Réponse du DOE pour optimiser le changement entre la variable nominale "négative" et "positive"Je suis nouveau sur jmp et j'essaie d'optimiser un test biochimique. J'ai plusieurs variables catégoriques et continues pour essayer d'optimiser la mémoire tampon que j'utilise. Ensuite, je veux ajouter la "cible" en tant que variable (et donc avoir un positif ou un négatif pour cette variable). Sans cette "cible", je veux minimiser la réponse, avec elle, je veux maximiser la réponse (et globalement, je veux maximiser le changement de pli).
Avant, je faisais cela en générant les conditions sans cette variable "cible", puis en manipulant le plan expérimental en dupliquant les analyses et en ayant une colonne supplémentaire. Cependant, cela devient difficile lorsque j'essaie d'analyser les données car j'ai l'impression de perdre de l'information si j'obtiens la moyenne du "négatif" et la soustrais de la moyenne du "positif". J'espérais des conseils sur la manière de spécifier la réponse que je veux.
Re: Réponse du DOE pour maximiser le changement entre la variable catégorique "négative" et "positive"Je suppose que vous allez exécuter une courbe standard pour chacun des traitements du DOE. Vous pourrez ainsi ajuster une courbe dose-réponse, telle qu'un 4PLC. Vous pouvez utiliser plusieurs réponses. Vous pouvez maximiser l’asymptote supérieure, minimiser l’asymptote inférieure. puis ciblez les autres paramètres pour obtenir la plage dynamique que vous souhaitez atteindre la sensibilité et la spécificité dont vous avez besoin.
Avez-vous une mesure quantitative pour la réponse? Avez-vous seulement le statut négatif et positif des échantillons?
Je pourrais être loin ...
Re: Réponse du DOE pour maximiser le changement entre la variable catégorique "négative" et "positive"Je vous remercie @markbailey pour les suggestions.
En termes de courbe standard, oui, je vais exécuter des réactions de contrôle séparées avec une quantité définie d'un réactif connu ayant la même réponse. Je peux donc convertir toutes les valeurs en x unités du réactif connu.
Je peux utiliser plus d'une réponse, mais je ne sais pas comment maximiser ceux avec la "cible" et minimiser ceux qui n'en ont pas.
Oui, je vais obtenir un résultat quantitatif (fluorescence dans ce cas) et à ce stade, je peux également titrer la cible, mais je sens que cela pourrait compliquer la situation (car idéalement, je maximise simplement la différence entre positif et négatif).
Pour essayer de ne pas être vraiment vague, cela aidera peut-être à expliquer mon test. Je développe un test de diagnostic pour une maladie particulière. J'optimise le tampon que j'utilise de sorte que lorsqu'un échantillon de patient soit "positif", il se distingue facilement d'un échantillon de patient "négatif". Ma conception actuelle est une conception personnalisée avec des interactions standard, ainsi que RSM. Je lance mes réactions en triple. J'envisage d'utiliser "positif" ou "négatif" en tant que variable catégorielle supplémentaire car, dans mon approche actuelle, je génère les analyses sans "positif" ni "négatif" (et l'ajoute ultérieurement sous forme de colonne supplémentaire), mais je finis par avoir pour agréger mes passes "en triple" "positives" et soustraire la moyenne des pistes "négatives". Cela ne semble pas être le meilleur moyen de le faire (je perds des informations sur les écarts-types, etc.) et je préférerais que les données d'origine pour jmp soient utilisées pour créer le modèle d'optimisation.
Je dois juste trouver un bon moyen de spécifier la réponse optimale, ou un moyen de spécifier ce qui est le plus souhaitable dans ce cas d'utilisation spécifique.
Re: Réponse du DOE pour maximiser le changement entre la variable catégorique "négative" et "positive"Vos courbes standard et vos échantillons de contrôle servent au contrôle de la qualité et ne font pas partie de l'optimisation réelle, n'est-ce pas?
Vous voulez une sensibilité et une spécificité élevées. Cette performance proviendra d'un faible bruit de fond (asymptote faible) et d'un petit écart-type (échantillon vierge). Votre mémoire tampon affectera ces paramètres. Les autres paramètres du modèle logistique peuvent également être utilisés comme réponses. Le point d'inflexion doit être minimisé afin que vous soyez plus sensible (plus de signal à des concentrations plus faibles). Le paramètre de pente ou de puissance doit être maximisé afin que vous obteniez plus de signal avec une augmentation plus faible de l'analyte.
Titrer la cible n’est peut-être pas l’approche la plus simple, mais l’autre méthode consiste à «choisir le gagnant» et non à l’optimisation. Votre diagnostic est binaire mais votre test est quantitatif. Vous obtiendrez une sensibilité et une spécificité maximales en vous concentrant sur les caractéristiques quantitatives. Vous pouvez ensuite troquer la sensibilité et la spécificité du test optimisé avec la courbe ROC d'un modèle de régression logistique du type d'échantillon (nég / pos) par rapport à la concentration en analyte.
