ГОСТ 33042—2014
1000 мг/кг. Предельная концентрация теста дает возможность показать, что NOEC для репродукции
выше предельной концентрации и следует минимизировать количество червей, используемых в
тесте. Восемь повторностей следует использовать как для обработанной почвы, так и для контроля.
9 Данные и отчет
9.1 Обработка результатов
9.1.1 Обзор обработки данных представлен в приложении 6, однако в настоящем стандарте не
приводится специальной инструкции по статистической обработке результатов.
9.1.2 Один параметр - смертность. Изменение поведения взрослых червей (например,
неспособность закапываться в почву, вытягивание вдоль стеклянной стенки тестового сосуда),
особенности их морфологии (открытые раны) следует также принимать во внимание помимо учета
молодых червей. Пробит-анализ [18] или логистическую регрессию обычно применяют, чтобы
определить 1_С5о. Однако, в случае, когда эти методы не удобны для применения (например, если
имеется менее трех концентраций с частичной смертностью), то можно использовать альтернативные
методы. Они могут включать метод скользящего среднего [19], метод Спирмена-Кербера [20] или
простую интерполяцию (например, геометрическое среднее LC0 или LC100вычисляют как квадратный
корень LCo. умноженный на LC100).
9.1.3 Другой показатель - плодовитость (количество произведенных молодых червей). Кроме
того, как и для диапазонного теста, все другие вредные признаки должны быть учтены в отчете.
Статистический анализ требует вычисления среднего арифметического значения X и стандартного
отклонения показателя репродуктивности для опытов с обработанными вариантами и контроля.
9.1.4 Если выполнен анализ варьирования, то стандартное отклонение s и степени свободы (df)
могут быть заменены оценкой обобщенного варьирования, полученного с помощью ANOVA и ее
степенями свободы, соответственно. - это варьирование не зависит от концентрации. В этом случае
используют однократные показатели варьирования контроля и обработанных вариантов. Эти
показатели обычно вычисляют с помощью коммерческих статистических пакетов программ,
используя каждый сосуд как повторность.
9.1.5 Дальнейшая статистическая обработка зависит от того, распределены ли значения
повторностей нормально и являются ли они однородными в отношении их варьирования.
9.2. Оценка NOEC
9.2.1 Предпочтительны мощные инструменты оценки. Следует использовать информацию,
например, из предыдущего опыта кольцевых тестов или данные предыдущих опытов, при условии,
что они нормально распределены. Варьирование гомодескатичности (равенство дисперсий
случайных отклонений) наиболее критично. Опыт говорит, что варьирование возрастает с
увеличением среднего. В этих случаях трансформация данных может привести к варьированию
однородности. Кроме того, в такой трансформации предпочтительней опираться на данные
предыдущих опытов, чем на данные текущих исследований.
Для однородных данных следует применять множественные t-тесты такие как тест Вильямса (а
= 0.05, односторонний) [21, 22] или. в определенных случаях, тест Даниетта [23. 24]. Следует
заметить, что в случае неравных повторностей, таблица t-значений должна быть откорректирована,
как предлагают Даннет и Вильямс. Иногда из-за высокого варьирования, отклики не увеличиваются
постоянно. В этом случае сильное отклонение от монотонности теста Даннетта наиболее вероятно.
Если имеются отклонения варьирования однородности, то это может быть причиной для более
основательного исследования возможных влияний на варьирование, чтобы решить могут ли быть
применены t-тесты без потери многих их возможностей [25]. Альтернативно, когда данные
демонстрируют варьирование однородности, могут применяться и, в целом, предпочтительнее t-
тестов, такие множественные U-тесты. как U-тест Бонферони (согласно Холму [26]) или
непараметрические тесты Джонкшира-Терпстра [27, 28] и Ширли [29, 30] (см. также Приложение 6).
9.2.2 Если проведен тест с предельной концентрацией и необходимые параметрические
условия теста (нормальное распределение, однородность) соблюдены, то можно использовать
парный мест Стьюдента или U-тест Манна-Уини [31].
9.3 Оценка ЕСХ
9.3.1Чтобы вычислить любое значение ЕСХ используют регрессионный анализ (линейный или
нелинейный) после получения соответствующей функции доза-отклик. Для роста червей (растущий
отклик) ЕСх-значения могут быть оценены подходящим методом регрессионного анализа [32]. Среди
удобных функций для количественных данных (умершие/выжившие черви и количество молодых
червей) - нормальные сигмоидные, логистические или функции Вейбулла. содержащие два или
четыре параметра, некоторые из которых могут также моделировать отклики на низкие концентрации.
Если функция доза-отклик описывается линейной регрессией, то перед оценкой ЕС* значимый
6