Información

¿Cuál es el significado de un valor de DO600 informado?

¿Cuál es el significado de un valor de DO600 informado?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

No puedo encontrar una referencia que explique qué significa, por ejemplo, OD600 = 0.1.

Por ejemplo, Wikipedia dice

OD600 es una abreviatura que indica la absorbancia o densidad óptica de una muestra medida a una longitud de onda de 600 nm.

En otras palabras, el valor OD600 informa (una función de) qué porcentaje de luz atraviesa una muestra. Pero eso depende del grosor de la muestra. Pasará más luz a través de 1 milímetro de fluido que a través de 1 metro del mismo fluido. Entonces, ¿cuál es el grosor de la muestra involucrada al informar OD600? ¿O el OD600 es independiente de eso, de modo que en realidad tiene unidades que la gente simplemente omite? En ese caso, ¿cuáles son las unidades? ¿Cuál es una interpretación física precisa de lo que se entiende por la medición OD600 = 0,1?

Suponga OD600 = 0.1 para alguna muestra. Hago brillar 1 mW de luz láser de 600 nm a través de una trayectoria de 1 cm de longitud de la muestra. ¿Qué es la potencia transmitida?


Para la mayoría de los espectrofotómetros de laboratorio, la longitud de la trayectoria en la cubeta que contiene la muestra es de 1 cm y, a menos que se especifique otra longitud de trayectoria para la luz, siempre se puede suponer que la ley de Beer-Lambert para la absorción de luz utiliza 1 cm.

Cuando se cultiva un cultivo líquido bacteriano en una incubadora, la DO (la longitud de onda suele ser de 550 nm o 600 nm) es una aproximación del número de células, o unidades formadoras de colonias, o ufc, por ml de cultivo.

La receta, o protocolo, normalmente especificará la cepa bacteriana a usar y la DO deseada (momento en el cual se recolectan las células en crecimiento o posiblemente se agrega algo más al cultivo, como un medicamento o una reserva viral).

Para saber realmente el número de ufc / ml para una cepa bacteriana específica, es necesario construir una curva de crecimiento tomando alícuotas en puntos de tiempo definidos y leyendo la DO, y también colocando algunas diluciones en serie. Después de incubar las placas a la temperatura correcta, se puede contar el número de células por ml y graficar ufc / ml frente a OD600 (por ejemplo).


La DO600 se usa generalmente en biología molecular como una medida de la densidad de bacterias en una muestra. Esa frecuencia de luz normalmente tiene poca otra dispersión y los cuerpos bacterianos

La interpretación de una absorbancia específica es por la ley de Beer:

A = abc

a = absorbancia específica de la luz a esa frecuencia por la muestra b = la concentración de la muestra c = la longitud del camino; la longitud de la muestra a lo largo del camino de la luz que brilla a través de la muestra

En la práctica, para la DO600, una absorbancia de 0,1 normalmente no se convierte, pero se entiende como una baja concentración de bacterias en la muestra. Normalmente, la E. coli y la mayoría de las bacterias comenzarán a crecer de forma logarítmica, dividiéndose regularmente para que la DO600 se duplique en un período de 10 minutos en adelante, dependiendo de la bacteria.

Alrededor de DO600 = 1.0, las bacterias dejarán de dividirse, lo que se denomina "fase estacionaria". En la práctica, la mayoría de las mediciones de DO600 no son precisas por encima de este nivel en la mayoría de los instrumentos, ya que la ley de Beer solo es precisa en forma lineal en muestras diluidas.


En estadística, el valor p es la probabilidad de obtener resultados al menos tan extremos como los resultados observados de una prueba de hipótesis estadística, asumiendo que la hipótesis nula es correcta. El valor p se utiliza como una alternativa a los puntos de rechazo para proporcionar el nivel más pequeño de significancia en el que se rechazaría la hipótesis nula. Un valor p más pequeño significa que hay pruebas más sólidas a favor de la hipótesis alternativa.

Conclusiones clave

  • Un valor p es una medida de la probabilidad de que una diferencia observada pudiera haber ocurrido simplemente por casualidad.
  • Cuanto menor sea el valor p, mayor será la significación estadística de la diferencia observada.
  • El valor p se puede utilizar como una alternativa o además de los niveles de confianza preseleccionados para la prueba de hipótesis.

¿Cuál es el significado de un valor de DO600 informado? - biología

Nuestros editores revisarán lo que ha enviado y determinarán si deben revisar el artículo.

PH, medida cuantitativa de la acidez o basicidad de soluciones acuosas u otras soluciones líquidas. El término, ampliamente utilizado en química, biología y agronomía, traduce los valores de la concentración del ion hidrógeno, que normalmente oscila entre 1 y 10-14 equivalentes gramo por litro, en números entre 0 y 14. En agua pura , que es neutro (ni ácido ni alcalino), la concentración del ión hidrógeno es de 10-7 equivalentes-gramos por litro, lo que corresponde a un pH de 7. Una solución con un pH inferior a 7 se considera ácida una solución con un El pH superior a 7 se considera básico o alcalino.

La medición fue utilizada originalmente por el bioquímico danés S.P.L. Sørensen para representar la concentración de iones de hidrógeno, expresada en equivalentes por litro, de una solución acuosa: pH = −log [H +] (en expresiones de este tipo, encerrar un símbolo químico entre corchetes denota que la concentración de la especie simbolizada es la cantidad que se está considerando).

Debido a la incertidumbre sobre el significado físico de la concentración de iones de hidrógeno, la definición del pH es operativa, es decir, se basa en un método de medición. El Instituto Nacional de Estándares y Tecnología de EE. UU. Ha definido los valores de pH en términos de la fuerza electromotriz existente entre ciertos electrodos estándar en soluciones específicas.

El pH generalmente se mide con un medidor de pH, lo que traduce en lecturas de pH la diferencia en la fuerza electromotriz (potencial eléctrico o voltaje) entre los electrodos adecuados colocados en la solución a probar. Básicamente, un medidor de pH consiste en un voltímetro conectado a un electrodo sensible al pH y un electrodo de referencia (invariable). El electrodo sensible al pH suele ser de vidrio y la referencia suele ser un electrodo de mercurio-cloruro de mercurio (calomelanos), aunque a veces se utiliza un electrodo de plata-cloruro de plata. Cuando los dos electrodos se sumergen en una solución, actúan como una batería. El electrodo de vidrio desarrolla un potencial eléctrico (carga) que está directamente relacionado con la actividad de iones de hidrógeno en la solución, y el voltímetro mide la diferencia de potencial entre los electrodos de vidrio y de referencia. El medidor puede tener una lectura digital o analógica (escala y aguja desviada). Las lecturas digitales tienen la ventaja de la exactitud, mientras que las lecturas analógicas brindan mejores indicaciones de las tasas de cambio. Los medidores de pH portátiles que funcionan con baterías se utilizan ampliamente para las pruebas de campo del pH de los suelos. Las pruebas de pH también se pueden realizar, con menor precisión, con papel tornasol o mezclando tintes indicadores en suspensiones líquidas y comparando los colores resultantes con una tabla de colores calibrada en pH.

En agricultura, el pH es probablemente la propiedad individual más importante de la humedad asociada con un suelo, ya que esa indicación revela qué cultivos crecerán fácilmente en el suelo y qué ajustes deben hacerse para adaptarlo al cultivo de cualquier otro cultivo. Los suelos ácidos a menudo se consideran infértiles, por lo que lo son para la mayoría de los cultivos agrícolas convencionales, aunque las coníferas y muchos miembros de la familia Ericaceae, como los arándanos, no prosperan en suelos alcalinos. La tierra ácida se puede "endulzar" o neutralizar tratándola con cal. A medida que aumenta la acidez del suelo, también lo hace la solubilidad del aluminio y el manganeso en el suelo, y muchas plantas (incluidos los cultivos agrícolas) tolerarán solo pequeñas cantidades de esos metales. El contenido ácido del suelo aumenta por la descomposición de material orgánico por acción microbiana, por sales fertilizantes que hidrolizan o nitrifican, por oxidación de compuestos de azufre cuando las marismas se drenan para su uso como tierras de cultivo y por otras causas.

Los editores de la Encyclopaedia Britannica Este artículo fue revisado y actualizado más recientemente por Barbara A. Schreiber.


¿Cuál es la definición de cuidado holístico?

La definición de atención integral puede variar de una persona a otra. Como concepto relativamente nuevo en el cuidado de la salud, muchos no lo comprenden completamente. Así que vamos a discutir esto con más profundidad respondiendo la siguiente pregunta que recibí de un visitante del sitio.

Hola, estoy estudiando enfermería y estoy muy interesado en el lado holístico de la atención. Sin embargo, ¿podría ayudarnos a comprender plenamente el término atención integral? Actualmente creo que debe ser pensar en la & # 8220 imagen completa & # 8221 para el paciente. Por ejemplo, si alguien sufre de estrés, fíjate si hay problemas de dinero, dieta, problemas de sueño, etc. Gracias, Zac.

Sí, estás en el camino correcto. Mirar el panorama completo es el principio básico subyacente en la atención médica integral. Sin embargo, es un poco más completo que eso.

El término holístico puede tener diferentes significados para varias personas, por lo que, hasta cierto punto, depende de la interpretación de la persona con la que está hablando sobre la definición que obtendrá. Así es como yo lo veo.

El cuidado de la salud integral se dirige al cuerpo, la mente y el espíritu (por espíritu, me refiero a la esencia no física de quiénes somos). Por ejemplo, si alguien tiene una afección médica, observamos cómo le afecta emocional y espiritualmente y viceversa. Para funcionar de la manera más óptima, los tres aspectos físicos, emocionales y espirituales deben abordarse porque están interconectados.

Además, abarca todos los demás aspectos que se entrelazan para crear un individuo, como la personalidad, el comportamiento, el entorno, la socialización y el condicionamiento. Por ejemplo, cuando ayudamos a alguien a diseñar un plan de dieta saludable, no solo le damos una lista de alimentos que debe evitar, también debemos brindarle consejos y apoyo para que se adhiera a sus restricciones y ayudarlo a dejar de lado la socialización y el acondicionamiento. Y cualquier buen médico es consciente de que las toxinas ambientales de las sustancias químicas cotidianas e incluso nuestro entorno social pueden influir en todas las condiciones de salud.

El camino de curación o el plan de atención médica en un enfoque holístico será diferente para cada individuo, incluso si comparten el mismo diagnóstico con otros. Las dosis, dietas, métodos de tratamiento, etc. variarán para cada persona dependiendo de otras condiciones de salud que puedan enfrentar, el nivel general de salud, su bioquímica única, sensibilidades y necesidades en todos los niveles.

Cada persona y situación es única, incluso aquellos con la misma condición de salud no tienen la misma experiencia. Cada persona puede verse afectada de manera diferente y no todos responden a un tratamiento en particular de la misma manera. Aunque comparta la misma condición de salud con otra persona, cada uno de ustedes tiene una química y una genética corporal únicas y la misma enfermedad puede tener un proceso o impacto diferente de persona a persona. Lo que funciona para una persona no necesariamente funciona para otra. Por ejemplo, una persona con migrañas puede necesitar evitar una lista de alimentos mientras que otra persona necesita evitar una lista diferente de alimentos.

Hasta este punto, en mi enfoque holístico de la salud, lo ayudo a individualizar su dieta de acuerdo con sus necesidades bioquímicas únicas. En el centro de mi enfoque está la creencia de que la base para la curación se construye ante todo con los alimentos que consume y sus necesidades dietéticas se verán influenciadas por cualquier condición de salud que pueda estar enfrentando o lo que pretenda lograr y, por lo tanto, , la dieta debe personalizarse para abordar estos aspectos también.

Un factor principal que diferencia la atención holística de la atención tradicional es que se centra en gran medida en el autocuidado. El paciente o cliente está muy involucrado en todo el proceso del plan de atención médica desde el diagnóstico hasta el tratamiento. Se les anima a participar activamente en la investigación, la educación, las opciones de tratamiento y la atención continua. La responsabilidad de su curación está en sus manos, no en su médico.

Los profesionales de la salud integral tienden a creer que la herramienta más poderosa que cada uno de nosotros tiene para sanar es el conocimiento. Cuanto más informado esté un individuo sobre su propia condición y cuerpo, mejor estará en todos los niveles. Ayuda al cliente a sentirse empoderado y menos dependiente del sistema. En la medicina convencional, el médico sabe más, pero en la atención holística, el cuerpo del individuo es el que tiene más conocimientos. Se anima al paciente a aprender a estar en sintonía con su cuerpo y a escucharlo.

A diferencia de la medicina moderna, buscamos las causas subyacentes de una afección en lugar de solo tratar los síntomas e individualizamos el plan de curación para las necesidades únicas de cada persona. Por ejemplo, alguien con depresión, ansiedad, fatiga crónica o antojos de azúcar y carbohidratos puede tener fatiga suprarrenal, hipotiroidismo, hipoglucemia, crecimiento excesivo de Candida y / o desequilibrios de neurotransmisores. Todas estas vías deben explorarse y descartarse. Cuando se abordan los problemas subyacentes, los síntomas mejoran.

Un enfoque holístico de la salud no excluye necesariamente por completo el uso de productos farmacéuticos. Sin embargo, se eligen solo como último recurso y se utilizan además de los métodos naturales, no en lugar de. En la mayoría de los casos, la medicación sintética no cura ni aborda las raíces de ningún problema de salud, solo funcionan como curitas temporales que, en última instancia, causan un mayor deterioro de la salud o problemas de salud nuevos y más complicados a largo plazo. Sin embargo, puede haber circunstancias en las que se requiera un fármaco y el mejor curso de acción, especialmente si se trata de microbios.

En el cuidado holístico, es importante recordar que lograr una salud óptima no siempre significa que estamos & # 8220 curados & # 8221. También puede significar vivir y funcionar de la manera más óptima posible con su condición, manejándola de la mejor manera posible. . Alcanzar la paz y la armonía en medio de la tormenta, mientras se esfuerza por lograr una salud más óptima.

Permítame guiarlo a lo largo de su camino de salud integral. Independientemente de la condición de salud que esté enfrentando, puedo ayudarlo a avanzar hacia un nivel más alto de salud y optimizar su salud física, emocional / mental, cognitiva, social y espiritual al descubrir los factores subyacentes a sus síntomas, individualizar su dieta y explorar una variedad de estrategias de cuidado personal que le permitan tomar el control de su propio plan de atención médica.


La prueba de Tukey HSD

A John Tukey se le ocurrió la prueba que lleva su nombre cuando se dio cuenta de los errores matemáticos de tratar de usar valores P independientes para determinar la utilidad de una hipótesis de variables múltiples en su conjunto. En ese momento, las pruebas t se estaban aplicando a tres o más grupos, y él consideró que esto era deshonesto, por lo tanto, "una diferencia honestamente significativa".

Lo que hace su prueba es comparar las diferencias entre medias de valores en lugar de comparar pares de valores. El valor de la prueba de Tukey se obtiene tomando el valor absoluto de la diferencia entre pares de medias y dividiéndolo por el error estándar de la media (SE) determinado por una prueba ANOVA unidireccional. El SE es a su vez la raíz cuadrada de (la varianza dividida por el tamaño de la muestra). En la sección Recursos se incluye un ejemplo de calculadora en línea.

La prueba de Tukey es una prueba post hoc en el sentido de que las comparaciones entre variables se realizan después de que los datos ya se hayan recopilado. Esto difiere de una prueba a priori, en la que estas comparaciones se realizan de antemano. En el primer caso, puede observar los tiempos de carrera de una milla de los estudiantes en tres clases diferentes de educación física durante un año. En el último caso, puede asignar a los estudiantes a uno de los tres maestros y luego hacer que corran una milla cronometrada.


Error estandar de la media

Cuando toma una muestra de observaciones de una población y calcula la media muestral, está estimando la media paramétrica, o la media de todos los individuos de la población. La media de la muestra no será exactamente igual a la media paramétrica que está tratando de estimar y le gustaría tener una idea de qué tan cercana es la media de la muestra. Si el tamaño de su muestra es pequeño, su estimación de la media no será tan buena como una estimación basada en un tamaño de muestra más grande. Aquí hay 10 muestras aleatorias de un conjunto de datos simulados con una media verdadera (paramétrica) de 5. Las X representan las observaciones individuales, los círculos rojos son las medias muestrales y la línea azul es la media paramétrica.

Observaciones individuales (X) y medias (puntos rojos) para muestras aleatorias de una población con una media paramétrica de 5 (línea horizontal). Observaciones individuales (X) y medias (círculos) para muestras aleatorias de una población con una media paramétrica de 5 (línea horizontal).

Como puede ver, con un tamaño de muestra de solo 3, algunas de las medias de la muestra no se acercan mucho a la media paramétrica. La primera muestra resultó ser tres observaciones que eran todas mayores que 5, por lo que la media de la muestra es demasiado alta. La segunda muestra tiene tres observaciones que fueron menos de 5, por lo que la media de la muestra es demasiado baja. Con 20 observaciones por muestra, las medias muestrales están generalmente más cerca de la media paramétrica.

Una vez que haya calculado la media de una muestra, debe informar a las personas qué tan cerca es probable que la media de la muestra esté a la media paramétrica. Una forma de hacer esto es con el error estándar de la media. Si toma muchas muestras aleatorias de una población, el error estándar de la media es la desviación estándar de las diferentes medias muestrales. Aproximadamente dos tercios (68,3%) de las medias de la muestra estarían dentro de un error estándar de la media paramétrica, el 95,4% estaría dentro de dos errores estándar y casi todos (99,7%) estarían dentro de tres errores estándar.

Medias de 100 muestras aleatorias (N = 3) de una población con una media paramétrica de 5 (línea horizontal). Medias de 100 muestras aleatorias (N = 3) de una población con una media paramétrica de 5 (línea horizontal).

Aquí hay una figura que ilustra esto. Tomé 100 muestras de 3 de una población con una media paramétrica de 5 (mostrada por la línea azul). La desviación estándar de las 100 medias fue de 0,63. De las 100 medias de la muestra, 70 están entre 4,37 y 5,63 (la media paramétrica y el error estándar más uno).

Por lo general, no tendrá varias muestras para usar al realizar estimaciones múltiples de la media. Afortunadamente, puede estimar el error estándar de la media utilizando el tamaño de la muestra y la desviación estándar de una sola muestra de observaciones. El error estándar de la media se estima mediante la desviación estándar de las observaciones dividida por la raíz cuadrada del tamaño de la muestra. Por alguna razón, no hay una función de hoja de cálculo para el error estándar, por lo que puede usar = STDEV (Ys) / SQRT (COUNT (Ys)), donde Ys ​​es el rango de celdas que contienen sus datos.

Esta cifra es la misma que la anterior, solo que esta vez agregué barras de error que indican el error estándar & plusmn1. Debido a que la estimación del error estándar se basa en solo tres observaciones, varía mucho de una muestra a otra.

Medias y másmn1 error estándar de 100 muestras aleatorias (norte= 3) de una población con una media paramétrica de 5 (línea horizontal). Medias y másmn1 error estándar de 100 muestras aleatorias (norte= 3) de una población con una media paramétrica de 5 (línea horizontal).

Con un tamaño de muestra de 20, cada estimación del error estándar es más precisa. De las 100 muestras en el gráfico siguiente, 68 incluyen la media paramétrica dentro de & plusmn1 error estándar de la media de la muestra.

Media & plusmn1 error estándar de 100 muestras aleatorias (N = 20) de una población con una media paramétrica de 5 (línea horizontal). Media & plusmn1 error estándar de 100 muestras aleatorias (N = 20) de una población con una media paramétrica de 5 (línea horizontal).

A medida que aumenta el tamaño de la muestra, el error estándar de la media se reducirá. Con tamaños de muestra más grandes, la media muestral se convierte en una estimación más precisa de la media paramétrica, por lo que el error estándar de la media se vuelve más pequeño. Tenga en cuenta que es una función de la raíz cuadrada del tamaño de la muestra, por ejemplo, para hacer que el error estándar sea la mitad de grande, necesitará cuatro veces más observaciones.

"Error estándar de la media" y "desviación estándar de la media" son términos equivalentes. La gente casi siempre dice "error estándar de la media" para evitar confusión con la desviación estándar de las observaciones. A veces, el "error estándar" se usa por sí solo, esto casi con certeza indica el error estándar de la media, pero debido a que también hay estadísticas para el error estándar de la varianza, el error estándar de la mediana, el error estándar de un coeficiente de regresión, etc. debe especificar el error estándar de la media.

Existe el mito de que cuando dos medias tienen barras de error estándar que no se superponen, las medias son significativamente diferentes (en el PAG& lt0.05 nivel). Esto no es cierto (Browne 1979, Payton et al. 2003) es fácil que dos conjuntos de números tengan barras de error estándar que no se superpongan, pero que no sean significativamente diferentes en una muestra de dos t& ndashtest. No intente hacer pruebas estadísticas comparando visualmente las barras de error estándar, solo use la prueba estadística correcta.

Estadísticas similares

Los intervalos de confianza y el error estándar de la media tienen el mismo propósito, expresar la fiabilidad de una estimación de la media. Cuando observa artículos científicos, a veces las "barras de error" en los gráficos o el número & plusmn después de las medias en las tablas representan el error estándar de la media, mientras que en otros artículos representan intervalos de confianza del 95%. Prefiero intervalos de confianza del 95%. Cuando veo un gráfico con un montón de puntos y barras de error que representan medias e intervalos de confianza, sé que la mayoría (95%) de las barras de error incluyen las medias paramétricas. Cuando las barras de error son errores estándar de la media, se espera que solo alrededor de dos tercios de las barras de error incluyan las medias paramétricas. Tengo que duplicar mentalmente las barras para obtener el tamaño aproximado del intervalo de confianza del 95%. Además, para tamaños de muestra muy pequeños, el intervalo de confianza del 95% es mayor que el doble del error estándar, y el factor de corrección es aún más difícil de realizar mentalmente. Cualquiera que sea la estadística que decida utilizar, asegúrese de aclarar lo que representan las barras de error en sus gráficos. He visto muchos gráficos en revistas científicas que no dan ninguna pista sobre lo que representan las barras de error, lo que las hace bastante inútiles.

Utiliza la desviación estándar y el coeficiente de variación para mostrar cuánta variación hay entre las observaciones individuales, mientras que usa el error estándar o los intervalos de confianza para mostrar qué tan buena es su estimación de la media. La única vez que informaría la desviación estándar o el coeficiente de variación sería si realmente está interesado en la cantidad de variación. Por ejemplo, si cultivó un montón de plantas de soja con dos tipos diferentes de fertilizantes, su principal interés probablemente sería si el rendimiento de la soja fue diferente, por lo que informaría el rendimiento medio y más el error estándar o los intervalos de confianza. Si fuera a hacer una selección artificial de las semillas de soja para obtener un mejor rendimiento, es posible que le interese saber qué tratamiento presenta la mayor variación (lo que facilita la selección de las semillas de soja de más rápido crecimiento), por lo que debería informar la desviación estándar o coeficiente de variación.

No tiene sentido informar tanto el error estándar de la media como la desviación estándar. Siempre que informe uno de ellos, más el tamaño de la muestra (N), cualquiera que lo necesite puede calcular el otro.

Ejemplo

El error estándar de la media de los datos del dace de punta negra de la página web de tendencia central es 10,70.

Cómo calcular el error estándar

Hoja de cálculo

La hoja de cálculo de estadística descriptiva calcula el error estándar de la media para hasta 1000 observaciones, usando la función = STDEV (Ys) / SQRT (COUNT (Ys)).

Páginas web

Esta página web calcula el error estándar de la media y otras estadísticas descriptivas para hasta 10000 observaciones.

Esta página web calcula el error estándar de la media, junto con otras estadísticas descriptivas. No sé el número máximo de observaciones que puede manejar.

Salvatore Mangiafico's Compañero R tiene un programa R de muestra para el error estándar de la media.

PROC UNIVARIATE calculará el error estándar de la media. Para ver ejemplos, consulte la página web de tendencia central.

Referencias

Browne, R. H. 1979. Sobre la evaluación visual de la importancia de una diferencia de medias. Biometrics 35: 657-665.

Payton, M. E., M. H. Greenstone y N. Schenker. 2003. Intervalos de confianza superpuestos o intervalos de error estándar: ¿qué significan en términos de significación estadística? Revista de ciencia de insectos 3:34.

& lArr Tema anterior | Tema siguiente & rArr Tabla de contenido

Esta página fue revisada por última vez el 20 de julio de 2015. Su dirección es http://www.biostathandbook.com/standarderror.html. Puede citarse como:
McDonald, J.H. 2014. Manual de estadísticas biológicas (3ª ed.). Editorial Sparky House, Baltimore, Maryland. Esta página web contiene el contenido de las páginas 111-114 en versión impresa.

& copy2014 por John H. McDonald. Probablemente pueda hacer lo que quiera con este contenido, consulte la página de permisos para obtener más detalles.


Su grupo de laboratorio ha estado cultivando zanahorias que han estado expuestas a una hormona del crecimiento. Las zanahorias no son clones y tienen variaciones dentro de los fenotipos que pueden no estar relacionadas con el tratamiento experimental. El grupo de control se muestra en el gráfico siguiente.

Puntos de datos para cada zanahoria: 26 cm, 20 cm, 14 cm, 18 cm, 22 cm

Su tarea es determinar la MEDIA, la VARIENCIA y la DESVIACIÓN ESTÁNDAR de las zanahorias.

Tarea 1: Encuentra la media.

La media se calcula sumando todas las alturas de las zanahorias (de abajo hacia arriba, SIN incluir los tallos) y dividiendo sea 5, que es el número del tamaño de la muestra.

Tarea 2: Encuentra la varianza

Luego, calcule la varianza de cada zanahoria a partir de la media dibujando una línea oscura donde la media está en el gráfico a continuación. Dibuja una flecha para mostrar qué tan lejos está cada zanahoria de la media y escribe el número. El primero se ha completado para ti.

Para calcular la varianza, tome cada diferencia, eleve al cuadrado y luego promedie el resultado:

Tarea 3: Encuentre la desviación estándar

La desviación estándar es la raíz cuadrada de la varianza. Calcule la desviación estándar:

Tarea 4: Usar la fórmula

Con este método, tenemos una idea de lo que es "normal" y lo que es extra grande o extrapequeño. Básicamente es una medida de cuán dispersos están los números. Aquí está la fórmula que usó en los pasos anteriores, parece mucho más aterrador de lo que es.

σ = la desviación estándar | X = cada valor de la población | x & # 772 = la media de los valores | norte = número de valores

Se recopilaron los siguientes puntajes para un examen de mitad de período que se les dio a seis estudiantes de biología. Usa la fórmula para calcular la desviación estándar. ¡Muestra todo el trabajo!

Tarea 5: Datos de muestra

En algunos casos, es posible que los investigadores solo puedan tomar una pequeña muestra de valores para una gran población. La fórmula es similar, pero en lugar de N, se usa N-1, como se muestra en la siguiente fórmula

Un científico recopila datos sobre la población de plantas de guisantes. Hay 100 plantas, pero solo 5 de ellas fueron muestreadas para medir la longitud del tallo. Calcula la desviación estándar de los guisantes. Muestra todo el trabajo.


¿Cómo se deben informar los valores de P?

En raras ocasiones, PAG Los valores pueden expresarse con más de 3 decimales (p. ej., PAG = 1 × 10 −5) en casos de estudios de asociación de genoma completo, estudios que involucren la corrección de Bonferroni, etc.

* Por qué real PAG ¿valores? El reportaje tradicional de PAG valores (indicando solo que PAG& lt0.05) simplemente indicó si los resultados eran "estadísticamente significativos" o no. Pero PAG los valores de 0.051 y 0.049 deben interpretarse de manera similar a pesar de que el 0.051 es mayor que 0.05 y, por lo tanto, no es "significativo" y que el 0.049 es menor que 0.05 y, por lo tanto, es "significativo". Reportando real PAG valores evita este problema de interpretación.

Para obtener pautas sobre otras estadísticas, consulte: Pautas para informar estadísticas

Los autores que no estén seguros de cómo informar sus resultados cuantitativos deben consultar el siguiente libro (en el que se basan las pautas anteriores):

Cómo informar estadísticas en medicina: pautas comentadas para autores, editores y revisores (redacción médica y comunicación) Thomas A. Lang Tapa blanda $ 39.95


¿Cuál es el significado de un valor de DO600 informado? - biología

Durante una visita reciente al consultorio de su proveedor de atención médica, le extrajeron sangre para análisis de laboratorio y ahora quiere saber si todo está "bien". Recibió una copia de su informe de laboratorio o un correo electrónico que le informa que los resultados de su prueba están disponibles para verlos en línea. Entonces inicie sesión en el sitio seguro y descargue sus resultados. Al escanear la página, ve un resultado que se resalta como fuera del rango de referencia y se pregunta qué significa eso para usted.

Algunas pruebas de laboratorio dan una respuesta simple de "sí" o "no". Por ejemplo, ¿la prueba fue positiva para las bacterias que causan la faringitis estreptocócica? Sin embargo, muchas otras pruebas se informan como números o valores. Los resultados de las pruebas de laboratorio informados como números no son significativos por sí mismos. Su significado proviene de la comparación con valores de referencia. Los valores de referencia son los valores esperados para una persona sana. A veces se les llama valores "normales".

Al comparar los resultados de su prueba con los valores de referencia, usted y su proveedor de atención médica pueden ver si alguno de los resultados de su prueba se encuentra fuera del rango de valores esperados. Los valores que están fuera de los rangos esperados pueden proporcionar pistas para ayudar a identificar posibles afecciones o enfermedades.

Este sitio web, Lab Tests Online, brinda información sobre varias pruebas, incluidas las posibles razones por las que los resultados de las pruebas pueden ser "anormales".

Tres cosas importantes que debe saber sobre los rangos de referencia:

  • Un resultado normal en un laboratorio puede ser anormal en otro: Debe utilizar el rango proporcionado por el laboratorio que realizó su prueba para evaluar si sus resultados están "dentro de los límites normales".Si bien la precisión de las pruebas de laboratorio ha evolucionado significativamente en las últimas décadas, puede producirse cierta variabilidad de laboratorio a laboratorio debido a las diferencias en los equipos de prueba, los reactivos químicos utilizados y las técnicas de análisis. En consecuencia, para la mayoría de las pruebas de laboratorio, no existe un valor de referencia universalmente aplicable. Esta es la razón por la que se proporcionan tan pocos rangos de referencia en la información de prueba en este sitio web, Pruebas de laboratorio en línea.
  • Un resultado normal no promete salud: Si bien tener todos los resultados de las pruebas dentro de los límites normales es ciertamente una buena señal, no es una garantía. Para muchas pruebas, existe una gran superposición entre los resultados de las personas sanas y las que tienen enfermedades, por lo que todavía existe la posibilidad de que haya un problema no detectado. Los resultados de las pruebas de laboratorio en algunas personas con enfermedades se encuentran dentro del rango de referencia, especialmente en las primeras etapas de una enfermedad.
  • Un resultado anormal no significa que esté enfermo: Un resultado de prueba fuera del rango de referencia puede o no indicar un problema. Dado que muchos valores de referencia se basan en rangos estadísticos en personas sanas, es posible que usted sea una de las personas sanas fuera del rango estadístico, especialmente si su valor está cerca del rango de referencia esperado. Sin embargo, el valor anormal alerta a su proveedor de atención médica sobre un posible problema, especialmente si el resultado de su prueba está muy por fuera de los valores esperados.

Un rango de referencia es un conjunto de valores que incluye los límites superior e inferior de una prueba de laboratorio basada en un grupo de personas por lo demás sanas. Los valores entre esos límites pueden depender de factores como la edad, el sexo y el tipo de muestra (sangre, orina, líquido cefalorraquídeo, etc.) y también pueden verse influenciados por situaciones circunstanciales como el ayuno y el ejercicio. Estos intervalos se consideran "rangos o límites normales".

Aunque el término "intervalo de referencia" suele ser el término preferido por el laboratorio y otros profesionales de la salud, el término más conocido es "intervalo de referencia", por lo que es el término que se utiliza en este artículo.

Reference ranges provide the values to which your healthcare provider compares your test results to and determines your current health status. However, the true meaning of a test result—whether it indicates that you are sick or well or at risk for a health condition—can only be known when all the other information your provider has gathered about your health, including the results of a physical exam, your health and family history, recent changes in your health, any medications you are taking, and other non-laboratory testing.

Most people can now access their lab test results directly via the Internet, but very few lab reports have been designed to convey the meaning of those results in a way people who are not health professionals can understand or put in context. The information provided in this article will help you understand:

  • Why so few reference ranges are provided in the test information on this site: the accuracy of laboratory testing has significantly evolved over the past few decades, but some lab-to-lab variability can occur. This may be due to differences in lab testing equipment, chemical reagents, and analysis techniques. You must use the range supplied by the laboratory that performed your test to evaluate whether your results are "within normal limits."
  • A few tests do not have ranges, but limits at which decisions are made about whether you are healthy or should be treated. Through many years of research involving large, diverse populations, these limits have become standardized. An example is glucose testing for diabetes.
  • Each laboratory establishes or "validates" its own reference ranges, thus reflects differences that vary from lab to lab. The specific reference ranges that appear on your laboratory report are determined and provided by the laboratory that performed your test.
  • Reference ranges help describe what is typical for a particular group of people based on age, sex, and other characteristics. In the context of your personal information, you and your provider can use reference ranges as a guide to what your results mean and to help make decisions about managing your health.
  • There are some factors that can cause test results to be out of range when you are, in fact, in good health, and there are some common misconceptions about what lab results might mean.

While this site can help you understand some of the implications of your test results, the best source of this information is your healthcare provider. You can use what you learn about your results from Lab Tests Online to talk to your provider, be prepared to ask the right questions during that conversation, and to take an active role in your healthcare decisions.

View a sample report to see what references ranges look like and where they typically appear on lab reports.

Very few tests will have reference ranges that are exactly the same for most laboratories. That's why very few of the test articles on this site include reference ranges. (Those that do list them in the section titled "What does the test result mean?" For some, you may need to click on the button on the right hand side of the page that says "Looking for Reference Range?" or "See Reference Range".)

To evaluate whether your numbers are within normal limits, it is best to refer to the reference range printed on the report you receive from the laboratory that performed your tests. A report will typically display your results followed by that lab's reference intervals for each test performed. Your report may look something like this, indicating that this test result falls within the established normal reference range:

Reference Range Example
Test Name Resultado Reference Range
Potassiium 4.4 mmol/L 3.5-5.1 mmol/L

(To see an example of what a full report with several test results looks like, see this sample cumulative report.)

Only a few of the test descriptions on this website include reference ranges. There are several reasons for this:

  1. In general, reference ranges for most analytes are specific to the laboratory that performs the test. Different laboratories use different kinds of equipment and different kinds of testing methods for analysis. This means each laboratory must determine its own reference ranges—whether by using data from its own equipment and methods, citing reference ranges from test manufacturers or other laboratories, or by testing a pool of perceived normal and healthy individuals. Consequently, there are no universally standardized reference ranges. Of course, each test does have a theoretical reference range that we could include on this site, which can be found in many books and other online sources, but it may have little meaning for you.
  2. You may notice that the few, select reference ranges listed on this site apply only to adults, and there are no ranges included for children or adolescents. This is because from birth through adolescence, a child's body goes through many changes, often quite rapidly. Several things that are tested in a laboratory, such as chemical levels, hormones, etc, vary greatly as a child goes through the different stages of growth and development. The laboratory in which your child's sample is tested has established reference ranges for the different stages of child development. The best source of information regarding your child's lab test results is your child's healthcare provider.
  3. We want you to be informed, but we don't pretend to take the place of communication between you and your healthcare provider. We want you to understand what each test on this site is for, but because we can't be aware of all the factors that could affect your test results, we can’t interpret the results without more information. If you need further explanation of your results, you should talk to your healthcare provider. This remains true even for those tests, such as the components of the basic metabolic panel (BMP), for which we have included reference ranges. Remember, a reference range is merely a guide for your healthcare provider. He or she will interpret the result in the context of your medical history and current presentation – something that no website is yet able to do.

For a small number of tests, long-term studies of certain disease processes have led to the establishment of decision limits that are more useful than reference ranges in determining clinical outcomes and guiding treatment decisions. Decision limits are values that represent either the upper or lower quantity of an analyte that are consistent with a disease state or indicate a need for treatment.

Blood glucose is an example of an analyte for which decision limits have been established and are widely used by healthcare providers. For adults in a routine setting in which fasting blood glucose testing is done to detect type 2 diabetes, a fasting glucose level of 126 mg/dL (7.0 mmol/L) or above, obtained on more than one testing occasion, indicates diabetes. Treatment is required to reduce the risk for cardiovascular disease, kidney disease, and other long-term complications of diabetes.

In this situation, it is a value above a particular limit that provides information rather than a value that falls within or outside a set range of numbers.

The short answer to this question is by testing a large number of people who have key similarities and observing what appears to be "typical" for them.

To determine ranges, labs may conduct their own studies for the tests they perform, they may adopt reference ranges from test manufacturers or other labs, or they may derive reference ranges from existing patient data.

  • The most important step in determining a reference range for any test is to define the reference population – the group of people who will be represented in the reference range. Depending on the test and factors that may influence its results, reference populations may be chosen based on age, sex, race, general health, and/or medical history.
  • Next, a large number (minimum of 120) of people who fit the profile of the reference population are tested under nearly identical conditions, and the results are analyzed.
  • For many tests, reference ranges include the values that are statistically analyzed and reported for the middle 95% of the reference population.

Why might there be more than one reference range for a test?
For some tests, there is no single reference range that applies to everyone. By far, the most common factors that cause variations in reference values are age and/or sex.

For example, the range used to evaluate a creatinine test result depends on a person's age and sex as shown in the table below.

La edad Sexo Creatinine Reference Ranges
18-20 Masculino 0.9-1.3 mg/dL
Mujer 0.6-1.1 mg/dL
60-90 Masculino 0.8-1.3 mg/dL
Mujer 0.6-1.2 mg/dL

Creatinine is produced as a natural byproduct of muscle activity and is removed from the blood by the kidneys. Creatinine is often measured as a gauge of how well the kidneys are functioning. Creatinine levels are affected by a person's muscle mass. Because men have greater muscle mass than women, the reference values for men are higher than for women.

Reference ranges for children who are still growing and developing are often very different than those for adults and may change significantly as they age. Alkaline phosphatase (ALP), for instance, is an enzyme found in the cells that make bone, so its concentration in the body rises in proportion to new bone cell production. The reference values for ALP in children and adolescents, who should be growing healthy bones, are higher than they are for adults in whom high ALP levels may signify bone or liver disease.

Some reference ranges apply only to certain subsections of a population. For example, pregnancy changes many aspects of a woman's body chemistry, so what is typical for pregnant women is not typical for those who are not pregnant. Thus, pregnancy-specific reference ranges are established for a variety of tests.

A very short list of examples of additional factors that might cause a lab to establish more than one reference range for a test includes:

  • The type of sample used (for example, whole blood, plasma, serum, urine, saliva, or other body fluid)
  • The time of day when a sample is collected
  • Whether the test is performed on a patient who has been fasting
  • The phase of a female patient's menstrual cycle at the time of testing or whether she is in perimenopause or menopause

los reason a test is performed sometimes guides which reference range is used to interpret results and guide treatment decisions. For example, the hemoglobin A1c (HbA1c) test can be used to screen for diabetes risk, aid in confirming a diagnosis of diabetes, or monitor how well a person with diabetes has controlled his or her blood sugar over a three-month period. The table below shows how a provider might use the results of the hemoglobin HbA1c test to guide treatment decisions.

Diabetic Status HbA1c Levels
Non-Diabetic Less than 5.7% (39 mmol/mol)
Prediabetic 5.7% - 6.4% (39 - 46 mmol/mol)
Diabetic 6.5% (47 mmol/mol) or greater
Well-controlled Diabetes Less than 7.0% (52 mmol/mol)

Let's look at two people who have the same HbA1c result of 6.6%, one who is being screened for diabetes and another who is already known to have diabetes.

  • For the person who is being screened, a result of 6.6% would lead a healthcare provider to suspect that the person has diabetes. The HbA1c test must be repeated at a later date and if the second result is again greater than 6.5%, a diagnosis of diabetes is confirmed.
  • For the person who has already been diagnosed with diabetes, an HbA1c result of 6.6% is good news. It means the condition is being well controlled by the current treatment (whether diet and exercise and/or medication).

Laboratories report patient test results along with their reference ranges. Results that are out of range are typically highlighted and may include a comment when out-of-range results have clinical significance. Some reports include "critical values" that represent potentially life-threatening abnormalities. Every laboratory identifies certain key tests that have been associated with these life-threatening events whereby critical values are required to be immediately reported to the health practitioner.

When a lab report indicates that one or more of your test results are out of range, your healthcare provider will evaluate those results in the context of your medical history, physical exam, and family history, among other factors.

You and your healthcare provider may consider the following questions in order to determine what should happen next:

How far out of range are your results?
Results that are far above or far below the reference range are an obvious indication that further investigation is needed. But what about results that are only slightly above or below the range? As we will discuss below, healthy people sometimes have test results outside the range. On the other hand, for some analytes, such as tumor markers or creatinine, test results that are even slightly out of range can be significant. Your provider may recommend follow-up testing to find out if the result returns to within range or persists in being outside the range.

How do the results fit with the rest of your clinical picture?
Depending on the information your provider has already gathered about your health status, a test result outside the range could help confirm a diagnosis, indicate the severity of a health problem, or point to the need for additional tests to be run. If a result does not seem to fit with the rest of your clinical picture, your healthcare provider may:

  • Reorder the test.
    • It is possible that the analyte being measured happened to be high on the day your sample was drawn because of something you ate, recent physical exertion, or other circumstantial situation.
    • Technical errors due to improper processing or transportation of the specimen (refrigeration issues, exposure to heat, timely separation of blood red cells from plasma/serum) may have occurred.
    • Perhaps you did not fully comply with the test preparation instructions. Did you fast or avoid certain foods for the recommended amount of time? Did you stop taking prescription medications, over-the-counter medications, or supplements as instructed by your healthcare provider before the test? Did you avoid cigarettes or alcohol before the test as instructed? Compliance with test preparation instructions makes your sample as close as possible to others it keeps you within the parameters of your reference group.

    Are the present results different from those you have had in the past?
    Your provider will evaluate whether an out-of-range test result is a new change for you or represents the progression or recurrence of a condition for which you may be receiving treatment.

    Factors affecting lab test results
    There are a few reasons why a test result could fall outside of the established reference range despite the fact that you are in good health. Generally, these factors only come into play when the test value is slightly higher or lower than the reference range.

    • Statistical variability: It is common practice for reference ranges to cover 95% of results for a healthy population. Statistically speaking, that means 5% of people in that same population will have results that fall outside the limits.
    • Biological variability: If your provider runs the same test on you on several different occasions, there's a good chance that at least one of those times the result will fall outside the reference range even though you are in good health. Your body is always changing. Your age, diet, hormonal cycles, physical activity level, alcohol intake, even a change of season can cause alterations in your body chemistry that will show up on a test result.
    • Individual variability: References ranges are usually established by collecting results from a large population and determining from the data an expected average (mean) result and expected differences from that average (standard deviation). There are individuals who are healthy but whose tests results, which are typical for them, do not always fall within the expected range of the overall population.

    If you know of any special circumstances that could affect a test, mention them to your healthcare provider don't assume your provider has thought of every possible circumstance.

    The differences between reference ranges from different labs typically are generally not significant, but it is possible that one lab will report a result as being within range while another could report that same result as being out of range. It should be noted that all clinical laboratories are periodically inspected as directed by federal guidelines (Clinical Laboratory Improvement Act of 1988, or CLIA '88) and are subjected to extensive review of quality control procedures. If you have a health condition that is being monitored with lab tests, it may be recommended to have the same lab perform the tests for consistency. This is something to keep in mind in the following circumstances:

    • You change healthcare providers and the new practitioner uses a different lab than the one your previous practitioner used.
    • Your provider starts having tests performed by a new lab.
    • You have tests performed by a hospital laboratory (if it is different from the lab that usually performs your tests).

    It is your provider's job to not only consider that an out-of-range result could be due to the lab change but also to consider how great a change is reflected in the new result and the whether it might actually represent a significant change in your health.


    Start Unlocking the Value of Your Data

    Data is everywhere and data quality is critical to making the most of it for everyone, everywhere. Keep these principles in mind as you work to improve your data quality:

    • Make it an enterprise-wide strategic initiative.
    • Emphasize the importance of data quality to data governance.
    • Integrate data quality into your operations.
    • Collaborate with business users to contextualize data and assess its value.
    • Extend data quality to new areas (data lakes, AI, IoT) and new data sources.
    • Leverage AI/machine learning to automate repetitive tasks like merging records and pattern matching.

    All of these become much easier with Informatica’s integrated Intelligent Data Platform, which incorporates data quality into a broader infrastructure that touches all enterprise data.