研究人員通常使用複雜的實驗室方法來評估開發中和整個產品生命週期中藥物的關鍵質量屬性 (CQA)。 儀器已經驗證了獲取數據的範圍，研究人員經常會得到超出檢測限 (LOD) 的結果。 如果您是運行預測模型的技術人員，其中包括對可獲得的值範圍有限制的響應，那麼這篇文章適合您。 JMP Pro 現在包含一種易於部署的技術，可適當處理統計模型中的檢測限並降低出錯風險。
在 JMP Pro 中使用新的 LOD 控件有什麼實用價值？
讓我們考慮一個例子：我們正在計劃一組實驗，以確定可以使用三個輸入的實驗室方法提取和測量的固體雜質的最大量。 測量方法包括 1 個單位的檢測下限。 過去我們嘗試了不同的技術來處理 LOD，包括使用缺失值、創建一個非常小但不為零的值以允許使用對數、對受 LOD 影響的觀察施加限制，以及使用包含在JMP 專業版 16 .
我們使用具有對數正態分佈的廣義線性模型，利用前向選擇對可以提取和測量的雜質量進行建模。 在沒有 LOD 控制的情況下運行模型會導致高度懷疑包含重大錯誤的預測。
使用缺失值的最大化模型提供了 137.8 的估計值，這大大超出了實驗中實現的最高雜質量 34.7。 請注意 95% 置信區間範圍的極廣範圍。
使用接近於零的值的最大化模型提供了不切實際的估計值 472.4。
使用 1 單位下限的最大化模型似乎低估了 16.6 的最佳雜質量，這大約是實驗期間實現的最大量的一半。
我們在最終模型中使用 LOD 控件。 可測量的最佳雜質量估計為 36.7。 請注意，實際估計來自包含所有三個方法輸入的模型。 三個方法輸入中的每一個都有局部最大值，這對主題專家來說很有意義。
該比較清楚地說明了 LOD 控制如何減輕模型預測估計中的錯誤。 在確定為最佳輸入的數量周圍的空間中創建確認運行始終是最佳實踐。
什麼是檢測限？
儀器通常從沒有分析物的矩陣中產生值，這被稱為空白讀數。 一組空白讀數形成測量系統固有的“噪聲”分佈。 這種“噪音”是您從儀器測試的同質樣品的多次讀數中可以預期的隨機變異性。
檢測限是與空白讀數有統計學差異的最小濃度/數量[1] .
最小數量 = 空白測量的平均值 +（置信水平 x 空白測量的標準偏差）
使用 99% 的置信水平，檢測限是最小信號的平均值，該信號比空白平均值高大約 3 個標準偏差（空白）。
量化限制通常用於減輕假陰性結果（即，當實際測量可用時，我們假設該測量超出限制）。
一些測量具有雙邊限制。 測量力的稱重傳感器通常具有在雙邊限制內的精度區域。
科學家和工程師處理許多不同類型的檢測限，包括：儀器檢測限、方法檢測限、定量限和實際定量限。 無論使用何種類型的限制，都由科學家或工程師來確定使用 LOD 進行刪失以滿足實驗目標的截止值。
為什麼檢測限會影響模型估計？
參數估計通常使用累積分佈函數 (CDF) 進行。 在存在限制的情況下，結果是 CDF 偏移和參數改變。 下圖說明了 LOD 對對稱分佈的影響。
由於測量範圍內的限製而導致的 CDF 偏移對於偏態分佈尤其嚴重，下面將其視為大量潛在數據未包含在 CDF 中，從而導致參數發生重大變化。
當我們適當地使用檢測限作為審查值時，估計是根據概率密度函數進行的。 PDF 的形狀減輕了參數的變化，因為缺失的部分可以是參數更準確，產生現實的模型估計。
如何在 JMP Pro 中使用 LOD 控件？
讓我們考慮一個類似的場景：我們正在計劃一組實驗，以找出我們可以使用實驗室方法提取和測量的固體雜質的最大量。 我們使用 DOE> Custom Design 菜單選項來設置實驗的結構。 JMP 16包括在設計過程中添加檢測限的能力，如下所示。
設置 LOD 控件的另一種方法是將它們添加到列屬性中。
JMP Pro 將自動控制 LOD，而無需創建額外的列來對模型內的限制進行適當的審查。
利用 LOD 控件實現實用價值
在 JMP Pro 16 中使用此 LOD 控件可顯著提高模型估計的精度和準確度，從而提高設計質量 (QbD) 工作。 技術人員現在有了一個很好的新工具來處理已知有局限性的測量方法。
參考
[1]國際聯盟。 化學術語綱要，第 2 版。 （“金書”）。 由 AD McNaught 和 A. 威爾金森。 Blackwell Scientific Publications，牛津（1997 年）。 由 SJ Chalk 創建的在線版本 (2019-)。 ISBN 0-9678550-9-8。 https://doi.org/10.1351/goldbook .
好文章，羅伯！在涉及低級雜質的情況下，這對我們來說肯定是一個有用的功能。我有一個同事問你是如何製作圖形來展示雙邊限制的。我認為 JSL 參與了。你有機會分享那個腳本嗎？謝謝！
嗨格溫@gwenhallberg , 為確保 Rob 獲得此信息（並確保您想查看您添加的任何評論/問題的任何人都能快速查看），請使用 @mention 標籤。在這種情況下，羅@statpharmer ，格溫寫道：
好文章，羅伯！在涉及低含量雜質的情況下，這對我們來說肯定是一個有用的功能。我有一個同事問你是如何製作圖形來展示雙邊限制的。我認為 JSL 參與了。你有機會分享那個腳本嗎？謝謝！
@statpharmer作為微生物學家，計數小於 LOD 是很常見的。 如果LOD=10，我以前用9代替<10，可以用對數計算轉化。 所以我可以請您嘗試用 0.9 替換 1 的數據，並檢查預測配置文件與您分析的其他場景的最終差異，即錯過，極低至 0、1、LOD？ 我只是 JMP v15 的用戶，無法嘗試。謝謝你。
@statpharmer老實說，我喜歡這個功能，但只是因為它是 JMP Pro 而不是 JMP 的一部分而感到難過。
@statpharmer感謝您分享結果。 只是想知道您是否可以共享原始數據讓我在我同事的 JMP Pro 中使用此功能，並可能證明我的應用程序升級是合理的。 我也對對數正態分佈感興趣。 JMP 如何處理那些零指示 LOD？謝謝你。
