根據 ICH，在穩定性外推中測試所有因素和因素組合的可合併性”。 如何在 JMP 中做到這一點？根據 ICHQ1E 指南“第 B.3.2.2 節測試所有因子和因子組合的可合併性”，所有因子組合均可用於測試可合併性。如果其他因素如 Pack Size 和 Orientation 需要包含在可合併性和模型選擇中，如何在 JMP 中進行？ 我們是否有條件在考慮其他因素的情況下在 JMP 中進行此分析？
其他回复：根據 ICH，在穩定性外推中測試所有因素和因素組合的可合併性。 如何在 JMP 中做到這一點？我認為您可以使用批處理可池性直接擴展示例。 對因素及其與時間的相互作用進行檢驗。 如果它們不顯著，那麼您可以匯集所有因子水平的數據。 如果交互作用很重要，那麼您必須在模型中保留該因素和交互作用。 您可以在選擇最終模型後使用預測刻畫器來確定到期時間。
使用分析 > 擬合模型。 選擇時間和因子的數據列，單擊宏，然後選擇因子到度。 單擊運行。 刪除您認為不重要的術語，首先從交互開始。 不要破壞模型層次結構。
回复：根據 ICH，在穩定性外推中測試所有因素和因素組合的可合併性。 如何在 JMP 中做到這一點？感謝馬克的解決方案。是的，我完全同意這一點，並且是您描述的 JMP 模型選擇的首選。 請讓我們建議如何在 JMP 中使用多因素進行 ANCOVA。 與多因素類似，將有更多可能的組合來比較批次之間的斜率和截距顯著性。 我指的是下面提到的文章（鏈接）。 不幸的是，我沒有這篇文章的硬拷貝。 https://www.yumpu.com/en/document/read/7434354/shelf-life-estimation-for-multifactor-stability-studies-drug-information-
請建議。 希望這篇文章能幫助解釋我的查詢。
問候。
羅曼卡爾
回复：根據 ICH，在穩定性外推中測試所有因素和因素組合的可合併性。 如何在 JMP 中做到這一點？我將使用與 JMP 一起安裝的 Big Class 示例。 我想模擬 :weight 和 :height 之間的線性關係。 還有：年齡和：性別因素。 我在模型中輸入這些術語以測試它們的效果我將 :age 和 :sex 與 :height 交叉以產生交互項。 這些術語測試 :height 效應是否取決於 :age 或 :sex。
以下是初步結果：
然後我們將遵循 Q1A 和 Q1E 指南並首先測試高階項。 我們首先消除最不重要的項（即最高的 p 值），然後一步一步地進行。 然後我們可能會得到一個這樣的模型來解釋和預測：
這樣的結果證明 :sex 和 :age 組的數據可能會合併，但不同：年齡組。
