Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoCiao comunità, ho problemi a modellare alcuni dati che ho ottenuto da un DSD. Questa era una schermata di 10 fattori. L'abbiamo eseguito con 3 blocchi (operatori) e ho incluso il numero massimo di esecuzioni extra (8). Questo mi ha dato una tabella di 31 corse. Abbiamo fatto alcuni esperimenti iniziali di rilevamento della distanza per stabilire limiti ragionevoli per tutti i fattori. Sfortunatamente abbiamo ancora 4 prove in cui la reazione è completamente fallita, quindi non ho alcun valore da inserire come risposta.
La mia prima domanda è come dovrebbero essere trattate queste esecuzioni fallite? Idealmente suppongo che dovrebbero essere esclusi e avrei ancora 27 esecuzioni che hanno fornito dati. Ma se li escludo dalla tabella e provo a eseguire lo script Fit Definitive Screening, non succede nulla. Non ci sono messaggi di errore ma la finestra non si apre. La mia risposta è "Time to Completion", con l'obiettivo di ridurre al minimo questa risposta, e potrei semplicemente inserire un numero elevato che rappresenta un tempo più lungo della durata dell'esperimento, ma questo sembra arbitrario. Lo script verrà eseguito però.
La mia seconda domanda è se posso includere esecuzioni replicate per avere più fiducia nel modello? Abbiamo eseguito 8 repliche di ogni condizione di esecuzione. Tuttavia, se copio e incollo un'esecuzione e provo a eseguire lo script, di nuovo non succede nulla. In questo momento sto solo prendendo la media delle 8 esecuzioni e usando quella, ma mi chiedo se sarebbe meglio includere in qualche modo i singoli valori e, in tal caso, c'è un modo per farlo con lo script Fit Definitive Screening?
Posso usare il modulo Fit Model standard per risolvere entrambi questi problemi, ma sembra che mi mancherebbe il vantaggio del DSD. Grazie per eventuali risposte! Sono su JMP 15.2. Se pubblicare la tabella può essere utile, sono felice di farlo.
DOERe: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoInnanzitutto, non ho esaminato i tuoi dati, quindi non posso replicare le modalità di errore che descrivi ... ma penso che tu sia sfortunato. Per sfruttare le caratteristiche di un DSD, devi davvero avere tutte le risposte per ogni combinazione di trattamento. È un progetto molto economico e ricco di informazioni per l'analisi in due fasi, come prescritto dallo script Fit Definitive Screening. Ecco il mio suggerimento generale, ancora una volta non ho guardato i tuoi dati. Ma almeno farei un tentativo... potresti forse tornare alle stesse conclusioni che avresti raggiunto da un flusso di lavoro di analisi DSD.
Dovrai utilizzare la piattaforma Fit Model. Includi tutte le repliche "così come sono". Potrebbe anche... potrebbero esserci informazioni utili nella variazione tra quei punti... sia statistici che pratici. Poiché un flusso di lavoro di analisi DSD presuppone la scarsità degli effetti per realizzare i vantaggi di un approccio DSD... Comincerei adattando un modello di soli effetti principali e vedere quali effetti sono attivi. Si spera che le combinazioni di trattamento mancanti non facciano troppo male alla ricerca di questi effetti principali attivi. Una volta ottenuti quegli effetti principali attivi, ora adatta un modello con quegli effetti principali attivi E tutte le possibili interazioni a due fattori inclusi i termini degli effetti principali. Monta quel modello... e guarda cosa ti dice.
Questo approccio in due fasi imita concettualmente ciò che fa la piattaforma di analisi Fit Definitive Screening... più o meno. Penso che questo approccio potrebbe avvicinarti?
Sarei interessato a vedere quali altri come @markbailey o @statman potrebbe pensare?
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoI miei pensieri:
1. Variabili di risposta: puoi misurare qualcosa di diverso dal "tempo di completamento"? Ad esempio, % di completamento o chimica dopo un periodo di tempo 'x'... in altre parole, altri modi per misurare i fenomeni.
2. Questa è una preoccupazione per qualsiasi strategia DOE con in mente l'ottimalità. Sono più suscettibili a dati persi/mancanti/atipici.
3. Come sostituire i dati mancanti (alcune idee su questo, ma più dati mancanti sono meno utili)?
- Utilizzare la media del set di dati
- Utilizzare i dati previsti (si spera che queste previsioni siano state fatte a priori
- Regredire sui dati di cui disponi e utilizzare il modello per prevedere i dati mancanti (utilizzando la piattaforma del modello di adattamento)
- Fai tutto quanto sopra e confronta i risultati... se sono in qualche modo d'accordo, hai maggiore fiducia nell'analisi risultante, in caso contrario devi decidere cosa hai imparato e quale dovrebbe essere la prossima iterazione.
4. Sono un po' confuso dall'affermazione "Abbiamo eseguito 8 repliche di ogni condizione di esecuzione". Si replica o si ripete? Erano trattamenti indipendenti? Se sono davvero repliche e tutte e 8 le repliche non hanno reagito (le 4 volte), cosa hai imparato?
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoVoglio verificare che Fit Definitive Screening lo faccia non funziona se si hanno valori mancanti o corse eliminate o escluse dal progetto di screening definitivo. L'analisi specializzata dipende dal struttura ribaltabile della matrice di progetto durante la formazione delle matrici del modello per l'analisi. (Tieni presente che puoi utilizzare Fit Definitive Screening con qualunque design pieghevole!)
Mi chiedo se sarebbe possibile sostituire i valori mancanti per le esecuzioni senza una reazione con un numero molto grande per Time to Completion? Questa ricodifica è un trucco numerico. Vuoi semplicemente che l'analisi proceda in cui alcune esecuzioni hanno impiegato essenzialmente un tempo infinito, ma rappresentano questo con un numero finito. Ad esempio, se il tempo di reazione è compreso tra 5 minuti e 2 ore, è possibile utilizzare un valore compreso tra 1000 e 100000 invece dei valori mancanti. Funziona? Sto cercando di recuperare quanto più possibile il tuo esperimento.
Le corse extra sono davvero replicate? Cioè, non sono semplicemente misure ripetute di una singola corsa. Sospetto che Time to Completion richieda che siano vere repliche - solo un controllo. In tal caso, includerò sicuramente le singole repliche e non la media di esse. Un contro argomento, tuttavia, è che potresti stimare la media e la deviazione standard e modellarle per trovare condizioni che ti forniscano sia il tempo medio minimo che la variazione minima nel tempo.
Il mio ultimo commento è che Fit Definitive Screening è uno strumento meraviglioso e specializzato. Si tratta davvero di selezionare il modello, e questo è il massimo. Hai molti altri strumenti per selezionare il miglior modello lineare.
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoCiao @markbailey , @statman , @P_Bartel ,
Grazie per i pensieri! Ho allegato la mia tabella dati in modo da poter replicare ciò che vedo, se è utile. In questo momento, le celle senza un valore nella colonna "Ora" sono le esecuzioni non riuscite. Senza un valore, lo script Adatta schermo definitivo non viene eseguito. Se escludo quelle righe/esecuzioni, lo script non viene ancora eseguito. Se assegno valori casuali, verrà eseguito. So che è meglio non escludere alcuna esecuzione e ciò danneggerà il modello, ma poiché ho aggiunto 8 esecuzioni extra durante la generazione della tabella, speravo che perderne 4 per errori potesse ancora funzionare. Sono stato solo sorpreso dal fatto che la sceneggiatura non ci proverà nemmeno! Ho iniziato provando l'approccio che @P_Bartel suggerito e ho anche domande lì, ma probabilmente dovrebbe essere un altro thread e prima voglio dedicarci un po 'più di tempo. Per rispondere ad alcune delle altre domande che sono emerse:
- Sì, posso provare a utilizzare una metrica diversa da "Tempo di completamento". L'unico che mi viene in mente è "Tempo rimasto nell'esperimento" e cerca di massimizzare quel valore (sarebbe zero per le esecuzioni non riuscite). Questa è una reazione biochimica che produce un segnale che dovrebbe aumentare nel tempo fino a raggiungere un massimo. Nelle esecuzioni non riuscite, non è mai stato prodotto alcun segnale, quindi non ho nessun altro valore da utilizzare.
- Ho provato ad assegnare valori alle esecuzioni fallite, come numeri più grandi della durata dell'esperimento, o semplicemente numeri molto grandi (approssimativi a un tempo di infiniti perché non ha mai funzionato), questi sembrano davvero distorcere il modello e rendere tutto il altri punti dati meno impattanti.
- Per chiarire, le mie repliche sono davvero ripetizioni delle condizioni della corsa, non solo misurazioni multiple della stessa corsa. Quindi in totale abbiamo eseguito 31*8 = 248 reazioni. Queste reazioni hanno naturalmente una certa variabilità, quindi le repliche sono importanti. I valori attualmente in tabella sono la media delle 8 prove. Ho pensato che ci sarebbe stato un certo valore nell'includere i dati di ogni corsa nel modello, ma se provo ad aggiungere corse extra alla tabella, lo script Fit Definitive Screening non viene eseguito.
- Per affrontare "Cosa ho imparato dai fallimenti": se guardo le esecuzioni non riuscite, 3 su 4 hanno una combinazione di Low Mg e High Log2X1. Ciò avrebbe dovuto essere dannoso per la reazione e avevo considerato di impostare un vincolo in modo che questa combinazione non potesse essere utilizzata, ma il DSD non lo consentiva. Se avessi fatto un DOE personalizzato avrei fatto questo vincolo. (anche se ci sono casi in cui Low Mg e High Log2X1 hanno funzionato, quindi questo non è un errore garantito).
Per ora proverò a modellare questi dati escludendo le esecuzioni non riuscite, inclusi i singoli dati di replica e non utilizzando lo script Fit Definitive Screening.
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoDomanda veloce: quanto di un cambiamento nel tempo ha un significato scientifico (o un significato pratico)?
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoQualsiasi cosa maggiore di 5 minuti sarebbe interessante. Per il nostro test "punto medio" per i 3 blocchi/operatori, è stato completato in 16, 25 e 25 minuti (il che di per sé è un po' preoccupante che un operatore fosse in qualche modo molto più veloce).
Molte di queste condizioni sono molto peggiori, ma speravamo di identificare i fattori che potrebbero aiutarci a migliorare quei tempi.
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoHo eseguito alcune analisi (modelli di adattamento) per blocco e includendo il blocco come effetto fisso. Scheda tecnica allegata. L'analisi utilizza modelli saturi e non sono stati ridotti. Sì, gli effetti di blocco possono essere piuttosto impegnativi... portando a molte domande.
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoGrazie @statman ! Sono abbastanza nuovo nella modellazione DOE, quindi sto cercando di trovare la mia strada per i modelli che hai scritto, ma concentrandomi sull'utilizzo dell'intero set di dati con il blocco come effetto fisso e sembra che includere i dati replicati aiuti. Le differenze tra i singoli modelli a blocchi sono certamente preoccupanti. Grazie a tutti per l'aiuto.
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoCiao @statman , il modello che hai fornito, inclusi tutti i dati e il blocco come effetto, ha senso da ciò che sappiamo sul sistema. Ho cercato di ricreare il tuo modello ma incontrando difficoltà, in particolare non sono sicuro di come ti sei deciso a guardare le interazioni secondarie e gli effetti quadratici per un sottoinsieme dei fattori (pH, Mg, Log2X2, Log25X3), che forniscono il bella curvatura che ci aspettavamo.
Ho provato la strategia che @P_Bartel sopra menzionato - screening degli effetti principali, quindi incrociando quelli con tutte le possibili combinazioni di fattori. Ho anche provato a utilizzare la regressione lineare graduale in diversi modi. Ma niente mi ha portato a qualcosa di predittivo come quello che mi hai fornito, e vorrei solo sapere come ci sei arrivato. Qualsiasi intuizione nel tuo processo di pensiero sarebbe apprezzata! O se c'è una pagina di aiuto in particolare su cui dovrei leggere, per favore fatemelo sapere.
Re: Come trattare le repliche e le esecuzioni non riuscite in un progetto di screening definitivoIl mio processo di pensiero durante l'analisi dei dati DOE è di iniziare con un modello saturo. Questo è chiamato il sottrattivo approccio alla costruzione di modelli (rispetto all'approccio additivo come fa stepwise). Un modello saturo è quando vengono assegnati tutti i gradi di libertà. Nel tuo caso, ho trattato il blocco come un effetto fisso e ho incluso le interazioni blocco per fattore. Quando si analizzano i risultati, pensare prima a quale effetto pratico ha ciascun fattore (termine del modello) e quindi guardare alla significatività statistica. Rimuovere gli elementi insignificanti, quindi rieseguire il modello ridotto e analizzare i residui. Non so quale sia il significato pratico per il tuo set di dati, quindi non ho potuto ridurre il modello.
