Presupposti del test di stabilità JMPCiao,
Attualmente sto utilizzando il test di stabilità all'interno della piattaforma Degredation Data Analysis per stimare la durata di conservazione di un prodotto farmaceutico e avevo una domanda sui presupposti dell'analisi.
Attualmente sto analizzando i dati per 10 lotti di prodotto con punti dati per alcuni lotti disponibili per 18 mesi. Quando eseguo l'analisi, il modello migliore viene identificato come diverse intercettazioni e pendenze comuni con un primo tempo di attraversamento di 35,35 mesi in base al lotto stimato per superare la specifica inferiore il prima possibile.Quando analizzo questi stessi batch in Fit Y per X e inserisco le linee di regressione per ogni singolo batch, la linea di adattamento per un solo batch restituisce ap <0,05 (sembra essere il mio batch "caso peggiore" dal test di stabilità). L'intervallo di confidenza per questo batch nella piattaforma Stima Y per X supera la specifica inferiore di circa 17 mesi.
Il test di stabilità presuppone automaticamente che tutti i lotti cambino effettivamente nel tempo? Se gli altri lotti non tendono effettivamente al cambiamento, è appropriato utilizzare la stima della durata di conservazione considerando che si basa su una pendenza comune tra i lotti?
Grazie in anticipo per il vostro aiuto.
Consumatori e ricerche di mercatoEsplorazione e visualizzazione dei datiQualità e ingegneria di processoRi: Presupposti del test di stabilità di JMPSe stai seguendo ICH Q1e per stimare la tua data di scadenza (tempo di attraversamento), assicurati di seguirlo o di avere una buona giustificazione per non seguirlo.
Se utilizzi lo strumento Stabilità di JMP (Analizza>Affidabilità>Degrado>Stabilità), JMP calcolerà per te il tempo di attraversamento. Si noti che questo tempo di incrocio per il lotto del caso peggiore utilizza la varianza non aggregata e ICH Q1e menziona l'utilizzo della varianza aggregata che ti darà un tempo di incrocio diverso, che spesso è successivo al tempo di incrocio della varianza non aggregata.
Fit Y by X può darti un'immagine del tempo di attraversamento della varianza non raggruppata ma non una stima effettiva.
Prova a usare Analizza>Adatta modello.
Response va nel ruolo Y, Time, Batch e il termine incrociato di Time e Batch (time*batch) va nel ruolo effetti.
Dal menu del triangolo rosso nella finestra di dialogo di avvio, disattivare Polinomi centrati.
Dopo aver fatto clic su Esegui, vai al menu del triangolo rosso nel report, Stime>previsione inversa. Inserisci il tuo limite di specifica superiore o inferiore nella finestra di dialogo e assicurati di fare clic sul pulsante per tutti i tuoi batch (lato sinistro), cambia anche l'alfa in 0,1, perché hai bisogno di un CI al 95% a due lati.
Nella tabella in fondo al rapporto vedrai i tempi di attraversamento e il CI per ogni lotto. L'IC peggiore è quello che stai cercando. Questo CI si basa sulla varianza aggregata ed è probabilmente più stretto di quello non aggregato.
È possibile utilizzare il modello Fit per ottenere anche la varianza non raggruppata. È la stessa procedura, tranne che Solo il tempo è nel ruolo Effetti e Batch va nel ruolo Per.
Ri: Presupposti del test di stabilità di JMPQuesti modelli sono modelli di regressione lineare. Hanno intercettazioni e pendenze. La tua domanda se presumere che i lotti cambino/trend nel tempo è equivalente alla domanda se le pendenze sono zero. Nessuno dei modelli in questa procedura forza le pendenze a zero.
Immagino che una delle tue domande correlate sia cosa fare se la pendenza risulta insignificante. La risposta è niente. E sicuramente non dovresti forzare la pendenza a zero e montare un nuovo modello. Questa non è una delle opzioni.
Ma come guardare al caso in cui le pendenze sono insignificanti? La procedura deriva la scadenza sulla base della quantificazione delle incertezze. La stima della pendenza può essere insignificante, ma non possiamo ignorare le incertezze nelle stime. Quindi se la pendenza è significativa o meno non è la principale preoccupazione della procedura.
Infine, sul tuo caso specifico. La procedura di stabilità cerca anche di identificare le differenze e le somiglianze tra i lotti, da statistico prospettive. Quello che trovi è che un lotto è diverso dal resto. Ora la domanda è se ciò sia dovuto alla casualità nel campionamento o implichi qualcosa di diverso? Non c'è una risposta di assoluzione qui, a mio parere, se dovresti riportare il risultato della procedura di stabilità o i tuoi risultati Fit Y by X. Ma devi giustificare la tua conclusione. Se il batch che si distingue è dovuto alla casualità del campionamento, suppongo che il risultato della procedura di stabilità possa essere accettato. Altrimenti, penso che il tuo caso sia fuori dalla portata di ciò che la procedura di stabilità è progettata per affrontare.
Ri: Presupposti del test di stabilità di JMPL'analisi si basa sui dati combinati di tutti i 10 lotti. Si adatta a un modello di regressione lineare con quattro termini: intercetta, batch, tempo e interazione batch*tempo. In questo modo è più potente e realistico. L'isolamento di un batch alla volta non è una procedura consigliata o consigliata.
Questa analisi utilizza un modello gerarchico, pertanto viene eseguita una serie di test di ipotesi sulle stime dei parametri del modello per determinare se è possibile utilizzare un'intercetta o pendenza comune.
