Annahmen des JMP-StabilitätstestsHallo,
Ich verwende derzeit den Stabilitätstest innerhalb der Degrationsdatenanalyse-Plattform, um die Haltbarkeit eines pharmazeutischen Produkts abzuschätzen, und hatte eine Frage zu den Annahmen der Analyse.
Ich analysiere derzeit Daten für 10 Produktchargen mit Datenpunkten für einige Chargen, die über 18 Monate verfügbar sind. Wenn ich die Analyse durchführe, wird das beste Modell als unterschiedliche Abschnitte und gemeinsame Neigungen mit einer frühesten Kreuzungszeit von 35,35 Monaten identifiziert, basierend auf der Charge, die die niedrigere Spezifikation voraussichtlich am frühesten überschreitet.Wenn ich dieselben Chargen in Fit Y by X analysiere und Regressionslinien für jede einzelne Charge anpasse, gibt die Anpassungslinie für nur eine Charge ap < 0,05 zurück (es ist zufällig meine "Worst-Case" -Charge aus dem Stabilitätstest). Das Konfidenzintervall für diese Charge in der Fit Y by X-Plattform überschreitet die untere Spezifikation um 17 Monate.
Geht der Stabilitätstest automatisch davon aus, dass sich alle Chargen tatsächlich im Laufe der Zeit ändern? Wenn die anderen Chargen tatsächlich keinen Trend zur Änderung aufweisen, ist es dann angemessen, die Haltbarkeitsschätzung zu verwenden, wenn man bedenkt, dass sie auf einer gemeinsamen Steigung über die Chargen hinweg basiert?
Vielen Dank im Voraus für Ihre Hilfe.
AnalytikRe: Annahmen des JMP-StabilitätstestsDie Analyse basiert auf den kombinierten Daten aller 10 Chargen. Es passt zu einem linearen Regressionsmodell mit vier Termen: Intercept, Batch, Time und Batch*Time Interaction. Dieser Weg ist am stärksten und realistischsten. Das Isolieren einer Charge nach der anderen ist weder eine bewährte Methode noch wird sie empfohlen.
Diese Analyse verwendet ein hierarchisches Modell, sodass eine Reihe von Hypothesentests an den Schätzungen der Modellparameter durchgeführt werden, um zu bestimmen, ob ein gemeinsamer Schnittpunkt oder eine gemeinsame Steigung verwendet werden kann.
Re: Annahmen des JMP-StabilitätstestsDiese Modelle sind lineare Regressionsmodelle. Sie haben Abschnitte und Steigungen. Ihre Frage, ob davon auszugehen ist, dass sich Chargen im Laufe der Zeit ändern / tendieren, entspricht der Frage, ob die Steigungen Nullen sind. Keines der Modelle in diesem Verfahren erzwingt Steigungen von Null.
Ich denke, eine der verwandten Fragen von Ihnen ist, was zu tun ist, wenn die Steigung unbedeutend herauskommt. Die Antwort ist nichts. Und Sie sollten auf keinen Fall die Steigung auf Null zwingen und ein neues Modell montieren. Das ist keine der Optionen.
Aber wie sieht man den Fall, wenn die Steigungen unbedeutend sind? Das Verfahren leitet das Verfallsdatum basierend auf quantifizierenden Unsicherheiten ab. Die Steigungsschätzung mag unbedeutend sein, aber wir können die Unsicherheiten in den Schätzungen nicht ignorieren. Ob die Steigung signifikant ist oder nicht, ist also nicht das Hauptanliegen des Verfahrens.
Zuletzt zu Ihrem speziellen Fall. Das Stabilitätsverfahren versucht auch, die Unterschiede und Ähnlichkeiten zwischen Chargen zu identifizieren, aus statistisch Perspektiven. Was Sie feststellen, ist, dass sich eine Charge von den anderen unterscheidet. Nun stellt sich die Frage, ob das an der Zufälligkeit beim Sampling liegt oder etwas anderes impliziert? Meiner Meinung nach gibt es hier keine absolute Antwort darauf, ob Sie das Ergebnis des Stabilitätsverfahrens oder Ihre Y-nach-X-Ergebnisse melden sollten. Aber Sie müssen Ihre Schlussfolgerung begründen. Wenn die herausragende Charge auf Zufallsstichproben zurückzuführen ist, kann das Ergebnis des Stabilitätsverfahrens meiner Meinung nach akzeptiert werden. Ansonsten denke ich, dass Ihr Fall außerhalb der Reichweite dessen liegt, was das Stabilitätsverfahren behandeln soll.
Re: Annahmen des JMP-StabilitätstestsWenn Sie ICH Q1e folgen, um Ihr Ablaufdatum (Übergangszeit) abzuschätzen, dann stellen Sie sicher, dass Sie es befolgen oder eine gute Begründung dafür haben, es nicht zu befolgen.
Wenn Sie das Stabilitätstool von JMP verwenden (Analyse>Zuverlässigkeit>Verschlechterung>Stabilität), berechnet JMP die Übergangszeit für Sie. Bitte beachten Sie, dass diese Kreuzungszeit für das Worst-Case-Los eine ungepoolte Varianz verwendet, und ICH Q1e erwähnt die Verwendung einer gepoolten Varianz, die Ihnen eine andere Kreuzungszeit gibt, die oft später als die ungepoolte Varianz-Kreuzungszeit ist.
Fit Y by X kann Ihnen ein Bild der ungepoolten Varianzüberquerungszeit geben, aber keine tatsächliche Schätzung.
Versuchen Sie es mit Analysieren > Modell anpassen.
Response geht in die Y-Rolle, Time, Batch und der Kreuzbegriff von Time und Batch (time*batch) geht in die Effects-Rolle.
Deaktivieren Sie im roten Dreiecksmenü im Startdialog Zentrierte Polynome.
Nachdem Sie auf „Ausführen“ geklickt haben, gehen Sie im Bericht zum roten Dreiecksmenü „Schätzungen“ > „Umgekehrte Vorhersage“. Geben Sie Ihre obere oder untere Spezifikationsgrenze in das Dialogfeld ein und stellen Sie sicher, dass Sie auf die Schaltfläche für alle Ihre Chargen (linke Seite) klicken, und ändern Sie auch Alpha auf 0,1, da Sie ein zweiseitiges 95% CI benötigen.
In der Tabelle unten im Bericht sehen Sie die Kreuzungszeiten und CI für jede Charge. Das Worst-Case-CI ist das, nach dem Sie suchen. Dieses KI basiert auf der gepoolten Varianz und ist wahrscheinlich enger als ungepoolt.
Sie können Modell anpassen verwenden, um auch die ungepoolte Varianz zu erhalten. Es ist das gleiche Verfahren, außer dass Only time in der Effects-Rolle ist und Batch in die By-Rolle wechselt.
