515368_fr-FR

liliconcom

Résumés soumis Discovery Summit Europe 2023

Mise à jour 29.06 :

Prénom	Nom de famille	Organisme	Pays	Titre	Résumé
Marquer	Bailey	JMP Statistical Discovery LLC	États-Unis	Approches des comparaisons avec JMP® 17	Il est courant de devoir comparer deux populations avec seulement un échantillon de chaque population. L'inférence statistique peut faciliter la comparaison. Notre présentation porte sur l'inférence impliquant deux hypothèses : l'hypothèse alternative et l'hypothèse nulle. Parfois, l'objectif est de fournir des preuves suffisantes pour décider qu'il existe une différence significative entre deux populations. À d'autres moments, l'objectif est de fournir des preuves suffisantes qu'il existe une équivalence significative, une non-infériorité ou une supériorité entre deux populations. Ces deux situations nécessitent des tests différents. Nous passerons en revue ces situations, les hypothèses appropriées et les tests appropriés à l'aide d'exemples courants. Une autre comparaison courante est entre deux mesures de la même quantité.Notre présentation se concentrera plutôt sur le protocole de comparaison de méthodes pour les essais chimiques et biologiques utilisés par le développement et la fabrication pharmaceutiques et biotechnologiques. Nous présenterons deux méthodes disponibles dans JMP 17 pour évaluer la précision d'une nouvelle méthode d'essai par rapport à une méthode de référence établie. Une méthode est connue sous le nom de régression de Deming ou Fit Orthogonal dans JMP. La deuxième méthode est connue sous le nom de régression de Passing-Bablok. Nous passerons en revue le contexte de l'évaluation de l'exactitude, la nature unique des données issues des comparaisons de méthodes, et démontrerons les deux méthodes de régression avec des exemples.
Brian	corcoran	SAS	États-Unis	Actualisation automatique des données dans JMP Live 17	Lors de précédentes présentations Discovery, nous avons montré comment acquérir des données, créer un rapport et le publier sur JMP Live à l'aide du planificateur de tâches de bureau. Mais que se passe-t-il si vous avez JMP Live et que votre rapport ne change pas d'un jour à l'autre ? Seules les données changent et vous souhaitez partager ces mises à jour avec vos collègues. JMP Live permet désormais de programmer l'actualisation de vos données sur JMP Live sans avoir à republier votre travail. Cette conférence montrera comment utiliser cette nouvelle capacité. Nous discuterons également de cette nouvelle fonctionnalité dans le contexte de plans plus importants pour l'avenir de JMP et JMP Live.
Jon	Armer	Nuclera Nucleics	Royaume-Uni	Utiliser JMP pour VRAIMENT comprendre ce qui est important dans vos processus.	Beaucoup de scientifiques sont sûrs de comprendre leurs processus, et en vérité, dans une certaine mesure, ils le font. Cependant, ce sont toujours les cas extrêmes qui nous causent des problèmes, et c'est là que notre compréhension de nos processus peut souvent s'effondrer. C'est aussi, selon la loi de Murphy; quelque chose qui a tendance à se produire aux moments les plus inopportuns. Dans cet article de 30 minutes, j'aborderai les stratégies que j'utilise pour identifier tous les leviers d'un processus, évaluer et comprendre leur importance et leur effet, et comment utiliser les statistiques intégrées à JMP pour identifier les facteurs intangibles que vous n'avez pas encore considéré. Je vais présenter une étude de cas sur un problème lié à une méthode d'analyse classique qui a conduit à des échecs de lot aléatoires, comment nous l'avons étudié et comment nous avons utilisé JMP pour identifier la cause hautement improbable. 
Tomász	Witkos	AstraZeneca	Royaume-Uni	Accélération du développement des tests avec un flux de travail automatisé pour évaluer le biais de plaque des tests de microtitration.	La compréhension des effets de position dans les tests sur plaque de microtitration est une étape importante dans le développement de tests de puissance robustes pour tester les produits biologiques. Ici, nous présentons une application JMP sur mesure qui automatise l'analyse d'expériences à plusieurs plaques visant à détecter le biais de la plaque. L'application, à l'aide du fichier de lecteur de plaque de sortie brute, crée des visualisations de carte de plaque, calcule l'IC 50 / EC 50 des courbes dose-réponse du médicament et analyse les variabilités des lignes et des colonnes sur les plaques. Ce qui nécessitait généralement aux scientifiques une demi-journée d'analyse, le formatage manuel des ensembles de données sujet aux erreurs et le besoin d'un logiciel externe pour l'ajustement des courbes, peut désormais être réalisé dans JMP en moins d'une minute.
Phil	Kay	SAS	Royaume-Uni	Semer les graines de l'amour pour DOE	Il y a un gros problème avec la façon dont nous éduquons nos futurs scientifiques : nous leur disons que vous n'êtes autorisé à changer qu'une seule chose dans une expérience et que vous devez garder tout le reste identique. Lorsque vous essayez d'en savoir plus sur l'effet de nombreux facteurs sur un processus ou un système, il est beaucoup plus efficace de modifier tous vos facteurs en même temps. Mais les gens découvrent rarement cette méthode, "Design of Experiments" ou "DOE". Ou ils n'en entendent parler que plus tard dans leur carrière lorsqu'ils sont réfractaires aux nouvelles idées. Le résultat est une énorme perte de temps et de ressources due à une expérimentation inefficace. Dans cette affiche, vous découvrirez une expérience engageante et simple qui peut être utilisée pour démontrer la puissance du DOE aux élèves de tous âges. Vous entendrez comment les expérimentateurs peuvent se salir les mains en cultivant du cresson alénois dans différentes conditions selon une expérience conçue de manière statistique. Et vous verrez comment les résultats peuvent être facilement analysés avec des visuels attrayants, ainsi qu'à l'aide d'une analyse DOE fonctionnelle sophistiquée dans JMP Pro.
Pierre	Hersh	SAS	États-Unis	Vous voulez savoir de quelle analyse vous avez besoin ? Demandez simplement à papa	Lorsqu'ils analysent des données, les scientifiques et les ingénieurs savent souvent ce qu'ils veulent accomplir, mais ne savent pas quel test statistique est nécessaire. Dans cette présentation, nous présentons un nouveau complément, le Data Analysis Director, ou DAD en abrégé. Ce module complémentaire a été conçu pour faciliter la recherche du test statistique approprié dans JMP, en fonction de la tâche d'analyse, de l'objectif et du type de données dont vous disposez.  Le complément fournit un flux guidé pour vous aider à trouver la bonne analyse et à l'exécuter dans JMP. Il comprend des exemples intégrés, des liens vers l'aide de JMP, des vidéos de démonstration et vous permet même de lancer l'analyse sur vos propres données. Comme vous le verrez, DAD est un outil utile qui peut vous guider tout au long de votre parcours analytique. 
Giulia	Lambiase	AstraZeneca	Royaume-Uni	Développement de méthodes de chromatographie assistée par le DoE pour l'analyse des produits biopharmaceutiques	La chromatographie d'échange de cations (CEX) est l'étalon-or de l'industrie pour l'analyse des variantes de charge des produits biopharmaceutiques. Cependant, le développement de méthodes CEX d'une manière économe en temps et en ressources constitue un goulot d'étranglement dans la caractérisation des produits. Les séparations CEX sont complexes et régies par de multiples facteurs. Plusieurs publications scientifiques ont prouvé l'application réussie de la conception d'expériences (DoE) dans le développement de méthodes de chromatographie. Néanmoins, effectuer des DoE avec un grand nombre de facteurs peut être difficile, long et coûteux. Ce travail illustre l'utilisation d'une approche split-DoE pour faciliter le développement d'une méthode CEX pour l'analyse du profil de variantes de charge d'un candidat mAb. Le développement de la méthode analytique visait à fournir une méthode CEX à haut débit (HT) pour prendre en charge l'analyse des variantes de charge avec des exigences minimales en matière d'échantillon et de temps. L'approche split-DoE est basée sur la connaissance fondamentale du mécanisme de séparation CEX et vise à réduire le nombre d'essais expérimentaux tout en explorant un large espace expérimental. La modélisation par régression a été utilisée pour étudier l'effet des paramètres de processus individuels et de leurs interactions sur l'efficacité de la séparation pour finalement identifier les conditions optimales de la méthode. Cette étude fournit un flux de travail efficace pour tirer parti du développement des méthodes CEX.