Approche d'équivalence dans la conception d'expériences pour l'évaluation de la robustesse : applications dans le développement de vaccins avec JMP(R) ( 2019-EU-30MP-102 )Niveau : Intermédiaire
Fonction : Analyste / Scientifique / Ingénieur
Industrie : Soins de santé
Bernard Francq, statisticien principal, GlaxoSmithKline
Dan Lin, biostatisticien expert, GlaxoSmithKline
Waldemar Miller, statisticien, GlaxoSmithKline
Réjane Rousseau, statisticienne principale, GlaxoSmithKline
Sylvie Scolas, statisticienne, GlaxoSmithKline
Walter Hoyer, directeur principal, Innovation et automatisation, CMC Stats, GlaxoSmithKline
Le développement actuel de vaccins de pointe est basé sur le paradigme Quality by Design. Dans la conception d'expériences (DOE), l'espace de conception est défini comme un sous-espace de combinaisons de paramètres de processus "dont il a été démontré qu'elles fournissent une assurance de qualité". (ICH guidance Q8) La robustesse d'un procédé est sa propriété à rester dans les limites de spécification (cible ± Δ) après un changement des conditions expérimentales. Un « DOE for flatness » étend le test d'équivalence classique (test bilatéral) au cas multidimensionnel (facteurs continus ou catégoriels). Nous discuterons de l'utilisation de la distribution multi-t, car l'ensemble du domaine expérimental est comparé à un niveau de référence (généralement le point central). L'espace de conception est alors le sous-espace où les moyennes prédites sont équivalentes au niveau de référence (les intervalles de confiance des contrastes moyens sont compris entre ± Δ). Notre méthodologie sera illustrée par des applications dans les statistiques CMC et le développement de vaccins. Nous discuterons des limites de la comparaison multiple s et le simulateur dans Prediction Profiler dans JMP. Nous montrerons comment modifier les valeurs prédites par défaut et le Contour Profiler pour obtenir un espace de conception interactif pour mieux communiquer avec les scientifiques. Un script JSL sera affiché pour automatiser cette procédure.
ÉclaterBICHEQualité et fiabilitéVidéoRe : Approche d'équivalence dans la conception d'expériences pour l'évaluation de la robustesse : applications dans le développement de vaccins avec JMP(R)Salut Franck, merci ! Bon point! Si tous les paramètres sont non significatifs (processus très robuste), alors le modèle se rapproche d'un modèle d'interception uniquement. Les contrastes convergent vers 0 et leurs CI s'effondrent, comme illustré à la fin de mon exposé (voir la carte thermique animée).Une différence pratique (test d'équivalence) est, de toute façon, considérée dans notre contexte, de sorte qu'un processus peut être évalué comme robuste quelle que soit la signification des paramètres. La réduction d'un modèle doit être faite avec prudence, et ma recommandation est de conserver le modèle pour lequel le DoE a été conçu (car il ne s'agit pas d'une phase de dépistage).
Re : Approche d'équivalence dans la conception d'expériences pour l'évaluation de la robustesse : applications dans le développement de vaccins avec JMP(R)Bonjour Bernard, excellente présentation ! Peut-être un commentaire : comme le modèle que vous avez spécifié autour du point de référence a des coefficients non significatifs, ne peut-il pas être considéré comme un modèle d'interception ?
