根据 ICH，在稳定性外推中测试所有因素和因素组合的可合并性”。 如何在 JMP 中做到这一点？根据 ICHQ1E 指南“第 B.3.2.2 节测试所有因子和因子组合的可合并性”，所有因子组合均可用于测试可合并性。如果其他因素如 Pack Size 和 Orientation 需要包含在可合并性和模型选择中，如何在 JMP 中进行？ 我们是否有条件在考虑其他因素的情况下在 JMP 中进行此分析？
其他回复：根据 ICH，在稳定性外推中测试所有因素和因素组合的可合并性。 如何在 JMP 中做到这一点？我认为您可以使用批处理池化直接扩展示例。 对因素及其与时间的相互作用进行检验。 如果它们不显着，那么您可以汇集所有因子水平的数据。 如果交互作用很重要，那么您必须在模型中保留该因素和交互作用。 您可以在选择最终模型后使用 Prediction Profiler 来确定到期时间。
使用分析 > 拟合模型。 选择时间和因子的数据列，单击宏，然后选择因子到度。 单击运行。 删除您认为不重要的术语，首先从交互开始。 不要破坏模型层次结构。
回复：根据 ICH，在稳定性外推中测试所有因素和因素组合的可合并性。 如何在 JMP 中做到这一点？感谢马克的解决方案。是的，我完全同意这一点，并且是您描述的 JMP 模型选择的首选。 请让我们建议如何在 JMP 中使用多因素进行 ANCOVA。 与多因素类似，将有更多可能的组合来比较批次之间的斜率和截距显着性。 我指的是下面提到的文章（链接）。 不幸的是，我没有这篇文章的硬拷贝。 https://www.yumpu.com/en/document/read/7434354/shelf-life-estimation-for-multifactor-stability-studies-drug-information-
请建议。 希望这篇文章能帮助解释我的查询。
问候。
罗曼卡尔
回复：根据 ICH，在稳定性外推中测试所有因素和因素组合的可合并性。 如何在 JMP 中做到这一点？我将使用与 JMP 一起安装的 Big Class 示例。 我想模拟 :weight 和 :height 之间的线性关系。 还有：年龄和：性别因素。 我在模型中输入这些术语以测试它们的效果我将 :age 和 :sex 与 :height 交叉以产生交互项。 这些术语测试 :height 效应是否取决于 :age 或 :sex。
以下是初步结果：
然后我们将遵循 Q1A 和 Q1E 指南并首先测试高阶项。 我们首先消除最不重要的项（即最高的 p 值），然后一步一步地进行。 然后我们可能会得到一个这样的模型来解释和预测：
这样的结果证明 :sex 和 :age 组的数据可能会合并，但不同：年龄组。
