488085_de-DE

liliconcom

Äquivalenztest

Hallo

Ich möchte zwei Analysemethoden vergleichen, die die Reinheit meiner Proben messen, und beweisen, dass sie gleichwertig sind. Ich weiß, dass sie nicht genau die gleichen Ergebnisse liefern, was bedeutet, dass der Mittelwert ihrer Differenz nicht 0 ist. Ich muss jedoch nur nachweisen, dass der Unterschied zwischen ihren Ergebnissen weniger als 2 % beträgt. Meine Daten basieren auf 28 verschiedenen Proben und jede Probe wurde einmal mit jeder Methode analysiert. Wir haben die Äquivalenz mit einem zweiseitigen t-Test auf den Reinheitsunterschied getestet, sind uns jedoch nicht sicher, ob dieser Test am besten geeignet ist, das Konzept zu beweisen. Bitte beachten Sie, dass die Daten nicht normalverteilt sind. Kann mir dazu bitte jemand einen Rat geben?

 

Qualitäts- und VerfahrenstechnikErgebnisse teilen und kommunizierenBetreff: Äquivalenztest

Danke für das Aufklären @Mark_Bailey . und vielen Dank für Ihre Hilfe.

 

Grüße,

Jennifer.

Betreff: Äquivalenztest

Vielen Dank @SDF1 . Das war wirklich hilfreich.

 

Grüße,

Jennifer.

Betreff: Äquivalenztest

Ich hätte antworten sollen, dass Ihr Äquivalenztest ausreichende Beweise liefert, um die Nullhypothese zurückzuweisen, dass sich die Methoden bei einem Konfidenzniveau von 95 % um mehr als 2 % unterscheiden.

Betreff: Äquivalenztest

Hallo @CentroidJackal1 ,

 

Ich glaube, Ihr Äquivalenztest zeigt, dass Sie die Äquivalenz der beiden Methoden nicht auf +/-2 Einheiten von 0 genau ablehnen können. In dem von Ihnen angegebenen Beispiel beträgt die durchschnittliche Differenz -0,72, und da Sie alles innerhalb von +/-2 Einheiten von 0 akzeptieren, deutet die durchschnittliche Differenz darauf hin, dass die Werte gleichwertig sind. Die roten Striche auf der durchschnittlichen Differenz sind die Konfidenzgrenzen für diese mittlere Differenz.

 

Beachten Sie, dass bei diesem Äquivalenztest die mittlere Differenz aller Ihrer 28 Messungen untersucht wird. Es sagt nichts über eine einzelne Messung aus. Daher denke ich, dass man vorsichtig sein sollte, wenn man sagt, dass die Differenz „immer“ kleiner als 2 sein wird (bei welcher Konfidenz man sich vorher auch entschieden hat). Was wirklich diskutiert werden sollte, ist, dass die Durchschnitt Die Differenz beträgt weniger als +/-2 Einheiten von 0. Dies wird durch Ihre Verteilung veranschaulicht, bei der Sie mindestens einen Datenpunkt mit einer Differenz von -4 haben. In diesem speziellen Fall weisen diese eine (oder mehrere) Messung(en) eine Differenz von mehr als +/-2 Einheiten von 0 auf und würden Ihrer ursprünglichen Beschreibung nicht entsprechen. Der Durchschnitt aller Messungen steht der Beschreibung jedoch nicht im Weg.

 

Die BA-Analyse sollte Ihnen diese Informationen ebenfalls liefern, da Sie das Konfidenzintervall im Mittelwert-Differenz-Diagramm schätzen und sehen können, wie viele der Messungen außerhalb dieser Linien liegen, und außerdem feststellen können, ob bei der einen oder anderen Methode eine Verzerrung vorliegt .Mit der BA-Analyse können Sie eine ziemlich gute Schätzung darüber erhalten, wie viele Datenpunkte außerhalb Ihrer CIs liegen werden, und somit eine vernünftigere Schätzung dessen abgeben, was Sie beantworten möchten, was bedeutet, dass Sie für jede bestimmte Messung ein Konfidenzniveau haben von X, dass die Differenz innerhalb von +/-2 Einheiten liegt.

 

Sie können auch eine ANOVA-Analyse in Betracht ziehen, bei der Sie erneut einen Äquivalenztest für die Mittelwerte durchführen können. In diesem Fall würden Sie jedoch die tatsächlichen Messwerte verwenden, und obwohl Sie wissen, dass die absoluten Werte von A und B möglicherweise nicht übereinstimmen Ebenso können Sie den Äquivalenztest immer noch auf +/-2 Einheiten genau durchführen. Das Schöne daran ist, dass Sie bei Bedarf ungleiche Varianzen berücksichtigen können – beispielsweise wenn Methode A und B keine ähnlichen Standardabweichungen aufweisen.

 

Bei beiden Äquivalenztests geht es in Wirklichkeit entweder um die Mittelwertdifferenz oder um die Mittelwertdifferenz – für alle Ihre Messungen, und das sollte deutlich gemacht werden. Eine einzelne Messung kann immer ein Ausreißer sein, aber wenn die mittlere Antwort beider Methoden gleichwertig ist, sollte sie den Äquivalenztest bestehen.

 

Viel Glück!,

DS

Betreff: Äquivalenztest

Wenn die Modelle nicht gleichwertig sind, ist die Verzerrung erheblich.

Betreff: Äquivalenztest

Hallo @Mark_Bailey

Danke für deine Antwort. Die orthogonale Anpassung besagt, dass die Methoden nicht äquivalent sind, genau wie die Anpassungslinie. Wir wissen, dass die Methoden nicht genau die gleichen Ergebnisse liefern und dass es eine Verzerrung gibt, aber wir möchten beweisen, dass diese Verzerrung nicht signifikant ist. Ist das sinnvoller?

Vielen Dank,

Jennifer.

Betreff: Äquivalenztest

Hallo @SDF1

Vielen Dank für die schnelle Antwort. Entschuldigung für die Verwirrung. Die Reinheit wird als Prozentsatz ausgedrückt, deshalb gebe ich 2 % an, aber die Differenz ist der absolute Wert, und ich möchte beweisen, dass es eine gewisse Sicherheit gibt, zu sagen, dass die Differenz „immer“ (für 90 %, 95 % oder 99 %) bestehen wird der Bevölkerung) kleiner als 2 sein. Ich bin mir nicht sicher, ob die BA-Analyse diesen Punkt beweisen wird, da sie anscheinend nur beweisen wird, dass es eine Verzerrung zwischen den beiden Methoden gibt.

 

Vielen Dank,

Jennifer.

Betreff: Äquivalenztest

Es gibt zahlreiche seit langem bestehende Standards (z. B. NCCLS, IUPAC, ICH) zum Methodenvergleich. Dabei kann es sich um eine Reihe von Aspekten der Messung handeln: Genauigkeit, Präzision, Linearität, Nachweis- oder Quantifizierungsgrenze usw. Sie können den Befehl „Orthogonal anpassen“ in „Bivariate“ verwenden, um eine Deming-Regression durchzuführen, die den Fehler in X und Y minimiert. JMP 17 umfasst außerdem die Passing-Bablok-Regression und die Bland-Altman-Analyse. Lesen Sie in der Zwischenzeit das JMP-Hilfekapitel über Messsystemanalyse für weitere Ideen.

Betreff: Äquivalenztest

Hallo @CentroidJackal1 ,

 

Die Art und Weise, wie Sie präsentieren und vorschlagen, ist definitiv eine Möglichkeit, die Daten auszuwerten. Beachten Sie jedoch Folgendes: Wenn Sie sagen, dass der Unterschied in den Ergebnissen weniger als 2 % betragen muss, sind 2 % davon Methode A oder Methode B? Dieser Teil wurde nicht gut erklärt.

 

Eine andere Möglichkeit, die Daten zu betrachten, könnte ein Mittelwert-Differenz-Diagramm sein, ähnlich wie bei a Bland-Altman Analyse. Über den Link können Sie es nachlesen. Dies ist eine gute Möglichkeit, um zu beurteilen, ob zwei verschiedene Methoden im Wesentlichen gleichwertig sind, und um zu sehen, ob es in den Daten eine Verzerrung gibt und ob sie von einer Methode im Vergleich zu einer anderen stammt. Für die BA-Analyse sind keine normalverteilten Daten erforderlich.

 

Hoffe das hilft!,

DS

Betreff: Äquivalenztest

Ich vergleiche zwei Analysemethoden zur Beurteilung der Reinheit meiner Proben und möchte feststellen, ob sie gleichwertig sind. Mir ist bewusst, dass sie nicht zu identischen Ergebnissen führen – der mittlere Unterschied zwischen den beiden Methoden ist also nicht Null –, aber entscheidend ist, ob der Unterschied innerhalb einer Toleranz von 2 % bleibt.

Hier ist das Setup:

• Ich habe 28 verschiedene Proben getestet, wobei jede Probe einmal mit jeder Methode analysiert wurde.

• Ich möchte überprüfen, ob die Methoden innerhalb einer Toleranz von ±2 % gleichwertig sind.

• Ich habe ursprünglich einen zweiseitigen t-Test auf die Unterschiede in der Reinheit angewendet, bin jedoch nicht davon überzeugt, dass dieser Ansatz am besten geeignet ist, um Gleichwertigkeit festzustellen.

• Der Clou: Die Daten sind nicht normal verteilt .

Ich würde mich über jede Anleitung zu folgenden Punkten sehr freuen:

1. Welche statistischen Tests eignen sich am besten zur Beurteilung der Äquivalenz, wenn die Daten nicht normal verteilt sind?

2. Gültige Möglichkeiten, solche Tests unter diesen Bedingungen durchzuführen.

3. Fallstricke, die ich bei der Beurteilung der Äquivalenz mit nicht-normalen Daten beachten sollte.

Alle Empfehlungen oder Ratschläge wären wirklich hilfreich – danke!

Betreff: Äquivalenztest

Hallo @AcceptanceFox47 : Wenn die Daten annähernd logarithmisch normal sind (der natürliche Logarithmus der Daten ist annähernd normal), kann dies wie ein Konfidenzintervall für gepaarte Daten durchgeführt werden (z. B. über die Matched Pair-Plattform). Die Analyse würde jedoch auf dem natürlichen Logarithmus der Daten durchgeführt. Die Endpunkte des 90%-Konfidenzintervalls für die Differenz (im logarithmischen Maßstab) würden dann anti-logarithmiert (EXP(.) ), um ein Konfidenzintervall für das geometrische Mittelwertverhältnis zu erhalten. Dieses endgültige Intervall müsste zwischen 0,98 und 1,02 liegen, um Äquivalenz zu beanspruchen.

Und wenn die Stichprobengröße groß genug ist (n=28 reicht aus), dann besagt der Zentrale Grenzwertsatz ( https://en.wikipedia.org/wiki/Central_limit_theorem#:~:text=In%20probability%20theory%2C%20the%20central,themselves%20are%20not%20normally%20distributed .), dass man sich keine Sorgen um die Normalität machen muss. Edit: Machen Sie also weiter, wie ich es oben erklärt habe.