.รังไข่

  17. Source DF Type III SS Mean Square F Value Pr > F GNRH 3 206394.0000 68798.0000 7.05 0.0055** Contrast DF Contrast SS Mean Square F Value Pr > F Linear 1 199200.8000 199200.8000 20.42 0.0007** Quadratic 1 6241.0000 6241.0000 0.64 0.0093** Cubic 1 952.2000 952.2000 0.10 0.7601

  18. ปัจจัย (Factor)T1T2T3 การใช้ embryo MEDIA TCM199 Whittingham H&P การลด Aflatoxin Propronateผึ่งแดด Control การใช้ antibiotic Streptomycin Oxytocin Tylosin การใช้วัคซีน rec-Vac con-Vac Control ลักษณะการจัดทรีทเมนต์ 1) Single factor การศึกษาเพียงปัจจัยเดียวในการทดลอง

  19. การเสริมไขมัน (Factor B) แหล่งโปรตีน(Factor A) กากถั่วเหลืองปลาป่น (a1) (a2) 0%2% 4% (b1) (b2) (b3) 2) Multifactor การศึกษาหลายปัจจัยร่วมกันในการทดลอง treatment ที่จะใช้จึงเป็น combination ของทุกปัจจัย

  20. b1 a1b1 = T1 SB+ 0% FAT b2 a1b2 = T2 SB+ 2% FAT b3 a1b3 = T3 SB+ 4% FAT b1 a2b1 = T4FM+ 0% FAT b2 a2b2 = T5FM+ 2% FAT b3 a2b3 = T6FM+ 4% FAT a1 a2 Treatment Combination SB=กากถั่วเหลืองFM=ปลาป่น Factor A Factor B Treatment

  21. SB FM %Fat การอ่านผล factorial experiments Source DF Anova SS Mean Square F Value Pr > F PROT 1 12.32450000 12.32450000 51.41 0.0001** FAT 2 0.08450000 0.08450000 0.35 0.5610 PROT*FAT 2 2.66450000 2.66450000 11.11 0.0042 ** Interaction significant ต้องแปลผลแยก เปรียบเทียบผลการเสริมไขมันแยกในแต่ละแหล่งโปรตีน

  22. Replications • ความสำคัญของ replication • ประเมิน MSE • –หากไม่มี rep , DF error = 0 • เพิ่ม precision ให้กับค่าเฉลี่ยทรีทเมนต์ • – การเพิ่ม rep ช่วยทำให้ค่า SEM ลดลง ค่าเฉลี่ยที่ได้มีความ ถูกต้องมากขึ้น • ช่วยควบคุมความคลาดเคลื่อนงานทดลอง • – ในกรณีที่เพิ่ม block จะช่วยลด MS(block) ออกจาก MSE • เพิ่ม power of test • – เพิ่มประสิทธิภาพการทดสอบ

  23. การประเมิน Replications1 Steel &Terri ต้องการ DF error > 9

  24. การประเมิน Replications 2 Starting step กำหนดค่า CV และ DF(ERR) เริ่มต้นสำหรับ t-alpha และ t-power of test CV = coefficient of variation  = ความแตกต่างที่ต้องการ detect ได้ (%of mean 1- = power of test  = ระดับนัยสำคัญ Iterative step นำค่าซ้ำที่ได้มาประเมินค่า DF(ERR) จากนั้นคำนวณซ้ำอีกครั้ง ทำจนกระทั่งได้ค่าซ้ำคงที่

  25. Step1: ลองกำหนด DF(Err) = 9, t.025(9) = 2.69, t.80(9) = 0.261 Step 2: DF(Err) = t(r-1) = 4*(5-1) = 16, t.025(16) = 2.47, t.80(16) = 0.256 EX ต้องการสร้างงานทดลอง CRD 4 ทรีทเมนต์ กำหนดลักษณะมี Cv=10%, ต้องการทดสอบพบความแตกต่างหากความแตกต่างมากกวา 20%

  26. Step 2: DF(Err) = t(r-1) = 4*(4-1) = 12, t.025(12) = 2.59, t.80(12) = 0.259 สรุปต้องใช้ rep เท่ากับ 4 EX (‘Cont)

  27. Group t-TEST Two Groups Paired t-TEST Equal or Greater than Two Groups CRD, RCBD Simple Cross-over, Latin Square Split-plot in Time ANOVA Basic Experimental Design • Continuous Trial • Cross-over Trial • Repeated Measurement Trial

  28. t-TEST • ใช้กับการเปรียบเทียบ 2 ทรีทเมนต์ • Unrelated treatments => group t-TEST • Related treatments => paired t-TEST • การเลือกใช้ให้สังเกตว่า: • 2 ทรีทเมนต์ ที่ศึกษาเป็นอิสระต่อกันหรือมีความสัมพันธ์กัน

  29. E.U. = 10 T2 TRT = 2 (T1 = Drug1, T2 = Drug2) T2 T2 T1 T1 T2 T1 T1 T2 T1 T1 T2 T2 T1 T2 T1 T2 T2 T1 T1 Rep = 5 ตัว/TRT Group t-TEST Drug1 และ Drug2 อิสระต่อกัน

  30. E.U. = 5 TRT = 2 (T1 = Normal, T2 = Stress) ทำให้เครียด สภาพปกติ สภาพเครียด T1 T2 T1 T2 T2 T1 T1 T2 T2 T1 Rep = 5 ค่าสังเกต/TRT Paired t-TEST ค่าสังเกตจาก T1 และ T2 มาจากหน่วยทดลองเดียวกัน

  31. CRD • แผนงานทดลองแบบสุ่มสมบูรณ์ (Completely Randomized Design) • ใช้กับการเปรียบเทียบตั้งแต่ 2 ทรีทเมนต์ขึ้นไป • หน่วยทดลองหรือสัตว์มีความสม่ำเสมอกัน • จัดทรีทเมนต์ให้กับหน่วยทดลองอย่างสุ่ม

  32. E.U. = 9 TRT = 3 (T1 = สูตร1, T2 = สูตร2, T3 = สูตร3) T2 T3 T3 T1 T1 T2 T2 T3 T1 T1 T2 T1 T2 T3 T1 T2 T3 T3 Rep = 3 ตัว/TRT CRD สูตร1, สูตร2 และ สูตร3 อิสระต่อกัน

  33. MODEL:Yij = µ + Ti + Eij

  34. RCBD • แผนงานทดลองแบบบล็อกสมบูรณ์ (Randomized Complete Block Design) • ใช้กับการเปรียบเทียบตั้งแต่ 2 ทรีทเมนต์ขึ้นไป • สัตว์ที่ใช้สามารถแยกปัจจัยผันแปรได้ 1 อย่างที่สามารถจัดเป็นกลุ่มได้ก่อนให้ทรีทเมนต์ • หน่วยทดลองต้องมีความสม่ำเสมอภายในบล็อก • จัดทรีทเมนต์ให้กับหน่วยทดลองอย่างสุ่มภายในแต่ละบล็อก

  35. E.U. = 9 TRT = 3 (T1 = Drug1, T2 = Drug2, T3 = Drug3) T1 T1 T3 T2 T2 T3 T2 T3 T1 RCBD Drug1, Drug2 และ Drug 3 ถูกสุ่มภายในแต่ละบล็อก

  36. MODEL:Yij = µ + BKi + Tj + Eij

  37. Simple Cross-over Design • แผนงานทดลองแบบเปลี่ยนสลับอย่างง่าย • ใช้กับการเปรียบเทียบ2 ทรีทเมนต์ • สัตว์แต่ละตัวจะได้รับทั้ง 2 ทรีทเมนต์ โดยมีการเปลี่ยนสลับใน period ถัดไป • ดังนั้นจึงใช้เวลา 2 period

  38. E.U. = 6 TRT = 2 (T1 = Feed1, T2 = Feed2) T1 T2 T2 T1 T2 T1 Period 1 Period 2 T2 T1 T1 T2 T1 T2 Simple Cross-over ค่าสังเกตจาก T1 และ T2 มาจากหน่วยทดลองเดียวกัน

  39. Split-Plot Design • แผนงานทดลองแบบสปลิทพลอท (Split plot Design) • มี 2 ปัจจัย แต่มีการสุ่มทีละปัจจัยให้กับหน่วยทดลอง

  40. E.U.(Main plot) = 9 A = 3 (A1 = สูตร1, A2 = สูตร2, A3 = สูตร3) A2 A3 A3 A1 A1 A2 A2 A3 A1 A1 A2 A1 A2 A3 A1 A2 A3 A3 A2 A3 A1 B1B2 B1B2 B2 B1 B1B2 B1B2 B1B2 B2 B1 B2 B1 B2 B1 Split-PlotMain plot CRD Subplot B = 2 (B1,B2)

  41. MODEL:Yijk = µ + Ai + Err(a) +Bj + ABij + Eijk

  42. Repeated Measurement Design • แผนงานทดลองที่มีการวัดซ้า • เป็นการวางแผนแบบ CRD หรือ RCBD ตามปกติ แต่มีวัดค่าสังเกตซ้ำเป็นระยะ เช่น ทุกสัปดาห์ ทุกเดือน ฯลฯ • ใช้ข้อมูลทั้งหมดในการวิเคราะห์ ทำให้ทราบเพิ่มถึงการตอบสนองของแต่ละทรีทเมนต์เมื่อเวลาเปลี่ยนไป

  43. T1 T1 T2 T2 T2 T2 T1 T1 T2 T1 T2 T2 T2 T1 T1 T1 T1 T2 T1 T2 T2 T1 T2 T1 T2 T1 T1 T1 T2 T1 T2 T2 Repeated Measurement WK1 WK2 WK3 WK4

  44. Spherecity test for correlated error YES NO Multivariate Technique Split-plot in time Pseudo F adjustedby G-G or H-F method RegularSplit-plot in time Wilk’s lambda statistics Repeated measurement analysis

  45. T2 T1 Repeated Measurement WK1 WK2 WK3 WK4

  46. Simple reg. Chi-square Censor data Regression Multiple reg. Logistics model Probit analysis Non-linear model, Time series model Other Statistical Analysis in Animal Research • Prediction • Categorical Data analysis • Survival analysis • Cluster analysis, discriminant etc.

  47. EMAIL: monchai@kku.ac.th

More Related