Äquivalenzansatz bei der Versuchsplanung zur Robustheitsbewertung: Anwendungen in der Impfstoffentwicklung mit JMP(R) ( 2019-EU-30MP-102 )Niveau: Mittelstufe
Funktion: Analyst / Wissenschaftler / Ingenieur
Branche: Gesundheitswesen
Bernard Francq, leitender Statistiker, GlaxoSmithKline
Dan Lin, Experte für Biostatistik, GlaxoSmithKline
Waldemar Miller, Statistiker, GlaxoSmithKline
Réjane Rousseau, leitende Statistikerin, GlaxoSmithKline
Sylvie Scolas, Statistikerin, GlaxoSmithKline
Walter Hoyer, Senior Manager, Innovation und Automatisierung, CMC Stats, GlaxoSmithKline
Die aktuelle Entwicklung von Impfstoffen auf dem neuesten Stand der Technik basiert auf dem Quality-by-Design-Paradigma. Bei der Versuchsplanung (Design of Experiments, DOE) wird der Design Space als Unterraum von Kombinationen von Prozessparametern definiert, „die nachweislich eine Qualitätssicherung bieten“. (ICH-Leitlinie Q8) Die Robustheit eines Prozesses ist seine Eigenschaft, nach einer Änderung der experimentellen Bedingungen innerhalb der Spezifikationsgrenzen (Sollwert ± Δ) zu bleiben. Ein „DOE for flatness“ erweitert den klassischen Äquivalenztest (zwei einseitige Tests) auf den mehrdimensionalen Fall (kontinuierliche oder kategoriale Faktoren). Wir werden die Verwendung der Multi-t-Verteilung diskutieren, da der gesamte experimentelle Bereich mit einem Referenzpegel (normalerweise dem Mittelpunkt) verglichen wird. Der Designraum ist dann der Teilraum, in dem die vorhergesagten Mittelwerte dem Referenzniveau entsprechen (Konfidenzintervalle der Mittelwertkontraste liegen innerhalb von ± Δ). Unsere Methodik wird anhand von Anwendungen in der CMC-Statistik und der Entwicklung von Impfstoffen veranschaulicht. Wir werden die Grenzen des multiplen Vergleichs diskutieren S und der Simulator im Prediction Profiler in JMP. Wir zeigen, wie die vorhergesagten Standardwerte und der Contour Profiler geändert werden können, um einen interaktiven Designraum für eine bessere Kommunikation mit den Wissenschaftlern zu erhalten. Ein JSL-Skript wird angezeigt, um diesen Vorgang zu automatisieren.
AusbrechenDAMHIRSCHKUHQualität und ZuverlässigkeitVideoBetreff: Äquivalenzansatz bei der Versuchsplanung zur Robustheitsbewertung: Anwendungen in der Impfstoffentwicklung mit JMP(R)Hallo Frank, danke! Guter Punkt! Wenn alle Parameter nicht signifikant sind (Prozess sehr robust), dann nähert sich das Modell einem nur-Schnittpunkt-Modell. Die Kontraste konvergieren gegen 0 und ihre CIs kollabieren, wie am Ende meines Vortrags dargestellt (siehe animierte Heatmap).Ein praktischer Unterschied (Äquivalenztest) wird in unserem Zusammenhang ohnehin berücksichtigt, sodass ein Prozess unabhängig von der Bedeutung der Parameter als robust bewertet werden kann. Das Reduzieren eines Modells sollte mit Vorsicht erfolgen, und meine Empfehlung lautet, das Modell beizubehalten, für das das DoE entworfen wurde (da dies keine Screening-Phase ist).
Betreff: Äquivalenzansatz bei der Versuchsplanung zur Robustheitsbewertung: Anwendungen in der Impfstoffentwicklung mit JMP(R)Hallo Bernard, ausgezeichnete Präsentation! Vielleicht eine Anmerkung: Da das Modell, das Sie um den Referenzpunkt herum angegeben haben, nicht signifikante Koeffizienten hat, kann es nicht als Intercept-Modell betrachtet werden?
