Conférencier | Transcription |
| mkane | D'accord. Salut tout le monde, je m'appelle Martin Kane. Je suis avec Exponent et je suis ici pour parler de l'ajustement de la courbe dose-réponse pour les données mal comportées |
| ici au JMP Discovery Summit 2020. Tout d'abord, j'aimerais remercier le comité consultatif de la conférence de m'avoir invité à donner cette conférence. |
| Et j'apprécie vraiment l'opportunité et la chance de partager les apprentissages que j'ai faits grâce à JMP. J'utilise JMP tout le temps tous les jours. |
| Et en tant que consultant, cela devient mon principal outil d'analyse. C'est donc quelque chose sur lequel j'ai travaillé récemment et j'ai pensé que ce serait une bonne chose à partager. |
| Alors allons-y. Tout d'abord, |
| il y a un avertissement. Les idées contenues dans ces diapositives m'appartiennent, Martin Kane, ne représentent pas nécessairement celles de ma société Exponent. |
| Donc, cela étant dit, |
| de quoi allons-nous parler ? Que sont donc les modèles dose-réponse ? Quelle forme suivent-ils souvent ? Modèles statistiques typiques pour ceux-ci. |
| Comment accéder à ces modèles dans JMP ? Différence entre ajustement de courbe et non linéaire. Quels sont les avantages de chacun ? Et quels sont les inconvénients de chacun ? C'est un domaine sur lequel je vais consacrer un peu de temps. |
| Et nous parlerons également des valeurs initiales et de l'importance d'avoir de bonnes valeurs initiales solides pour ces modèles non linéaires. |
| J'ai une démonstration et j'utiliserai ensuite les données de cette démonstration pour examiner les données mal conduites. Qu'est-ce que cela signifie et que pouvons-nous faire à l'aide des plates-formes d'ajustement de courbe et non linéaires de JMP ? |
| D'accord. |
| Modèles dose-réponse. Ils peuvent donc se présenter sous des formats linéaires et non linéaires. |
| Les modèles typiques, cependant, sont basés sur ce que nous appelons les modèles logistiques à 3, 4 ou 5 paramètres. Ceux-ci sont très typiques et il y en a beaucoup; il n'y en a pas que trois. |
| Alors, quelles sont les formes de certains de ces modèles ? Évidemment linéaire, linéaire, excusez-moi, est une ligne droite, juste une régression standard où nous avons tracé |
| une sorte de concentration de réponse souvent par rapport à... nos concentrations logarithmiques sur l'axe des x par rapport à l'axe des y, ce qui est une sorte de réponse. |
| Et j'en parlerai juste dans la diapositive suivante, mais souvent c'est basé sur une sorte de fluorescence. |
| Et ces valeurs peuvent être assez importantes, en termes de gamme. Il n'est donc pas rare de prendre également les valeurs logarithmiques de ceux-ci. |
| On peut avoir le modèle de type exponentiel. Cela peut fonctionner dans une partie de la courbe dose-réponse, mais n'est souvent pas suffisant pour l'ensemble de la courbe. Mais le plus courant est une forme de... |
| une sorte de logistique des paramètres, et cet exemple montre la logistique à quatre paramètres, la fonction Hill. Cela peut également être appelé dans une orientation légèrement différente, la fonction de Rodbard. |
| Il existe plusieurs versions différentes qui ont cette même forme générale, où nous avons une sorte d'asymptote supérieure, une sorte d'asymptote inférieure. |
| Il y a un |
| point central le long de cette courbe, quelque part à mi-chemin entre l'asymptote supérieure et inférieure, que nous appelons EC50 ou IC50 |
| valeur. Ce point est sur l'axe des x, c'est ainsi que nous l'utilisons. Et puis nous avons aussi une pente vers cette courbe et cette pente est ici dans cette section linéaire. Ce n'est pas vraiment linéaire, mais c'est presque linéaire. |
| Et la pente est le quatrième paramètre et en bas, c'est un paramètre dans cette équation. |
| d est notre asymptote supérieure, c'est le sommet ; c est l'asymptote inférieure en bas ; |
| J'ai mentionné que c'était la pente; et b est la valeur IC50 ou EC50, c'est le point à mi-chemin et la concentration de l'axe x pour cela. C'est donc l'équation d'une fonction logistique typique à 4 paramètres. |
| D'accord. Ainsi, dans le monde des produits biologiques et pharmaceutiques, une grande partie du format de méthode de test standard est basée sur ce qu'on appelle un test. |
| Et les tests eux-mêmes ne sont rien de plus qu'une méthode de test pour les produits biologiques, pour les produits pharmaceutiques. Dans ce cas particulier, ce que nous voyons ici est une plaque standard de 96 puits |
| qui est utilisé pour ces types de dosages. Chacun de ces petits cercles représente en fait un puits, en fait un petit divot dans une assiette en plastique où les matériaux peuvent être mis. |
| Et ainsi nous pouvons remplir les 96 puits, qui auront une sorte d'agent de liaison au fond des puits et une sorte de fluorescence |
| matériel dedans aussi. Et donc, une fois que ceux-ci sont placés sous une certaine longueur d'onde de lumière, ils deviennent fluorescents. Et selon le degré de liaison, vous obtiendrez différentes valeurs de fluorescence. |
| Et comme je l'ai dit, ces valeurs de fluorescence peuvent aller de 10 à 100 000 ou peut-être même un million. Tout dépend du format. Il peut être assez grand, cependant. |
| Typiquement sur une plaque, cependant, nous mettrons sept ou huit concentrations différentes d'une courbe, et la courbe serait, |
| comme nous l'avons montré dans la diapositive précédente, représentative d'un seul matériau avec différentes quantités pour les concentrations. |
| En règle générale, nous commençons par le haut de la plaque et nous mettons la concentration la plus élevée et nous pouvons diluer en série cette concentration jusqu'aux puits en dessous. |
| Donc, si le sommet commence par exemple à une valeur de 16, nous pourrions faire une solution série 4 pour 1. Et donc nous nous retrouvons avec quatre dans la colonne suivante, un dans la rangée suivante, excusez-moi, |
| un quart, un seizième, et ainsi de suite. Nous nous retrouvons donc avec un matériau dilué en série descendant dans l'assiette. Souvent, il y a des doublons, donc les colonnes cinq et six peuvent avoir le même contenu, juste deux fois, et c'est pour que nous puissions obtenir une certaine forme de variabilité dans notre courbe. |
| Souvent aussi, lorsque nous effectuons un test pour un produit biologique ou pharmaceutique, nous testons plusieurs doses en même temps. |
| Donc, le fait est que dans la même assiette, au même moment, lorsque nous avons différentes doses que nous essayons de comparer les unes aux autres. |
| Ainsi, par exemple, les colonnes 11 et 12 pourraient avoir une dose, appelez-la à un milligramme par kilogramme, et les colonnes 9 et 10 pourraient avoir une dose différente à, disons, 0,1 milligramme par kilogramme. Et nous pourrions vouloir comparer ces différentes doses en même temps. |
| L'autre chose à mentionner est que JMP a la capacité de tester ce qu'on appelle le parallélisme. Je vais en parler. Et intégré, il existe des fonctions pour tester le parallélisme en utilisant soit le test F pour la méthode du chi carré. |
| Très bien, examinons quelques données dans JMP et abordons-les directement. |
| Alors on y va. Juste ici, à gauche, j'ai un journal JMP que je vais utiliser pour cette démo. Et c'est pour les matériaux d'essais biologiques non linéaires et pour les données mal comportées. |
| Les deux plates-formes, comme je l'ai mentionné plus tôt, dont je vais discuter sont l'ajustement de courbe et les plates-formes non linéaires. Alors allons-y |
| ouvrez nos exemples de données. Extrayons quelques exemples de données. Maintenant, j'avais initialement voulu utiliser les données réelles d'un client, ils ont refusé de me laisser le faire. |
| Mais les données que JMP a intégrées, dans l'ensemble de données d'échantillons d'essais biologiques, fonctionnent très bien. C'est très similaire à ce que j'aurais utilisé et nous pouvons l'utiliser. |
| Alors tout d'abord, jetons un coup d'œil et voyons ce que nous avons. Nous avons une sorte de concentration, comme je l'ai mentionné, la dilution en série. Dans ce cas particulier, il semble que chaque |
| la ligne du bas représente les trois quarts de la ligne du dessus. Il y a une sorte de concentration de logs. C'est juste log 10 de la concentration. |
| La formulation semble avoir différentes formulations, ou celles-ci pourraient tout aussi bien être des doses. Et la toxicité, qui peut être la valeur y, notre réponse pourrait être la fluorescence ou le log ou la fluorescence, quelque chose comme ça. Donc, si nous examinons ces données en utilisant |
| Graph Builder, juste parce que c'est facile, nous mettons la toxicité sur l'axe des y et peut-être nous mettons la concentration du log sur l'axe des x. |
| Nous pouvons voir qu'il existe une fonction similaire à cette logistique à 4 paramètres que j'ai mentionnée plus tôt, sauf qu'elle est inversée en termes de direction. Ce n'est pas un problème. |
| La spline cubique utilisée correspond assez bien aux données. Nous pouvons supprimer cela et simplement regarder les données. |
| Maintenant, évidemment, il y a beaucoup de données ici. On dirait qu'il y a quatre valeurs par concentration. Oh, il y avait une formulation dont nous n'avons pas encore parlé. |
| Et cela, nous pourrions prendre cela et nous pourrions faire diverses choses, d'accord, dans Graph Builder. Nous pouvons mettre cela dans le groupe y, et nous pouvons en tirer quatre courbes différentes. Utilisons la spline cubique. |
| standard, test A, test B et test C. |
| Maintenant, vous pouvez changer les couleurs. Ceux-ci sont plus difficiles à voir parce que nous avons un ajustement à une seule courbe. Nous pourrions aussi simplement le prendre et le mettre dans la zone de superposition, |
| qui est la zone la plus courante que j'utilise généralement, et cela correspond en fait à une spline cubique individuelle pour chacune de mes différentes formulations. |
| C'est plutôt sympa. Et nous pouvons voir que trois d'entre eux sont assez similaires, sauf qu'un est différent. Le vert. Le vert est le test B. |
| D'accord, alors rappelons-nous que le test B est différent des autres. Et la norme n'est qu'une des diverses formulations envisagées. Il semble donc qu'ils essaient de comparer trois tests différents par rapport à la norme, qui est |
| intéressant. Bon, je vais fermer ça. Maintenant |
| quel genre de fonctions d'ajustement de courbe avons-nous pour ces non-linéaires ? Donc, sous analyse, modélisation spécialisée, vous en avez deux que nous pouvons utiliser. L'un est appelé ajustement de courbe et l'autre est appelé non linéaire. Les deux fonctionneront pour les données non linéaires. |
| Et commençons par la fonction d'ajustement de courbe. |
| Donc, dans l'ajustement de la courbe, nous voulons mettre une sorte de toxicité de réponse y dans notre y et logarithmer la concentration pour notre régresseur. Et au début, si je dis juste d'accord, |
| ce que nous obtenons ressemble à ce que nous avions dans Graph Builder. Il y a une exception ici et cette exception est que je peux venir ici sous le triangle rouge |
| linéaire, quadratique, cubique, etc. Sigmoïdes |
| logistique, probits, Gompertz. Il ne vous dit pas à quoi ressemblent vraiment les fonctions ou quelles sont leurs équations. Vous devez connaître le bon. Eh bien, je sais que je veux la fonction Hill, |
| et c'est caché ici dans les courbes sigmoïdes, les courbes logistiques, et le voilà, ajustement logistique à 4 paramètres Hill. C'est la fonction que j'aimerais utiliser. Donc |
| Je peux cliquer dessus et j'obtiens ce qui ressemble beaucoup à ce que j'avais dans Graph Builder, sauf que maintenant j'ai en fait des estimations de paramètres en bas. |
| Souvenez-vous, nous avions une asymptote inférieure ; une asymptote supérieure ; un taux de croissance, qui est la pente ; |
| et le point d'inflexion, c'est la valeur EC50, c'est le point à mi-chemin entre le haut et le bas sur l'axe des x. Et ce sont les estimations. C'est bien, mais je veux vraiment des graphiques séparés pour chacun de mes |
| différent |
| formulations, donc je vais refaire ça. Je vais relancer ça sauf que je vais ajouter une formulation. Maintenant, je pourrais mettre la formulation dans la catégorie par catégorie ou dans la catégorie de groupe. Si je mets dans la catégorie par et que je clique sur OK, |
| J'obtiens quatre courbes distinctes. C'est pas mal. Et si je maintiens ma touche contrôle enfoncée et que je clique sur le triangle rouge pour l'un d'eux, et que je passe en logistique sigmoïde, 4 paramètres Hill, |
| ce qu'il fera, c'est qu'il ajustera une courbe pour chacun des quatre séparément et me donnera les estimations pour chacun des quatre. Il y a donc la première, une norme ; voici l'essai A, |
| ses estimations ; il y a le test B avec ses estimations. Remarquez que les asymptomatiques sont différentes. Et Test C. C'est sympa, mais pas encore exactement ce que je recherche. |
| Je vais donc fermer ça. je vais |
| relancer l'analyse, sauf qu'en ce moment particulier, je vais prendre la formulation et la mettre dans la catégorie groupe. Et encore une fois, en faisant cela, je vois maintenant que les quatre sont en quelque sorte superposés les uns sur les autres. Et je peux venir ici et cliquer sur sigmoïde, logistique, colline à 4 paramètres, |
| et maintenant ce qu'il me montre lorsque les quatre courbes différentes s'ajustent les unes sur les autres dans l'intrigue. |
| Je peux également obtenir les estimations des paramètres pour ces quatre ici. Ceux-ci devraient donc être identiques à ce que nous avons vu dans le dernier écran. |
| Mais visuellement maintenant, je peux jeter un coup d'œil à ces parcelles pour les quatre superposées et voir à quoi elles ressemblent. Se ressemblent-ils ou non ? |
| Donc c'est, c'est plutôt bien. |
| Je veux dire, c'est, cela pourrait être assez bon pour ce dont vous pourriez avoir besoin. Et si vous voulez extraire ces estimations de ce paramètre particulier... |
| estimations de paramètres, je peux cliquer dessus avec le bouton droit de la souris et je peux dire transformer en une table de données, ce qui me permet ensuite de prendre cette table de données avec les estimations, et je pourrais faire quelque chose avec ça, tout ce que je voulais. |
| Alors ça, c'est bon à savoir. Je vais fermer ça. |
| Jetons donc un coup d'œil à la plate-forme non linéaire. Donc, analyse, modélisation spécialisée, non linéaire. Cela ressemble à ça. Et si je mets la toxicité dans ma réponse y, je dirai la formulation dans mon groupe, et la concentration logarithmique dans mon x, et je dis, d'accord. |
| Je reçois, oh attendez, cela correspond ... cela dit la courbe d'ajustement. Nous venons de faire une courbe d'ajustement, n'est-ce pas ? Et oui nous l'avons fait en fait. C'est identique à si je viens ici sous analyse, dépistage, courbe d'ajustement, je dis rappel et je dis, d'accord, |
| ils sont identiques. Si je ne fais rien de différent dans la plate-forme non linéaire, je me retrouve en fait dans la plate-forme de courbe d'ajustement. Alors, que pouvons-nous faire de différent de la modélisation non linéaire spécialisée ? |
| Je vais voir le rappel retirer tout en notant qu'il y a une bibliothèque de modèles sur la gauche. Et notez également que ce x pourrait être une formule de prédiction, pas seulement des valeurs x. |
| Donc, si je clique sur la bibliothèque de modèles, j'ai beaucoup de modèles parmi lesquels je peux choisir. Et encore une fois, |
| Je ne sais pas vraiment ce que c'est. Mais remarquez, si je clique dessus, je peux obtenir une fonction, je peux même dire afficher le graphique. Et ça m'en donne une image. Oh, ça ressemble à quelque chose que je recherche. Mais c'est un peu retourné dans la mauvaise direction. Donc, |
| ça, ça pourrait marcher pour moi. Euh, mais ce que je ne vois pas ici, c'est la fonction Hill. Je vois la fonction Rodbard. C'est le cinq paramètre, Richard. Où était-il? Les modèles Rodbard ici, c'est similaire, mais il n'y a pas de fonction Hill dans tout cela. Donc ce n'est pas exactement ce que je veux. |
| Mais cela me permet de faire certaines choses. La seule chose que la plate-forme non linéaire me permet de faire |
| est-ce que ça me permet en fait |
| spécifiez eux-mêmes les paramètres et verrouillez-les. |
| Alors qu'est-ce que je veux dire par là ? Eh bien, disons simplement que je vais dans la bibliothèque de modèles et que je dis logistique, 4 paramètres. Et je dis, |
| est-ce faire la formule, je crois? Toxicité ici. Log concentration ici. Oops. |
| La concentration du journal de formulation ici et je dis, d'accord, et c'est standard. |
| Bon. D'accord. |
| Il correspond en fait à 4 paramètres en utilisant une fonction qui n'est pas tout à fait la fonction que je recherche. |
| Et tu sais que ce n'est pas mal. Mais ici, remarquez que je peux en fait modifier ces différents paramètres à l'aide des curseurs. C'est assez intéressant. |
| Je peux donc dire make formula et ce qu'il a fait, c'est qu'il a en fait mis une formule sur ma table de données ici. Si je regarde la formule, c'est par ici et elle a des paramètres avec des valeurs initiales et elle a cette grande longue équation pour que les quatre correspondent à la formule. |
| Donc, à la place, je peux réellement revenir ici maintenant et je peux mettre cela dans mon prédicteur x et je peux dire d'accord. |
| Et ce qu'il fait, c'est qu'il apparaît et me montre toutes ces, vous savez, les quatre fonctions et quelles étaient les valeurs initiales. Si vous cliquez sur Go, il essaiera en fait de les adapter. |
| Et notez qu'en fait, cela les a fait entrer dans un décompte de quatre itérations. Assez rapide, en fait, là où il y a une limite de 60, ça leur va et ça leur va bien. Mais remarquez que j'ai ici la possibilité de changer et que je peux changer via des curseurs ici. |
| D'accord. |
| Ou je pourrais changer ici en utilisant réel... Je pourrais taper des valeurs réelles, mais je peux changer les valeurs actuelles et je peux les verrouiller. Cela peut être plutôt utile et je le démontrerai ensuite avec mes données mal comportées. |
| Je vais fermer ceci et je vais fermer, me débarrasser de cette colonne particulière. |
| D'accord, nous avons donc cet ensemble de données, notre ensemble de données initial toujours là. Jetons un coup d'œil à nos données mal comportées maintenant. |
| Ce que je vais faire, c'est que je vais me débarrasser de toutes les autres lignes de données et de tous les points de données de concentration bas de gamme. Je vais donc appuyer sur ce bouton, affiner les données et éliminer les points les plus bas. Tous les autres ont disparu, et maintenant il va se débarrasser de tous les plus bas. |
| Alors, qu'est-ce que cela fait exactement à nos données ? Si on y jette un œil. Allons juste pour ajuster le modèle très rapidement, spécialisé, ajuster la courbe, excusez-moi, ajuster la courbe. Et donc rappelez-vous. |
| Nous n'avons maintenant que les cinq points les plus élevés sur la courbe. Si je viens ici et que je dis courbe ajustée, et que je fais sigmoïde, logistique... sigmoïde, logistique, Hill. |
| Et il adapte en fait les courbes à ces cinq points de données séparément. Mais remarquez quelque chose, j'aborde ceci et j'apporte cette sortie. |
| Remarquez que mes asymptotes inférieures ici sont complètement différentes les unes des autres. Il y en a un troisième. Et si je continue, je finirai par arriver au quatrième, qui est ici à moins 80. Donc quatre asymptotes inférieures complètement différentes. |
| Donc ça n'a aucun sens, non ? Il s'adapte bien à la partie supérieure des courbes, mais il ne s'adapte vraiment pas du tout à la partie inférieure des courbes. Les hauts ont l'air plutôt bien mais pas les bas. |
| Ainsi, plutôt que d'extrapoler, souvent lorsque nous effectuons ces tests, |
| le client, l'utilisateur, ce qu'ils vont faire, c'est qu'ils vont mettre des flans, donc du matériel sur l'assiette qui n'a pas de concentration exprès. Il s'agit généralement d'une sorte de matériel de base qui se trouve dans le test lui-même. |
| Et dans ce cas particulier, je sais que des blancs ont été utilisés et la moyenne de ces blancs, comme je l'ai dit, ici était de 0,5. |
| La moyenne était donc de 0,55. Donc vraiment quelque part ici au moment où nous arrivons à 0,55, toutes les asymptotes inférieures devraient en fait descendre à 0,55. |
| Mais je ne peux pas, je ne peux pas changer ça ici dans la plateforme de courbe d'ajustement. Ah, mais je peux dans la plate-forme non linéaire. |
| Mais je n'ai pas la fonction Hill dans la plate-forme non linéaire, donc cela devient un peu déroutant. |
| Mais on peut contourner ce problème. En utilisant une plate-forme à courbe épaisse, une fois que j'ai ajusté mon modèle, le 4P Hill logistique, je peux en fait enregistrer une formule. |
| Je peux enregistrer une formule de prédiction. Ou je peux enregistrer une formule de prédiction paramétrique. |
| Et il y a une différence ici. La formule de prédiction enregistre ces fonctions exactement telles qu'elles étaient, et la formule de prédiction paramétrique est un peu différente. Dans ce cas particulier, |
| c'est la formule de prédiction paramétrique. Si nous y jetons un coup d'œil, ce qu'il montre, c'est qu'il montre ici les quatre équations. |
| Tout comme je pensais qu'ils le seraient, alors vous savez, si la formulation est standard, utilisez ceci ; si c'est le test A, utilisez ceci. Et voici tous les paramètres. Et en fait, si on regarde ça, si je devais copier ça et le coller dans un autre document... |
| Je fais ça très vite et je viens ici et je dis Fichier, Nouveau, excusez-moi... fichier, nouveau, un journal fonctionnera-t-il ? |
| Journal |
| ne fonctionne pas. C'est OK. |
| Alors allons-y |
| avoir un nouveau script. |
| Pâte. Nous y voilà. Avis en haut sont tous mes paramètres. |
| En bas se trouve en fait la formulation... la formule que nous voyions ici à droite. Donc, tout se passe, mais ce sont des valeurs initiales avec la fonction elle-même. Je voulais juste montrer cela parce que c'est un peu caché à moins que vous ne compreniez les paramètres. |
| Mais avec ça, je peux maintenant venir... |
| viens (laisse-moi reculer. Désolé.) pour analyser, modélisation spécialisée, non linéaire, et je peux utiliser ce prédicteur dans ma valeur x. |
| Mon y peut être ma toxicité ; la formulation est mon groupe, je peux dire d'accord et maintenant voici ces mêmes cinq points de données par courbe. |
| Et les intrigues étranges, mais remarquez que j'ai la capacité, encore une fois, de changer les choses. Je peux... Je sais que le paramètre c est mon asymptote inférieure. Je peux donc changer chacun d'eux en 0,55 et je peux le verrouiller. |
| Donc .55. |
| En faisant cela, vous voyez les courbes changer réellement. Ce n'est pas, cela ne leur convient pas encore, mais cela nous permet en fait de forcer une valeur que nous pensons être la valeur correcte. |
| Donc, ce que je veux soulever et apporter. Ce que vous verrez |
| est qu'il les a tous fait 0,55 pour les asymptotes inférieures. Et maintenant, je pourrais cliquer sur go, ce qui sera en fait le bon moment, |
| ce que vous voyez, c'est qu'en seulement sept itérations, le reste des paramètres s'adapte à ces quatre courbes, de sorte que les asymptotes inférieures sont toutes de 0,55. |
| C'est super. C'est exactement ce que je veux dans ce cas particulier. Et donc encore une fois sous le triangle rouge, je peux enregistrer une formule. |
| Dans ce cas, je ne peux pas enregistrer la prédiction paramétrique. Je peux simplement enregistrer cette prédiction, mais je peux le faire. Je peux donc l'utiliser ici. Et où pourrais-je l'utiliser ? |
| Rappelez-vous, j'ai dit que si je venais ici sous Graph Builder et que je devais mettre ma toxicité sur mon axe y; concentration logarithmique sur le x ; |
| formulation, peut-être dans ma superposition, c'est ce que je vois. Je peux aussi amener ici |
| la formule... la formule... oui... oui... elle-même. Et parfois cela peut être utile. Dans ce cas, ils se ressemblent vraiment. Ce que je peux faire, c'est que je peux réellement supprimer la courbe de mes points et le rendre plus lisse peut être sur la formulation elle-même. |
| C'est donc la direction. Et donc en fait, ce sont les courbes qui appartiennent à la fonction elle-même, pas les plus lisses. Et c'est donc une façon d'afficher les courbes correctes pour cet ensemble de données, même lorsque les données se comportent mal. |
| Et je dis mal élevé ici parce que nous n'avons tout simplement pas d'asymptote inférieure, mais nous avons quelque chose que nous pouvons utiliser à la place. |
| C'est donc ce que je voulais vous montrer. Et je pense que c'est vraiment cool. La chose est, |
| vous devez être capable d'aller et venir, ou vous devez parfois le faire, entre la courbe épaisse et les plates-formes non linéaires pour obtenir ce que vous voulez vraiment obtenir de JMP, de |
| la fonctionnalité dont vous avez vraiment besoin, mais je pense que c'est vraiment génial. Ainsi, vous pouvez effacer les états de ligne, par exemple, et vous pouvez en fait afficher toutes les données (je suppose que j'aurais dû conclure cela, mais je ne l'ai pas fait), diverses formulations et superpositions, concentration du journal |
| Et voici les courbes, mais vous pouvez en fait utiliser la formule de prédiction à la place pour |
| pour obtenir les formules réelles que vous voulez. Et ça, c'est vraiment sympa à voir. |
| Ce n'est pas quelque chose dont on parle vraiment. Il y a un |
| lien, un lien de blog dans les discussions JMP que Mark Bailey et quelqu'un d'autre ont publié, je pense, il y a deux ans, qui décrit cette méthodologie, une grande partie de cette méthodologie. |
| Je viens de le découvrir hier, longtemps après l'avoir moi-même compris, mais j'ai pensé que cela valait la peine de le partager avec tout le monde, comment nous pouvons adapter ces modèles non linéaires, en particulier dans le monde de la dose-réponse ou |
| ces différents produits biologiques sont des produits pharmaceutiques, surtout avec toutes les discussions ces jours-ci sur Covid 19 et il y a beaucoup de travail en cours dans ce domaine. Alors avec ça, |
| Je suppose que je veux dire merci. Enfin et surtout, j'ai quelques coordonnées. Je suis Martin dans les forums de discussion JMP et je poste là-bas, assez fréquemment. |
| Mon adresse e-mail est également répertoriée ici si vous avez des questions à me poser. Sur ce, merci beaucoup et j'apprécie votre temps. Heureux de répondre à toutes vos questions. Merci. |
