Bonjour : j'ai une question sur la plateforme d'analyse de stabilité dans JMP.
Pour ceux d'entre vous qui ne sont pas familiers avec l'analyse de stabilité (dans le Analyse/Fiabilité et
Survie/Dégradation menu) dans l'industrie pharmaceutique, dans sa forme de base il s'agit d'ANCOVA avec un
facteur catégoriel (lot) et une covariable (temps). Du point de vue de la sélection du modèle, et en commençant par le
modèle complet, l'idée est de tester le terme d'interaction (lot*temps)… si la valeur p est <0,25, alors le modèle final
utilisé pour estimer la durée de conservation est le « Modèle 1 » (inclut les termes lot, durée et lot*heure), comme décrit ci-dessous.
L'alpha est fixé à 0,25 (une exigence réglementaire) pour les termes liés aux lots afin d'augmenter la puissance de détection des différences.
entre les lots.
Dans « aide », je vois ce qui suit.
«Lorsque le modèle 1 (différentes pentes et différentes intersections) est utilisé pour estimer la date de péremption, le MSE (erreur quadratique moyenne) n'est pas regroupé entre les lots. Les intervalles de prévision sont calculés pour chaque lot à l’aide d’erreurs quadratiques moyennes individuelles, et l’intervalle qui dépasse en premier la limite de spécification est utilisé pour estimer la date d’expiration. Ma question est la suivante (j'ai également posé cette question à JMP) ; pour le modèle 1 (tel que défini ci-dessus), pourquoi ne pas utiliser le MSE poolé ?
La réponse de JMP a été : « Notre équipe de développement a choisi de suivre les codes de Chow. Je crois également que cette méthode a été mise en œuvre pour maintenir la cohérence avec les résultats d'une macro SAS appelée STAB écrite par des chercheurs de la FDA. »
Dans l'aide de JMP, ils font référence : Chow, Shein-Chung. (2007), Conception statistique et analyse des études de stabilité.
Je n'ai pas de copie du texte référencé et les macros FDA mentionnées datent maintenant de plusieurs décennies.
En supposant l'homogénéité de la variance, quelqu'un peut-il m'éclairer sur les raisons pour lesquelles le MSE groupé n'est pas approprié dans ce cas (mais il l'est dans deux autres modèles considérés : intersection commune/pente commune, intersections différentes/pente commune) ?
J'utilise JMP v13 (et c'était également le cas dans les versions précédentes).
Cordialement
Il est en version 17.0. Voir capture d'écran avec une nouvelle case à cocher dans la boîte de dialogue de lancement qui active cette nouvelle fonctionnalité
Salut Charlie : Il est inclus dans la version 17 (17.0.0). Bonne nouvelle en effet.
Salut Sam,
Ce sont de bonnes nouvelles.
L'implémentation mse groupée a-t-elle été incluse dans la version 17 de JMP, ou sera-t-elle incluse dans une 17e sous-version (par exemple, 17.2, 17.3, etc.), ou sera-t-elle incluse dans la version 18 ?
Merci
Charlie
C’est vraiment une excellente nouvelle ! Merci Sam pour l'avertissement et merci d'avoir mis la plate-forme de stabilité de JMP en conformité avec les meilleures pratiques statistiques et les directives de l'agence/ICH (ICH Q1E).
cordialement,
Marque
Je suis heureux de partager que nous prévoyons d'implémenter l'autorisation de l'utilisation du MSE mutualisé dans la plateforme de stabilité pour la prochaine version de JMP.
L'utilisation du MSE groupé n'est pas nécessairement appropriée dans le cas de différentes pentes et différentes intersections, ce n'est tout simplement pas la manière dont elle a été implémentée dans la plateforme de stabilité de JMP. Comme indiqué précédemment : « Notre équipe de développement a choisi de suivre les codes de Chow. Je crois également que cette méthode a été mise en œuvre pour maintenir la cohérence avec les résultats d'une macro SAS appelée STAB écrite par des chercheurs de la FDA. »
Cependant, si l'analyste préfère analyser ces données avec un MSE groupé, c'est l'approche utilisée par la plateforme Fit Model, Standard Least Squares Personality. Vous pouvez voir un exemple d'ANCOVA utilisant la plateforme Fit Model dans le livre JMP Fitting Linear Models : Exemple d'analyse de covariance avec des pentes inégales .
