基于中位数的细菌抑制实验结果百分比偏差分类与评分方法咨询

我正在测试一种抑制细菌生长的分子（所有实验使用相同浓度），实验数据如下：

a <- 
structure(list(treatment = c("a", "a", "a", "a", "a"), result = c(0.113587347232207, 
0.0126742712294043, 0.000643500643500661, 0.00404682757623936, 
0.821428571428571)), row.names = c(NA, -5L), class = "data.frame")

数据框展示：

> a
  treatment       result
1         a 0.1135873472
2         a 0.0126742712
3         a 0.0006435006
4         a 0.0040468276
5         a 0.8214285714

注：result取值规则为1=无抑制，0=最大抑制，已计算出result的中位数：

> median(a$result)
[1] 0.01267427

需求：

• 将实验按与中位数的偏差百分比分类
• 基于抑制率建立10%、20%……100%的评分
• 验证该方法是否可行

1. 按与中位数的偏差百分比分类 #

先明确偏差百分比计算公式：偏差百分比 = ((单个result值 - 中位数) / 中位数) * 100，在R中直接新增列即可实现分类：

# 先提取中位数
med_val <- median(a$result)

# 计算偏差百分比
a$deviation_pct <- ((a$result - med_val) / med_val) * 100

# 自定义区间分类（示例设置：正负20%为正常区间，超出则标记为显著偏离）
a$deviation_class <- cut(a$deviation_pct,
                         breaks = c(-Inf, -20, 20, Inf),
                         labels = c("显著低于中位数", "接近中位数", "显著高于中位数"))

2. 基于抑制率建立分级评分 #

首先将result转换为抑制率：抑制率 = (1 - result) * 100（对应result=1时抑制率0%，result=0时抑制率100%），再按10%间隔分组：

# 计算抑制率
a$inhibition_rate <- (1 - a$result) * 100

# 按10%间隔生成评分等级
a$inhibition_score <- cut(a$inhibition_rate,
                          breaks = seq(0, 100, 10),
                          labels = paste0(seq(10, 100, 10), "%抑制"),
                          include.lowest = TRUE)

运行后的数据框会新增4列，示例输出：

> a
  treatment       result deviation_pct   deviation_class inhibition_rate inhibition_score
1         a 0.1135873472      796.2000 显著高于中位数          88.6412668        90%抑制
2         a 0.0126742712        0.0000    接近中位数          98.7325729       100%抑制
3         a 0.0006435006     -94.9230 显著低于中位数          99.9356499       100%抑制
4         a 0.0040468276     -68.0670 显著低于中位数          99.5953172       100%抑制
5         a 0.8214285714     6380.0000 显著高于中位数          17.8571429        20%抑制

1. 偏差百分比分类 #

• 可行，但需注意你的数据存在极端值（比如第5个样本result=0.82），会导致偏差百分比异常大，拉偏分类效果。如果是小样本，建议先排查是否为实验失误导致的异常值，或者改用**中位数绝对偏差（MAD）**判断偏离度，比百分比偏差更鲁棒。
• 若样本量足够、数据分布均匀，这种分类能有效区分实验结果的离散程度，帮助识别重复性差的实验。

2. 抑制率分级评分 #

• 完全可行：这种分级方式直观易懂，符合常规的抑制效果评价逻辑，能快速将连续的抑制率转换为离散等级，便于结果汇报和对比。
• 可灵活调整：如果需要更精细的分级，修改breaks参数的间隔即可；include.lowest = TRUE确保0%抑制的样本能被正确归类，避免边界歧义。

内容的提问来源于stack exchange，提问作者david