Muster für höhergruppierung

Es sollte auch angemerkt werden, dass die primäre Studie eine Interventionsstudie über Müdigkeit war. Die Versuchs- und Kontrollgruppen unterschieden sich weder statistisch noch klinisch in Bezug auf die Ermüdungsniveaus der ersten beiden Zeitpunkte (3,3 x 1,8 vs. 3,3 x 1,8) zum Zeitpunkt 1; 4,6 x 2,2 vs. 4,6 x 2,0 zum Zeitpunkt 2). Die beiden Gruppen unterschieden sich statistisch signifikant beim dritten Zeitpunkt (4,1 x 2,2 vs. 4,7 x 2,1 auf einer 10-Punkte-Skala). Obwohl der Unterschied klinisch nicht signifikant war, zeigte die primäre Studie eine statistisch signifikante Abnahme der Ermüdung im Laufe der Zeit für die experimentelle Gruppe. So wurde in der vorliegenden Studie die Auswirkungen der Intervention auf die Musteruntergruppen untersucht. Wir haben die numerischen Ergebnisse verifiziert, indem wir sie mit analytischen Vorhersagen verglichen haben, die durch Linearisierung der Gleichungen über die homogene Lösung erreicht wurden, einschließlich einer linearen Stabilitätsanalyse, die die Wellenzahlen von Störungen vorhersagt, die instabil sind (siehe auch Ref. 22). Bei vorhergesagten instabilen Wellenzahlen zeigen die numerischen Simulationen die Musterbildung, während es bei stabilen Wellenzahlen kein Muster gibt. Darüber hinaus hängt die Anzahl der Gruppen, die entstehen, von der Wellenzahl ab, die instabil wird: ki = 2ix/L, i ∈ N, wobei L die Domänenlänge ist (L ≫ sa ).

Um die Auswirkungen der Grenzen auszuschließen, haben wir die Domänengröße verdoppelt, und um mögliche Artefakte des numerischen Schemas auszuschließen, haben wir das Rasternetz verfeinert. In allen Fällen zeigten die Ergebnisse keine signifikanten Unterschiede. Zukünftige Forschungsbereiche umfassen die Untersuchung, ob beobachtete Muster sich ändern, wenn wir die nichtlineare Drehfunktion (Eq. 2 ) oder die Interaktionskerne ändern. Zum Beispiel beobachteten wir, dass im Modell M1 alle bis auf die semizigzag Pulsmuster fortbestehen, wenn wir ungerade Kerne für attraktive und abstoßende Interaktionen verwendeten (22). Für die künftige Forschung wird es wichtig sein, die Beiträge sowohl psychologischer als auch biologischer Mechanismen zur Erfahrung des PSCI zu untersuchen. Insbesondere die Untersuchung von PSCI-Mustern und deren Eigenschaften kann wichtige Informationen über die zugrunde liegenden Mechanismen der Symptome liefern. Zum Beispiel lieferten Thornton et al. 45 starke Beweise für den negativen Einfluss subjektiver Belastung der Immunität (insbesondere natürliche Killerzelltoxizität und Blastogenese) bei Krebspatienten, indem sie Trajektorien subjektiven Stresses mit einer Änderung der Immunität nach der Brustkrebsdiagnose assoziierten.

Der PSCI in Gruppe I (26% der Gesamtstichprobe) war zu Beginn moderat und nahm im Laufe der Zeit allmählich zu. Diese Gruppe wurde „die allmählich wachsende Musteruntergruppe“ genannt. Gruppe 2 (37%), in der der PSCI zum Ausgangswert niedrig war und im Laufe der Zeit leicht abnahm, wurde als „die ständig niedrige Muster-Untergruppe“ bezeichnet. Der PSCI in Gruppe 3 (14 %) war zu Beginn niedrig, stieg auf ein moderates Niveau bei Zeit 2 und sank dann auf Basiswert bei Zeit 3; Daher wurde es als „das Starttief mit dramatischen Anstieg & Abnahme Muster Untergruppe.“ Der PSCI in Gruppe 4 (13%) war zu Beginn hoch und stieg im Laufe der Zeit ständig an; sie wurde als „die ständig hohe Muster-Untergruppe“ bezeichnet. Schließlich ist die PSCI der Gruppe 5 (10%) war zu Beginn hoch und nach der Behandlung dramatisch zurückgegangen; daher wurde es als „das Starthoch mit dramatischer Abnahme & Nivellierung Muster Untergruppe“ genannt. Tabelle 4 zeigt Unterschiede in den Funktionseinschränkungen nach Untergruppen bei der zweiten Nachbeobachtungszeit (Zeit 3).

Kommentare sind geschlossen.