Respuesta del DOE para maximizar el cambio entre la variable categórica "negativa" y "positiva"Soy nuevo en jmp y estoy tratando de optimizar un ensayo bioquímico. Tengo múltiples variables categóricas y continuas para tratar de optimizar el búfer que estoy usando. Luego quiero agregar el "objetivo" como una variable (y así tener un valor positivo o negativo para esta variable). Sin este "objetivo" quiero minimizar la respuesta, con ella quiero maximizar la respuesta (y en general quiero maximizar el cambio de pliegue).
Antes de hacerlo, generaba las condiciones sin esta variable "objetivo" y luego manipulaba el diseño experimental al duplicar las corridas y tener una columna adicional. Sin embargo, esto se vuelve difícil cuando intento analizar los datos porque siento que estoy perdiendo información si obtengo la media de lo "negativo" y la resto de la media de lo "positivo". Esperaba algún consejo sobre cómo especificar la respuesta que quiero.
Re: Respuesta del DOE para maximizar el cambio entre la variable categórica "negativa" y "positiva"Supongo que ejecutará una curva estándar para cada uno de los tratamientos en el DOE. Por lo tanto, podrá ajustar una curva de dosis-respuesta, como un 4PLC. Podrías usar más de una respuesta. Puede maximizar la asíntota superior, minimizar la asíntota inferior. y luego apunte a los otros parámetros para obtener el rango dinámico que desea para lograr la sensibilidad y especificidad que necesita.
¿Tiene una medida cuantitativa para la respuesta? ¿Solo tiene un estado negativo y positivo de las muestras?
Podría estar muy lejos ...
Re: Respuesta del DOE para maximizar el cambio entre la variable categórica "negativa" y "positiva"Gracias @markbailey por las sugerencias
En términos de una curva estándar, sí, estaré ejecutando reacciones de control separadas con una cantidad establecida de un reactivo conocido que tenga la misma respuesta. Entonces puedo convertir todos los valores a x unidades del reactivo conocido.
Puedo usar más de una respuesta, pero no estoy seguro de cómo maximizar a los que tienen el "objetivo" y minimizar los que no.
Sí, tendré una salida cuantitativa (fluorescencia en este caso) y en este punto también puedo valorar el objetivo, pero siento que eso podría complicar la situación (ya que, idealmente, solo estoy maximizando la diferencia entre positivo y negativo).
Para tratar de alejarme de ser realmente vago, tal vez ayude explicar mi ensayo. Estoy desarrollando un ensayo de diagnóstico para una enfermedad en particular. Estoy optimizando el búfer que estoy usando para que cuando una muestra de paciente sea "positiva" se distinga fácilmente de una muestra de paciente "negativa". Mi diseño actual es un diseño personalizado con interacciones estándar, así como RSM. Estoy ejecutando mis reacciones por triplicado. Estoy considerando usar "positivo" o "negativo" como una variable categórica adicional porque en mi enfoque actual genero las ejecuciones sin "positivo" y "negativo" (y lo agrego como una columna adicional más adelante) pero luego termino teniendo para agregar mis carreras "positivas" por triplicado y restar la media de las carreras "negativas". Esta no parece ser la mejor manera de hacerlo (pierdo información sobre desviaciones estándar, etc.) y prefiero tener los datos originales para que jmp los use para crear el modelo de optimización.
Solo necesito encontrar una buena manera de especificar la respuesta óptima, o una forma de especificar qué es lo más deseable en este caso de uso específico.
Re: Respuesta del DOE para maximizar el cambio entre la variable categórica "negativa" y "positiva"Sus curvas estándar y muestras de control son para control de calidad, no forman parte de la optimización real, ¿verdad?
Desea alta sensibilidad y especificidad. Ese rendimiento vendrá de un fondo bajo (asíntota inferior) y una pequeña desviación estándar (muestra en blanco). Su buffer de muestra afectará estos parámetros. Los otros parámetros en el modelo logístico pueden usarse igualmente como respuestas. El punto de inflexión debe minimizarse para que sea más sensible (más señal a concentraciones más bajas). El parámetro de pendiente o potencia se debe maximizar para que obtenga más señal con un aumento menor en el analito.
Titular el objetivo puede no ser el enfoque más simple, pero la otra forma es "elegir al ganador", no la optimización. Su diagnóstico es binario pero su análisis es cuantitativo. Alcanzará las características cuantitativas más altas de sensibilidad y especificidad. Luego puede intercambiar la sensibilidad y la especificidad del ensayo optimizado con la curva ROC a partir de un modelo de regresión logística de tipo de muestra (neg / pos) versus concentración de analito.
