Activité microbienne et estimation de la durée de conservationJe me rends compte que c'est un peu hors sujet, mais toujours pertinent par rapport à la plateforme de dégradation/stabilité de JMP. Je me demandais comment estimer la durée de conservation à partir de tests microbiologiques (numération sur plaque aérobie par exemple). La littérature et l'ICH me disent seulement que « les attributs qualitatifs et les attributs microbiologiques ne se prêtent pas à ce type d'analyse statistique » (lire « ne se prêtent pas aux tests de régression linéaire et de poolabilité »). Jusqu'à présent, je me suis contenté de simplement commenter l'activité microbiologique observée dans des études de stabilité individuelles, sans effectuer de tests statistiques. Habituellement, je fournissais simplement un tracé xy où x = temps et y = colonies de microbes comptées. Est-ce ainsi que cela se fait dans les industries alimentaires, des compléments nutritionnels et pharmaceutiques, c'est-à-dire en traitant des séries de données de paramètres microbiologiques dépendant du temps comme un résultat qualitatif ? Quelles sont les expériences des autres utilisateurs ?
Modélisation statistique avancéeÉtudes de consommation et de marchéOrganisation du contenuAccès aux donnéesModélisation prédictive et apprentissage automatiqueIngénierie Qualité et ProcédésAnalyse de fiabilitéPartager et communiquer les résultatsRe: Activité microbienne et estimation de la durée de conservationJe ne peux pas parler au nom de ces industries dans leur ensemble, ni de ce qui serait accepté dans les journaux, mais quant à votre question de savoir si " traiter des séries de données de paramètres microbiologiques dépendant du temps comme un résultat qualitatif est valable, je crois que la réponse est oui.Si vous pouvez construire un modèle empirique pour expliquer les données que vous voyez de votre processus, et que vous pouvez être sûr qu'il est valide pour les conditions que vous essayez d'estimer, alors je pense que vous pourriez construire un utile modèle.Il faut cependant être prudent.Comme vous l'avez mentionné, un modèle linéaire qui s'adapte parfaitement à une partie de vos données peut ne pas être valide lorsqu'il est extrapolé au-delà de l'une ou l'autre extrémité ou de vos données existantes. Vous devez donc faire attention au modèle que vous utilisez.
