398736_de-DE

liliconcom

Neue Grenzen für Biopharmazeutika: Modellierung der Patient/Spender-Variabilität für die Gen-/Zelltherapie in JMP (2021-US-30MP-887)

Niveau: Mittelstufe

 

Andrew Karl, Leitender Unternehmensberater, Adsurgo, LLC

Heath Rushing, Hauptberater, Adsurgo, LLC

 

Die neusten, innovativsten und vielversprechendsten Therapeutika in der Biopharmazie sind Gen- und Zelltherapien. Gentherapien modifizieren die vorhandenen Gene eines Patienten, während Zelltherapien menschliche Zellen in einen Patienten übertragen, um Krankheiten zu behandeln. Diese Zellen stammen entweder vom Patienten selbst oder von einem gesunden (Zell-)Spender. Die erste derartige Therapie, die in den Vereinigten Staaten zugelassen wurde, war Kymriah im Jahr 2017. Seitdem haben unzählige Unternehmen diese neuartigen Ansätze zur Behandlung von Patienten erforscht. Eines der Haupthindernisse für die behördliche Zulassung ist die Entwicklung eines Verfahrens, das die Bedürfnisse der Patienten (sowohl hinsichtlich Wirksamkeit als auch Sicherheit) konsequent erfüllt. Eine offensichtliche Herausforderung besteht darin, entweder die Variabilität von Patient zu Patient oder von Spender zu Spender zu modellieren, die einen großen Teil der Variabilität ausmachen kann (und normalerweise auch tut).

Dieser Vortrag konzentriert sich auf verschiedene Methoden zur Modellierung der Spender-zu-Spender-Variabilität in JMP, um wichtige Forschungsfragen zu beantworten: Bestimmung signifikanter Prozessparameter (unabhängig von Patienten/Spendern), Konstruktion nachgewiesener akzeptabler und normaler Betriebsbereiche (PAR und NOR) und Prozessschätzung Fähigkeit. Nach dem Demonstrieren der Implikationen der Modellierung von Donor als fester Blockeffekt präsentieren die Autoren die Vorteile der Modellierung von Donor als Zufallseffekt, indem sie zunächst Modellierungs- und Simulationsfunktionen in JMP und dann zusätzliche Funktionen in JMP Pro vorstellen.

 

 

Automatisch generiertes Transkript...

 

Lautsprecher	Abschrift
Heath Rushing	Alle, die das Rote Meer leiten.
	Bänder.
ROBYN GODFREY	ja.
	Ich bin vielleicht ein bisschen besessen.
	Hi, wie geht's.
Heath Rushing	Gut gut, denn das ist immer.
ROBYN GODFREY	gut für dich, oh.
Heath Rushing	ja oh ja.
ROBYN GODFREY	Oh gut oh.
	Überprüfen Sie hier meine Checkliste, um sicherzustellen, dass ich das richtig mache.
	Also werde ich aufnehmen Okay, damit du weißt, dass du richtig aufgenommen wirst.
	Ich bin.
	Ihr Mikrofon spricht ein wenig, damit Sie Sie hören können.
Heath Rushing	Hallo Besetzung 123.
ROBYN GODFREY	Prozent.
	Rückkehr.
ROBYN GODFREY	Alles bringt Ihr Telefon zum Schweigen und alles Computer.
Heath Rushing	ja Andrew Andrew wird sich dem anschließen.
	Das ist eine Sache, also bin ich mir nicht sicher, wie es funktioniert hat. Ich habe sicher, dass es ein Poster für mich selbst gemacht hat, also werden wir dieses Jahr tun, dass es einen bestimmten Punkt gibt, an dem er es tun wird.
	Nehmen Sie den Bildschirm.
ROBYN GODFREY	Okay.
Heath Rushing	Also gehen wir für mich zu ihm, aber wir wechseln nicht hin und her, ich nicht.
	Um die Dinge nicht zu verwirren, wissen Sie, was ich meine.
ROBYN GODFREY	Okay, letztes Mal habe ich vergessen, mich auszuschalten, weil ich mit der Aufnahme angefangen habe, sicher, dass sie das lieben.
Heath Rushing	Florida.
	Florida Florida lebt direkt am Strand.
ROBYN GODFREY	Schön schön.
Heath Rushing	ja ja.
	lanta Colorado, also werde ich im September wieder dort oben sein, um auf dem Land zu spielen.
ROBYN GODFREY	Oh schön.
	ja.
Heath Rushing	ja.
ROBYN GODFREY	Mir war im kühleren Nichts hier im Moment die Nase voll von Feuchtigkeit und drückender Hitze.
Heath Rushing	wo Sie in der Nähe der Küste von North Carolina leben, richtig, ja.
ROBYN GODFREY	Etwa vier Meilen landeinwärts ist der Vogel fliegt.
	Okay.
ROBYN GODFREY	Ja, ich bin ganz in der Nähe des Flusses Cape Fear River und dann.
	ja.
ROBYN GODFREY	Da ist also der Fluss und gleich die Straße runter ist der Film namens Snow Sky, es ist wie ein Schnitt vom Fluss zur Wasserstraße, ja.
	ja jetzt ganz in der Nähe von Jungs wie nur eine Tonne von.
	Wasser, aber es ist nicht wie ein Strandzugang oder ähnliches, es ist nur so.
	Ja, ich erinnere mich an die Intracoastal Waterway, aber die Ozeane, etwas weiter draußen.
	Aber ich bin heute morgen am Strand gerannt, das Schöne am Leben hier ist also, dass ich es kann.
	Wenn ich morgens nicht viel Verkehr habe, kommt man rüber zum Strand und es regnet in Strömen und wir haben einen wunderschönen Sonnenaufgang gesehen.
	Also hör auf, Netzhaut etwas zu regnen.
	das ist schön.
Heath Rushing	Ja, ich wohne an dem Teil des Strandes, wo ich wohne, das ist das Ende, also sind es 10 Meilen in die Richtung, in die nur die nationale Küste führt.
	Nichts, dass 10 Meilen.
	Es gibt also ein Fahrrad.
	Radweg.
	Ja, und so gibt es einen Radweg für ungefähr drei Meilen und dann für sieben Meilen einen Radweg, den ganzen Weg bis zur Bar.
	Nett.
ROBYN GODFREY	Pennsylvanien, das.
Heath Rushing	Wird Strand Strand ja.
ROBYN GODFREY	Wir waren in Destin.
	Weihnachtszeit.
	ja.
ROBYN GODFREY	ja, wie dieser Bereich in dieser ganzen 38.
Heath Rushing	Jahre alte schöne Gegend.
	Oh ja.
ROBYN GODFREY	Okay, also müssen wir auf Andrew warten.
Heath Rushing	Geht es dir gut, ja, nein, nein, nein, nein, wir werden auf jeden Fall auf ihn warten.
ROBYN GODFREY	Okay ja.
Heath Rushing	Okay, lass mich.
	Senden Sie mir eine Nachricht.
	Herr.
	Wenn Sie mir gerade eine Nachricht geschickt haben.
	Ich mache den ersten Teil mit der Folie, ein paar Folien stellen nur jemanden vor, der Gentherapie ist.
	Und dann werde ich sagen, hey, ich werde wie auf den Wissenschaftlern spielen, und Andrew, ich habe dir gerade einen Datensatz geschickt, und ich brauche etwas Hilfe, und dann werden er und ich uns unterhalten, und dann wird er es von dort aus übernehmen mit john so.
	Ich dachte, das wäre ein guter Weg, dies zu tun.
	Und eigentlich finden wir diese Interaktionssache einfach so heraus.
	Montag
	Weißt du, als hätten wir das hier, wo wir das machen werden, und dann dachte ich, aber wir brauchen eine Möglichkeit, mit dem zu interagieren, was versucht, das herauszufinden.
ROBYN GODFREY	Als Männer in der Zeitung müssen mich und meinen Mitarbeiter Ted und ausrauben.
	Das ganze Video und es ist ziemlich komisch.
Heath Rushing	Das haben wir immer versucht.
	Ich unterstütze etwas heißes Wasser, aber wir versuchen immer sicherzustellen, dass etwas hineingeworfen wird, das heißt.
	Dass es unterhaltsam ist, weil.
	Spielen Sie eine Minute lang Gespräche, besonders wenn Sie direkt auf einem Bildschirm sind.
	Ja, würdet ihr ein Gespräch darüber führen?
ROBYN GODFREY	Wir haben es so gemacht, als hätten wir ein Szenario von.
	Menschen wie in einer Produktionsumgebung rocken wie in einer Produktionsumgebung.
	Ja, wir mochten ein Szenario von Ihnen, einem Manager, der sich entschieden hat, einen Berater einzustellen, der hereinkommt und eine Ihnen bekannte Anwendung erstellt.
	Und dann geht der Berater und sie versuchen, Sie wissen zu lassen, dass die Siegel, von denen Sie wissen, dass sie richtig hergestellt wurden, versagen und die Berater weg sind und der Code nicht funktioniert.
	Und so ist es, was sie Sie wissen lassen könnten, wenn sie den JMP-Weg gegangen wären, und Sie wissen, wir haben gerade über die Reproduzierbarkeit, Robustheit, Schnelligkeit, Sie wissen schon, die Reaktionsfähigkeit der vier r gesprochen.
	Wir konzentrieren uns einfach darauf, dass wir drei verschiedene Szenarien erstellt haben, und deshalb nennen wir es wie ein Glücksspiel mit Ihren Daten, also haben wir das Ganze wie ein Glücksspielthema gemacht.
	gehen und am Ende ist es jedoch der beste Teil, weil wir wie ein Kenny Rogers singen und und, wie die Outtakes von uns, die dieses Video machen, und es ist so.
	Die Outtakes sind immer der lustigste Teil, und so hat Rob all diese Outtakes wie Kenny Rogers gemacht, der gleiche Spieler am Ende, und er hat solche Credits, die wirklich lustig sind, und so fing es irgendwie an, live zu gehen.
	Aber a bs, es hat wirklich Spaß gemacht, wissen Sie, wir würden eine andere Rolle spielen, wie Sie wissen, ein Projektmanager oder ein Ingenieur, Sie wissen genau, wie wir uns mit verschiedenen Szenarien und unserer Produktion, Umgebung und wie sie es hätten machen können, auseinandersetzen besser.
	Wenn sie ja hätten.
Heath Rushing	ja ja.
ROBYN GODFREY	Und dann rauben Sie eine Art Demos, Sie wissen verschiedene Dinge, die Sie mit dem Profiler machen, und das ist alles, was ich sagen kann.
Heath Rushing	Dass wir nicht gerne viele Dias machen.
	Aber wir werden schauen, wer sich uns angeschlossen hat.
	Sehen Sie sich die Zeit an, sich uns anzuschließen.
	hallo hallo Andreas.
Andreas Karl	hallo lauf.
Heath Rushing	Ihr früh so.
Andreas Karl	ja, ich bin vier Minuten zu früh Seil gut.
	ja.
ROBYN GODFREY	Also ist er dein kleiner wie deine Kameras Art von hallo.
Heath Rushing	Hallo, mein Name.
ROBYN GODFREY	Ja, als müsstest du es ein wenig runterbringen, um mehr von dir zu sehen.
	Bruder.
Andreas Karl	Ich will das nicht.
Heath Rushing	Ich auch nicht Ich auch nicht Ich auch nicht Ich meine was mein Gesicht.
ROBYN GODFREY	Wie direkt unter deinem Kinn und.
Heath Rushing	Ich habe mich immer entschieden, so zu gehen, als wäre es gestern gewesen, jährliche Dermatologietermine zu finden, bei denen Sie auch wissen, dass die Dinge schmutzig sind, damit Sie vielleicht sehen.
	Rote Flecken darauf, ja ja, ich meine, es ist immer so, als hätte ich nicht einmal darüber nachgedacht, wie hey, ich habe heute frei, du weißt, wie oft und wirklich.
	Ein großer Teil davon war nur für den Fall, dass ich irgendetwas mit der Präsentation machen muss und so, dann weißt du, dass du ein bisschen in den Garten gehst.
ROBYN GODFREY	Große Slots für nichts.
Heath Rushing	ja ziemlich ziemlich.
	ja ja.
	ja.
ROBYN GODFREY	Okay, also schalte ich meine Kamera aus.
	und suchen, ich muss.
	Verliere mich hier, hier gehen wir.
Heath Rushing	Hey, also, Andrew, an einem Punkt sagt er einfach: Hey, ich werde den Wissenschaftler spielen, den ich machen werde, den ersten Teil der Folien, den ich sagen werde.
	Hey, ich werde Wissenschaftler spielen, also weißt du, dass du Andrew, den Statistiker, spielst. Ich bin echt, spiele die Daten der Wissenschaftler.
	Und dann sage ich ein Andrew und ich sage Okay, also lass mich loslegen, Andrew Ich habe dir gerade einen Datensatz mit meinen zwei Antworten oder jemandes Fähigkeit und Nebenprodukt geschickt.
	Hast du es verstanden, und dann gehst du irgendwie von dort aus, okay, also das wäre, wann immer ich diese Art von Sachen sage, kannst du weitermachen und anfangen, den Bildschirm zu teilen, den du siehst, wie sie sagen.
Andreas Karl	hab es ja.
ROBYN GODFREY	Willst du, dass Andrew hier ist?
	Gleichzeitig redest du, er kann sich verstecken.
	Bis du bereit bist, dass er auftaucht.
Heath Rushing	Ja, wir können zur gleichen Zeit sein.
ROBYN GODFREY	Okay, er ist gerade jetzt, es ist wie zwei Bildschirme in Trümmern auf der einen Seite, auf der anderen.
Heath Rushing	ja ja ich.
	meine wie was, wann immer wir angefangen haben, werde ich aufhören, du kannst nur unsere hässlichen Tassen sehen, also werde ich meinen Bildschirm teilen, und dann werden wir uns darauf konzentrieren, wirklich nicht so zu reden, wie ich jetzt drei teile Ich werde einige Folien machen, nur um das Thema einzuführen.
	Und dann wird es nicht lange dauern, das Thema vorzustellen, und dann machen wir, ich weiß nicht, machst du eine Einführung oder so etwas, oder willst du dich vorstellen, ich habe diese Arbeit gehört.
ROBYN GODFREY	Ihr.
	Ich würde es wie eine kleine Einführung machen, weißt du, wie du es tun würdest, wenn du eine richtige Entdeckung wärst.
	Okay, sie wollen nicht, dass ich es tue, sie wollen nicht, dass es mir beiden gut geht.
	Ihr habt also alles auf eurem Computer versteckt, wie neue E-Mails auftauchen oder so etwas.
Heath Rushing	ja.
	das ist falsch, das bin ich nicht.
	klang sie.
ROBYN GODFREY	Okay, also schalte ich meine Kamera selbst auf stumm und dann lasse ich euch.
	fang an, und ich werde dich unterbrechen, wenn du von vorne anfangen musst, lass mich einfach.
Heath Rushing	Wissen Sie, Sie sind es gewohnt, uns zu sagen, wann Sie nur sagen, wann und wir werden loslegen. Ich werde eine Einführung bekommen, Andrew, Sie machen eine Einführung. Ich werde sagen, sobald Sie fertig sind.
	Was ich tun werde, ist, dass ich anfangen werde, meinen Bildschirm zu teilen, okay, das klingt gut.
ROBYN GODFREY	hört sich gut an so.
	Gib mir ungefähr fünf Sekunden, nachdem ich dir gesagt habe, dass du gehen sollst.
	Meine Hunde schauen zu.
	Alle schalten mich stumm und starten dann die Aufnahme, also gehe ich jetzt zu mir und fange an, es noch schlimmer zu machen, gib mir etwa fünf Sekunden.
	Okay.
Heath Rushing	In Ordnung, guten Morgen. Also werden Andrew Karl und ich heute Morgen einen Vortrag über eine Anwendung in der Biopharmazie halten, die sich wirklich mit Zell- und Gentherapien beschäftigt. Es ist eine sehr einzigartige Art, Therapeutika herzustellen.
	Ein bisschen über meinen Hintergrund. Ich werde ein paar Worte sagen, dann lasse ich Andrew ein paar Worte zu seinem Hintergrund sagen. Ich war früher beim Militär und wurde schließlich College-Professor, wo ich angewandte Statistik und DOE unterrichtete. Dann bin ich in die Biopharmabranche gegangen, habe für ein kleines Biotech gearbeitet
	Unternehmen namens Applied Molecular Genetics oder kurz Amgen, arbeitete in ihrer Fertigung und dann in ihrer Forschung und Entwicklung,
	bevor er mehrere Jahre als Trainingsmanager arbeitete und dann Berater für SAS wurde.
	Und was wir wirklich tun, ist, dass wir uns sehr auf Pharma, Biopharma bei medizinischen Geräten konzentrieren und viel lehren und viel beraten, und wir bekommen viele einzigartige Probleme, für die wir Werte schaffen können Firmen. Andrew, möchtest du ein paar Worte sagen?
Andreas Karl	Ja, mein Name, mein Name ist Andrew Karl, und ich habe 2012 angefangen, für Heath zu arbeiten, gleich nachdem ich den Bundesstaat Arizona mit einem Doktortitel in Statistik verlassen hatte.
	Und ich habe dort alle möglichen interessanten Sachen mit Heath und Jim Wisnowski gemacht und in letzter Zeit viele pharmazeutische Anwendungen,
	alles von der Formulierungsentwicklung bis zur Prozesscharakterisierung und alles dazwischen, daher freue ich mich, heute mit Heath hier zu sein und über unsere Anwendungen zu sprechen.
Heath Rushing	Okay, lass uns loslegen, und ich werde sofort meinen Bildschirm freigeben.
	und
	Ich habe ein paar Dias, und ich mag es nicht ... ich mag es nicht
	Konzentrieren Sie sich in einer JMP-Präsentation auf Folien, aber was ich tun würde, ist, Sie in das Thema einzuführen, nur die komprimierte und sehr einzigartige Anwendung und wirklich, ich denke, was noch wichtiger ist, die sehr einzigartige Herausforderung wir werden heute darüber sprechen.
	Weißt du, es ist interessant, wir haben das gemacht, wir haben wahrscheinlich diese Zusammenfassung zurückgeschrieben
	Anfang April, und dann sah ich einen Artikel auf der innovate ??? sehr ähnlich, also
	Ich möchte sicherstellen, dass niemand ... niemand denkt, dass wir irgendeinen Artikel kopiert haben. Aber eigentlich reden wir darüber, dass Sie wissen, wie man modelt
	wissen Sie, wir sagen, was die Variabilität eines Patienten/Spenders ist, ist die Berücksichtigung der Spender/Spender-Variabilität in einer sehr einzigartigen Anwendung in der Biopharmazie.
	Und wir werden über Gen- und Zelltherapie sprechen, okay. Als erstes werden wir also darüber sprechen, wissen Sie, warum dies eine neue Grenze ist.
	Richtig, und wir werden nur ein wenig darüber sprechen, was die Gen- und Zelltherapien sind, und dann werden wir wirklich auf den Unterschied zwischen diesen beiden eingehen.
	Und der Schwerpunkt dabei ist, wissen Sie, wie wir diese Spender-zu-Spender-Variabilität modellieren, richtig? Behandeln wir zufällige Effekte als festen Effekt?
	Und was sind einige ganz besondere Anwendungen, an denen wir interessiert sein könnten, richtig? Und erstens, wann immer ich sagte, dass dies die neue Grenze ist, ist es sehr innovativ, sehr vielversprechend. Derzeit gibt es weniger als, meine Güte, weniger als 10
	solche Therapien, Gen- und Zelltherapien, die auf dem Markt sind. Allerdings gibt es ... es gibt über 1.000, die derzeit in der Pipeline sind, okay.
	Und was Sie sehen werden, ist, dass es bei diesen Gen- und Zelltherapien einige sehr einzigartige Herausforderungen gibt, okay, es ist eine sehr innovative Art der Behandlung
	Krankheiten, insbesondere seltene Krankheiten, und es gibt einige sehr einzigartige Herausforderungen. Eine ist natürlich, wie wir … wie stellen wir sicher, dass es funktioniert, Wirksamkeit? Und wie stellen wir sicher, dass es sicher ist?
	In Ordnung, das andere ist wirklich das, das wir ansprechen werden, wissen Sie, also wie kommt es, dass wir uns mit der Variabilität von Spender zu Spender befassen?
	Nur weil ich die Variabilität von Patient zu Patient meine, wir uns aber auf die Variabilität von Spender zu Spender konzentrieren wollen, richtig.
	Reden wir also über Gen- und Zelltherapien. Also, was ist ... was ist ... was ist eine Gentherapie? Brunnen,
	Wie viele von Ihnen wissen, werden viele Krankheiten wie Krebs wirklich dadurch geboren, dass Sie entweder mit defekten Genen geboren wurden oder eine Art von Gen im Laufe der Zeit mutiert ist, richtig.
	Es ist also ein sehr einzigartiger Weg, diese zu behandeln, und einer ist, dass es Gentherapie ist, und wissen Sie, was wir mit Gentherapien machen? Nun, ich sage, dass wir ein Gen ersetzen
	mit einem anderen gesunden, aber was es wirklich ist, ist, dass wir wirklich eine Art genetisches Material übertragen, oder wir können ein Gen hinzufügen ... hinzufügen oder modifizieren oder wirklich ein Gen ausschalten. Dies kann auf zwei Arten geschehen, also richtig bei Patienten, die ... die haben
	die eine bestimmte Krankheit haben. Eines, das wir tun können, ist, wir können, wissen Sie, wir können injizieren (und ich werde den Begriff liefern verwenden)
	diese gesunden Gene, okay, also dieses genetische Material... dieses gesunde genetische Material in einen Patienten.
	Das andere, was wir tun könnten, ist, wir könnten irgendeine Art von Blut oder Knochenmark entnehmen
	von einem Patienten, wir könnten ... wir könnten dieses genetische Material einfügen und dann wieder in den Patienten einbringen, okay, also kann es entweder in vivo oder in vitro erfolgen. Wann immer ich jetzt sage, dass wir...
	dass wir eine Art gesundes Gen in einen Patienten oder in das Knochenmark injizieren, brauchen wir einen Weg der Zuführung. Okay, wir nennen das das Fahrzeug.
	Wir sagen oft, hey, das ist das Vehikel, um dieses genetische Material an die Patienten zu liefern, jetzt nennen wir das a
	Vektor, okay. Wir werden das einen Vektor nennen und das ist es, was wirklich ... es hat eine sehr einzigartige Technologie. Oft ist der Vektor ein Virus.
	Das Virus ist in der Lage, dieses genetische Material in Zellen einzuschleusen. Nun, was sind einige, wissen Sie, einzigartige Herausforderungen? Nun, eines ist, weißt du, funktioniert es? Und zweitens, ist es sicher, richtig?
	Die sehr ... was wir oft die Milliarden-Dollar-Frage nennen, ist, ob ich dieses genetische Material injiziere
	in einen Patienten, werden sie es ablehnen, richtig? Werden sie es jemals ablehnen, oder denkt der Körper, dass etwas vor sich geht
	und, wissen Sie, wird wirklich anfangen, diese Zellen abzutöten, richtig. Die andere wirklich einzigartige Herausforderung besteht darin, dass jeder Patient ein separates Los ist,
	Rechts. Denken Sie also an die Herstellung, denken Sie an die Entwicklung, denken Sie an die Logistik, richtig. Gentherapien, wie unterscheidet sich das von Zelltherapien? So
	Es gibt viele Überschneidungen, aber in Bezug auf die Zelltherapie setzt man Zellen ein, okay, nicht unbedingt genetisches Material. Nun können diese Zellen genetisch verändert sein
	Material, aber Sie nehmen echte Zellen und setzen sie einem Patienten ein, um diese Krankheiten zu behandeln. Im Moment können diese Zellen also entweder von den Patienten selbst stammen,
	Richtig, oder was sie tun können, ist, sie können von einem Spender kommen, okay. Denken Sie an Knochenmarktransplantationen, immer wenn sie so etwas tun, nehmen sie etwas aus einem gesunden Spender und setzen es ein
	in einen Patienten, richtig. Jetzt verstehen Sie, dass dies, wissen Sie, alles in vitro durchgeführt wird. Sie injizieren tatsächlich diese gesunden Zellen in einen Patienten, richtig.
	Und was versuchst du zu tun, wann immer du das tust? Sie versuchen, wissen Sie, jede Art von fehlenden Zellen zu ersetzen oder wirklich zu ersetzen
	kranke, ok. Das Gleiche ist also, dass Sie dieselben einzigartigen Herausforderungen kennen, über die wir zuvor gesprochen haben.
	Die andere Sache ist, dass ein weiteres Hindernis für beides darin besteht, dass es sich um eine sehr kleine Produktion handelt, die nicht in großem Maßstab durchgeführt werden kann, richtig.
	Nun, Sie werden sehen, dass ein bisschen später ist, oder, wissen Sie, wie die eine der Herausforderungen ist, wie machen wir das im großen Maßstab? Wie kommt es, dass wir...
	dass wir dies nicht nur in Labors, sondern in größerem Maßstab tun können.
	Richtig, also, wie ich bereits sagte, ist eines der wirklichen Hindernisse dafür die Wirksamkeit und Sicherheit, in Ordnung. Das ist eine der größten Herausforderungen.
	Die andere große Herausforderung ist, wenn Sie sich das ansehen … dies muss an verschiedenen Patienten oder verschiedenen Spendern durchgeführt werden. Sie wissen, wie Sie abrechnen
	für diese Spender-zu-Spender-Variabilität? Und ich war gerade vor ungefähr einer Stunde in einer Klasse, und jemand sprach und sagte, genau dasselbe sagte:
	Wissen Sie, wir müssen diese Spender-zu-Spender-Variabilität bei Zelltherapien berücksichtigen, und wissen Sie, das erklärt den Großteil der Variabilität, die wir in unserem Prozess sehen,
	Rechts. Und dann denk mal drüber nach. Nun, wissen Sie, wie erklären Sie sich das?
	Was Sie sehr oft tun werden, ist, dass Sie sagen, hey, Heath, ich mache Prozesscharakterisierungsstudien und vielleicht müssen wir das an einem Spender machen, richtig. Das wäre also machbar....
	wie ... das mag machbar sein, aber Sie werden etwas später sehen, wie berechne ich, wann immer ich mit dem kommerziellen Herstellungsprozess fortfahre,
	dass ich eine Spender-zu-Spender-Variabilität haben und versuchen werde, meinen Prozess robuster für diese verschiedenen Spender zu machen?
	In den meisten Fällen wollen wir das also nicht tun. Meistens ist es nicht machbar und wir würden es nicht tun wollen, selbst wenn es so wäre.
	Wir werden also mehrere Spender haben. Also im Moment ... also ist die große Frage ... die wir heute zu beantworten versuchen ... ist, was sind die verschiedenen Möglichkeiten, wie Sie diese Spender-zu-Spender-Variabilität erklären könnten ?
	Und sofort sollte jedem von Ihnen, der sich mit dem Design von Experimenten auskennt, einfallen, dass wir weitermachen und es blockieren.
	Und dann sollte die nächste Frage sein, was ... sollte es ein fester Block sein oder sollte es ein zufälliger Block sein?
	Und was sind die Auswirkungen dieser Dinge, richtig? Lassen Sie uns also über die verschiedenen Anwendungen sprechen, für die ein Wissenschaftler dies verwenden müsste, okay. Und was wir tun werden, ist
	Ich werde spielen ... Ich werde den Wissenschaftler spielen, richtig. Andrew wird den Statistiker spielen, der dem Wissenschaftler hilft, okay. Also wird er Andrew heißen und ich werde den Wissenschaftler spielen
	das braucht Hilfe, okay. Also werde ich den Namen Brady tragen, OK. Und dann, damit Sie wissen, was wäre … was wäre Brady, der Wissenschaftler, der Hilfe braucht …
	Brauchen Sie Hilfe? Nun, eine wären Inferenz- und Prozesscharakterisierungsstudien, und Brady müsste auch die Prozessfähigkeit abschätzen, okay. Das ist jetzt sehr wichtig, weil
	Bevor wir in die Prozessvalidierung und kommerzielle Fertigung gehen, müssen wir verstehen, wie leistungsfähig unser Prozess ist. Also werden wir über den traditionellen Weg sprechen.
	Wir stellen Ihnen etwas vor, das als normale Betriebsbereiche bezeichnet wird, und was Sie wirklich tun, ist, was Sie berücksichtigen
	dass Sie nicht immer am Sollwert sein werden, dass es um den Sollwert herum variieren könnte, richtig. Auch ich werde etwas tun und dir zeigen...
	zeigen Ihnen eine andere Methode zur Bewertung von Prozessen oder zur Bewertung der Prozessfähigkeit, die als nachgewiesene akzeptable Bereiche bezeichnet werden. Es ist, wenn Sie die Frage stellen, was wäre, wenn alles an seinem Sollwert ist,
	aber eine Variable darf variieren, oder? Wie hoch ist Ihre Prozessfähigkeit? Und zu guter Letzt haben wir über eine der großen Herausforderungen gesprochen, die die Massenfertigung ist. Wie mache ich einen Vergleich zwischen Klein- und Großserienfertigung, okay? So
	Andrew, ich werde, wie ich bereits sagte, den Wissenschaftler Brady spielen, der Hilfe braucht. Und ich möchte, dass Sie Ihre E-Mail öffnen und den Datensatz sehen, den ich … den ich Ihnen geschickt habe.
	Und können wir über diesen Datensatz sprechen, den ich Ihnen geschickt habe, Andrew? Ja, das ist es, das ist es, ja, das ist genau richtig. Also Andrew, das habe ich getan. Mein Prozess ist ...
	Ich habe ein optimales Design und eine Prozesscharakterisierung durchgeführt und Zeit, Temperatur und pH-Wert variiert. Und ich habe die Lebensfähigkeit der Zellen gemessen und
	Ein Nebenprodukt. Sie können wahrscheinlich sehen, Andrew, dass ich dies bereits in den Spalteneigenschaften in der JMP-Datentabelle getan habe, weil Sie mir das beigebracht haben,
	aber wenn Sie sich die Zelllebensfähigkeit ansehen, gibt es Spezifikationen um sie herum. Und die Spezifikationen für ... bitte schön ... liegen zwischen 70 und 90, okay. Jetzt
	Andrew, wir würden normalerweise die Lebensfähigkeit von Zellen maximieren wollen, aber wir wollen den Leuten zeigen, wie man Prozessfähigkeit macht, die zweiseitig ist, okay, deshalb habe ich gesagt, dass die Lebensfähigkeit von Zellen dies zweiseitig tun wird, okay, also könnte jemand im Publikum sagen,
	Möchten Sie nicht die Lebensfähigkeit der Zellen maximieren? Wir wollen ihnen hier etwas zeigen, das zweiseitig ist.
	Okay, und wir haben auch ein a ... ja, da gehen wir ... na, um ein ??? Das ist ein Produkt, das wir unter 35 halten wollen. Jetzt setzen wir nach Produkt, aber denken Sie darüber nach
	in der Welt der Gen- und Zelltherapie könnte dies so etwas wie Endooxine sein. Wir wollen sicherstellen, dass wir die prozentuale Endotoxizität minimieren, oder vielleicht irgendeine Art von Endotoxin, okay, in Ordnung. Okay, ja, das ist genau richtig, das ist der ... das ist der Datensatz dort, Andrew, okay.
Andreas Karl	Danke, Brady. Ich habe auch gesehen, dass Sie hier einen ersten ... ersten Durchgang eines Modellskripts geschickt haben.
	Und ich habe mir das angeschaut und ich sehe Sie ... Sie haben ein ... Sie haben Ihre Studie für einen RSM in diesen drei Faktoren entworfen und durchgeführt. Sie haben die Zeit, die Temperatur und den pH-Wert.
	Und was mir hier aufgefallen ist, ist, dass ich wirklich nur viel Rauschen sehe. Ich sehe keinen großen Zusammenhang zwischen diesen Faktoren und Ihrer Antwort. Und tatsächlich, wenn ich den einschalte
	ANOVA-Tabelle,
	Ich kann sehen, dass es nichts gibt ... es gibt hier nicht viel Signal, also nicht viel Vorhersage, und selbst wenn ich versucht habe, das Modell durch Rückwärtsauswahl zu reduzieren, indem ich unwichtige Effekte rausschmeiße,
	Ich sehe einfach nichts. Eine Sache, die ich fragen wollte, ist, wann Sie das ausgeführt haben, ob sich neben diesen drei Faktoren noch etwas geändert hat, das möglicherweise ...
Heath Rushing	Nein, nein, nein, ich habe alles kontrolliert
	mein Prozess. Jetzt möchte ich Ihnen sagen, dass ...
	dass wir dies an verschiedenen Spendern durchführen mussten, also okay, also konnte ich nicht ... Ich kann nicht alle 24 Experimente an einem Spender durchführen, also musste ich es wirklich an verschiedenen Spendern durchführen. Wäre das tatsächlich wichtig, wenn ich mit verschiedenen Spendern lief?
Andreas Karl	Ich sehe es jetzt. Es ist eine versteckte Spalte, lasst uns das verstecken.
Heath Rushing	Ja, ich habe es einfach ... war ... wirklich, was ich getan habe, Andrew, dieser Spender ist, ich habe das nur für unsere Zwecke aufgezeichnet, aber ich war mir nicht wirklich sicher, wie ich damit umgehen sollte.
Andreas Karl	Okay, lass mich einen kurzen Blick darauf werfen.
	Und lassen Sie uns versuchen, dies in das Modell aufzunehmen
	Als ein...
	als Sperrwirkung. Wow.
Heath Rushing	Das sieht also etwas anders aus.
Andreas Karl	Ja, und alles, was ich hier getan habe, um dies in den Modelldialog zu bringen, habe ich einfach Spender hier unter Konstruktmodelleffekte hinzugefügt, sodass das hier als zusätzlicher Effekt hinzugefügt wird, und jetzt sehen wir, dass der Spender wichtig für die Lebensfähigkeit der Zelle ist. Werfen wir nun einen Blick auf die Nebenprodukte.
	Und der Spender ist auch für das Nebenprodukt sehr wichtig. Und das ist nicht nur wichtig, sondern wenn wir es einbeziehen und dann diese Variabilität berücksichtigen,
	Jetzt sehen wir, dass wir einige wichtige Effekte haben, zumindest einer hier für Nebenprodukte ist der pH-Wert. Und dann haben wir hier noch ein paar … ein paar wichtige Effekte
	Zellengesundheit. Weißt du, hast du das in dein individuelles Design aufgenommen, als du das gebaut hast? Haben Sie dort den Spenderfaktor angegeben?
Heath Rushing	Nun, weißt du, ich habe es getan. Weißt du, als wir damit anfingen, habe ich es nicht wirklich, weißt du, verstanden. Wir haben es nicht in das Design aufgenommen.
	Ich weiß nicht, ob Sie sich daran erinnern, aber es war, wissen Sie, es ist viele Monate her, ich glaube, ich habe das schon einmal angesprochen.
	Und dabei hast du mir tatsächlich geholfen. Was Sie also getan haben, ist, ja, da ist es, da ist es.
	Das haben wir also vor langer Zeit getan. Ich habe nur wirklich nicht verstanden, wie man das analysiert, aber es sieht so aus
	dass es Sinn macht, dass wir das im Voraus entwerfen wollen. Ich erinnere mich, dass du mir das gesagt hast. Du hast einfach nur gesagt,
	Hey, weißt du, was kann noch variieren? Und ich sagte, nun, natürlich werden wir eine Spender-zu-Spender-Variabilität haben, und Sie sagten, lasst uns weitermachen und das im Voraus entwerfen. Wenn wir enden...
	um sicherzustellen, dass wir dies im Design berücksichtigt haben, denn das Design könnte darauf basieren, wissen Sie, wie viele Spender Sie haben und wie viele Läufe Sie pro Spender haben.
Andreas Karl	Okay, das ist toll, dass du das getan hast, denn das wird verhindern
	Aliasing oder Verwechslung zwischen diesen Faktoren, die Sie hier in das Modell eingebaut haben, diesem RSM und diesen drei Faktoren in diesem Spender. Also zum Beispiel
	Sie werden nicht Ihren gesamten hohen pH-Wert mit einem Ihrer Spender und Ihren gesamten niedrigen pH-Wert mit einem anderen messen. Diese Faktoren werden darüber ausgeglichen. Das ist also großartig.
	Ein paar andere Fragen hier. Also diese Spender, die mit Ihrem Prozess fortfahren, werden Sie nur diese vier Personen als Spender verwenden oder werden Sie andere Spender hierher kommen lassen?
Heath Rushing	Na Gott, nein. Ich, wissen Sie, es ist wie... also, wenn wir weitermachen und das bringen... diese, wissen Sie, diese Therapeutika für Patienten,
	ist, Mann, wir werden eine Menge gesunder Spender haben, richtig. Ich meine ... und ich werde sie gesunde Spender nennen, weil wir diese Zellen natürlich in Patienten einsetzen werden.
	Sie wissen also, das sind nur, wissen Sie, das sind nur vier, die ich aus unserer ... aus unserer Zellenbank ausgewählt habe, und ich denke, dass Sie mir vorher gesagt haben, Sie wissen schon, wann
	Als wir damit anfingen, sagten Sie...das ist lange her, aber Sie sagten, Sie müssen sicherstellen, dass, wenn Sie diese vielen Spender haben, was wir tun, wir es tun Ich habe keine
	Wissen Sie, eine große Anzahl von Spendern, aber Sie sagten, Sie wissen, versuchen Sie etwas zu tun, bei dem Sie die Spender nach dem Zufallsprinzip auswählen, die Sie ... das taten. Wir haben also zufällig einige Spender ausgewählt und vier Spender genommen.
	Aber du hast recht. In Zukunft werden wir nicht nur vier Spender haben, und ich möchte nicht nur auf diese vier Schlussfolgerungen ziehen. Ich möchte in der Lage sein, Rückschlüsse auf wirklich alle Spender zu ziehen, die wir möglicherweise haben könnten, Andrew.
Andreas Karl	Okay. Nun, eine Sache, die wir hier berücksichtigen wollen, ist, wenn wir uns das ansehen, das habe ich gerade gezeigt, weißt du, das ist ein...
	Dies ist ein reduziertes Modell, bei dem wir ...
	Wir haben die unbedeutenden Effekte mit unserer Rückwärtsselektion rausgeschmissen. Eine andere Sache, die wir tun könnten, ist, anstatt den Spender als festen Effekt einzubeziehen, ihn als zufälligen Effekt einzubeziehen. Und der Grund, warum wir das vielleicht tun möchten
	ist ... lassen Sie mich den Graph Builder hier aufrufen und Ihnen zeigen. Hier ist also die Zelllebensfähigkeit und das Nebenprodukt, also ist die Zelllebensfähigkeit auf der linken Seite.
	Und jede Farbe ist ein anderer Spender, und das sind die experimentellen Ergebnisse. Jetzt geht das Fixed-Effects-Modell ... nur Schätzungen
	eine Varianzkomponente, und das ist der Fehler oder die Restvarianzkomponente, und das sehen Sie in jeder dieser einzelnen Verteilungen.
	Und dann wird davon ausgegangen, dass es konstant ist, es wird dasselbe sein, also wird es diese zusammenlegen, um zu dieser Schätzung zu kommen.
	Und um die festen Effekte zu verwenden, verwenden wir den Mittelwert jeder dieser Verteilungen, um zu sagen, okay, es gibt eine mittlere Verschiebung der Zelllebensfähigkeit, es gibt eine mittlere Verschiebung des Nebenprodukts.
	Aber was nicht berücksichtigt wird, ist die Variabilität zwischen diesen Verteilungen, die wir hier sehen. So ist zum Beispiel das Grün ganz hier drüben für Spender drei nach links für die Zelllebensfähigkeit.
	und dann dieses Lila ganz rechts. Es gibt also diese Variabilität mit … über die Spender hinweg, die man bekommt. Und so, wenn Sie es versuchen
	Erstellen Sie Ihre Konfidenzintervalle oder versuchen Sie, Ihre Standardfehler für Ihre Parameterschätzungen zu erhalten.
	Es gibt Informationen, die Ihnen fehlen, wenn Sie das nicht berücksichtigen, diese zusätzliche Quelle der Variabilität. Das ist also ein Vorteil der Verwendung ... diese als zufällige Effekte zu behandeln.
	Und da Sie vier Spender haben, ist das hier machbar. Wenn Sie nur zwei Spender haben, können Sie das nicht tun.
	Drei ist irgendwie an der Grenze dessen, was Sie tun können, denn was Sie wirklich tun, ist, eine zusätzliche Variantenkomponente für nur die Anzahl von ... über Spender zu schätzen. In diesem Fall haben Sie also jetzt eine zusätzliche Variantenkomponente
	mit der Stichprobengröße von grundsätzlich vier, also hier etwas machbar. Schauen wir uns an, wie das aussehen würde.
Heath Rushing	Andrew, kann ich eine Frage stellen? Kannst du das noch einmal ansprechen? Das sah ... gefällt mir wirklich ....
Andreas Karl	Ja ja.
Heath Rushing	Darf ich dazu kurz eine Frage stellen. Wann immer Sie ... wann immer Sie dies tun, und ich habe diese Spender-zu-Spender-Variabilität nicht berücksichtigt, wäre es ... was würde es tun? Ich meine, wäre es einfach so, als würde man all das zusammenfügen, damit es wie eine große Distribution wäre?
Andreas Karl	Nun, damit wir uns das besser vorstellen können, lassen Sie mich darauf antworten
	während wir durchgehen
	die Monitorberichte sind beides, aber so
	Was es tun wird, ist für Ihre Vorhersagen in der Zukunft,
	ist Ihr festes effektives Modell (lassen Sie mich hier das Fadenkreuz einschalten), also wird Ihr festes Effektmodell sagen, nun, diese vier Spender durchschnittlich zusammen
	80. Und was es tun wird, ist, es wird verwenden, was auch immer die Breite davon ist. Tun Sie so, als könnten Sie einen Standard berechnen
	Abweichung für jeden dieser einzeln, und es wird diese Verteilung mit dieser Anzahl von Varianten haben, die Sie sehen, wenn Sie nur die Variabilität innerhalb des Spenders verwenden, die um 80 zentriert ist.
	Was das Random-Effects-Modell tun wird, ist zu sagen, wenn Sie ... wenn Sie zusätzliche Zelllebensfähigkeitsergebnisse vorhersagen, um zu sagen, na ja,
	Wir nehmen nicht nur Stichproben innerhalb, haben wir diesen Bereich der Variabilität hier, sondern wir werden auch zufällig einen Spender auswählen, der in etwa so aussieht wie die Population, die...
	stammt aus der gleichen Bevölkerung, aus der diese vier stammten. Der Mittelwert liegt also vielleicht nicht wirklich bei 80, der Mittelwert könnte hier unten eher bei 75 liegen,
	hier oben näher an 82 und diese zusätzliche Variabilitätsquelle wird dort eingebaut,
	nicht unbedingt Ihre Schätzung für Ihren Mittelwert, aber Ihre Schätzungen Ihrer Varianten für Ihre Konfidenzintervalle und Vorhersageintervalle, sodass diese breiter sein werden, um diese zusätzliche Variabilität widerzuspiegeln.
	Sonst werden Sie ... Sie werden sich Ihrer Vorhersage zu sicher sein und wie groß diese Intervalle sind.
Heath Rushing	Und ich mag Überraschungen nicht und das war ziemlich hilfreich.
Andreas Karl	Ja, dann ist das eine gute Sache, sich das anzusehen.
	Also lassen Sie mich diese ansprechen.
	Also hier links haben wir uns das schon angeschaut. Hier sind die enthaltenen Spender ein fester Effekt, und auf der rechten Seite habe ich Spender als einen
	zufälliger Effekt. Das einzige, was ich getan habe, um dies anzupassen, nur als Erinnerung an einen Modelldialog, alles, was ich hier tue, ist, dies in einen zufälligen Effekt zu ändern
	und das dann ausführen.
	Okay, das habe ich hier auf der rechten Seite.
	Also ein paar Dinge zum Hervorheben. Zuallererst fällt Ihnen vielleicht auf, dass der Spender nicht mehr in der Effektzusammenfassung aufgeführt ist und Sie ihn nicht in den Parameterschätzungen sehen, weil er jetzt anders in das Modell eingebaut ist; Es ist kein fester Effekt mehr.
	Ein paar ... andere Dinge, die Sie sehen werden, sind, dass Sie einen großen Unterschied zwischen dem tatsächlichen und dem vorhergesagten sehen. Das sieht also eigentlich besser aus für das Fixed-Effects-Modell
	als es auf den ersten Blick für das Modell mit zufälligen Effekten der Fall ist, und wenn wir dann ganz nach unten zum gemeinsamen Profiler scrollen,
	Wir können sehen, dass diese vertikalen Achsen zwischen den beiden gleich sind, und wir sehen diese viel breiteren Konfidenzintervalle
	Für die Modelle mit zufälligen Effekten könnte das ein wenig abschreckend sein. Aber wir müssen ein bisschen tiefer graben, um zu sehen, warum das so ist.
	Als Beispiel dafür werfen wir einen Blick auf den Vorhersageausdruck hier unten für Nebenprodukte. Und nach Produkten, wenn man sich die Parameterschätzungen dieser beiden ansieht,
	Wir sehen, dass wir ...
	Der pH-Wert ist also unser einziger wichtiger Effekt, ein signifikanter Effekt in beiden Modellen, plus der Donor im Fixed-Effect-Modell. In unserem Vorhersageausdruck...
	für das zufällige ... für das Modell mit festen Effekten hängt unser Vorhersageausdruck davon ab, welchen Spender Sie haben. Um also einen Vorhersageausdruck zu erhalten, fügen Sie die pH-Informationen und dann hinzu
	Wir haben auch die Informationen darüber, welche Spender. Wir kontrollieren hier für die Spender. Und Sie werden dies sonst sehen => Null. Das ist so eine
	heuristische Lösung. Es ist nicht wirklich in das Fixed-Effect-Modell eingebaut, aber wir sagen einfach, wenn es sich um einen neuen Spender handelt, nehmen wir einfach an, dass es null ist. Es gibt keine Spenderwirkung.
	Und diese allgemeine ... Verallgemeinerung an neue Spender ist wiederum nicht wirklich in das Fixed-Effect-Modell eingebaut; Es ist ein bisschen mehr in das Zufallseffektmodell eingebaut, was Sie sehen können, in diesem Fall ist es eine Art ...
	Wir hatten das Glück zu sehen, dass die Parameterschätzungen hier zwischen den ... für den Schnittpunkt und die Steigung zwischen den Modellen mit festen und zufälligen Effekten gleich sind. Das wird nicht immer passieren.
	Hier kommt es vor allem darauf an, dass diese einem orthogonalen Design von Ihrem individuellen Design nahe kommen.
	Aber wir haben nichts über den Plus-Spender hier drüben.
	Da dies rechts von dem ... von dem Modell mit zufälligen Effekten ein gemischtes Modell ist, wird es als marginales Modell bezeichnet, was bedeutet, dass Sie Ihre durchschnittliche Antwort über die Spender erhalten.
	wohingegen wir auf der linken Seite mit diesem Modell mit festen Effekten ein bedingtes Modell erhalten, das auf jedem von diesen bedingt
	Spender. Wir können das also hier im Vorhersage-Profiler für das gemischte Modell tatsächlich sehen, wenn wir bedingte Vorhersagen ausgewählt haben,
	Jetzt können wir sehen, dass wir ...
	Diese sind jetzt relativ ähnlich zu dem, was wir auf der linken Seite sehen, und was auch hilft, ist, dass wir die Abhängigkeit sehen können
	jetzt auf Spender. Das ist also die ... das ist die Reaktionsfläche in jedem Spender.
	Das ist versteckt, vielleicht etwas verwirrend, hier drüben im Vorhersage-Profiler für das Fixed-Effects-Modell.
	Und der Grund, warum es ausgeblendet ist, ist, dass dies ein Blockierungsfaktor war und diese nicht automatisch im Vorhersageprofiler angezeigt werden, aber wir können das mit dem Reset-Faktor-Raster aktivieren.
	Wir können die Spender zeigen, und jetzt sehen wir, wie diese Reaktion von diesen Spendern abhängt. Wenn wir also wollen, dass unsere Schlussfolgerung über diese Spender hinaus verallgemeinert wird,
	Hier kommt der Vorteil des gemischten Modells ins Spiel, weil wir jetzt über die Spender mitteln, anstatt diese Abhängigkeit von den einzelnen Spendern zu haben. Und das Letzte, was ich dir zeigen möchte, bevor ich
	Kehr zurück zu dir, Brady, das ist ungeklärt, warum das so viel schlimmer für den aussieht
	tatsächlich habe ich für das Fixed-Effects-Modell vorhergesagt? Und das liegt daran, dass dies den Vorteil hat, diese Spender zu kontrollieren
	Verwenden Sie diese Vorhersageausdrücke hier. Also wurde dieses Rauschen daraus entfernt, während dies uns den tatsächlichen Wert gibt, den ich vorhergesagt habe, ohne die Spender zu kontrollieren. Wenn Sie zufällig JMP Pro haben, können Sie einen Blick darauf werfen
	das gleiche Modell.
	Wenn Sie zum gemischten Modell wechseln, erhalten Sie anstelle der standardmäßigen kleinsten Quadrate beide Diagramme
	die standardmäßigen kleinsten Quadrate. Aber hinter den Kulissen, wenn Sie die kontrollieren
	Zufallseffekte ... Vorhersagen von Zufallseffekten, dann erhalten wir im Grunde dasselbe wie die Anpassung ... das Modell mit festen Effekten. Es ist also nicht so, dass das Fixed-Effects-Modell besser ist, es zeigt nur das bedingte Modell gegenüber dem Randmodell zwischen diesen beiden.
Heath Rushing	Okay.
	Mal sehen, zwei Dinge. Erstens, danke, dass du mir das Reset-Faktor-Raster auf dem festen Block gezeigt hast. Urteile nicht oder so, aber ich bin nur ... ich bin nur
	nur ein Wissenschaftler. Ich bin kein JMP ... JMP-Experte, also wusste ich nicht einmal, dass es da ist, also ist das großartig.
	Die zweite Sache ist, dass ich diesen Ansatz wirklich mag. Ich benutze das wirklich gerne als Zufallsgenerator ??? Effekt und ich denke, das macht Sinn, besonders für das, was ich wirklich als nächstes tun muss ... ist wirklich, was ich als nächstes tun muss, ich muss die Prozessfähigkeit bewerten.
	Und was ich wirklich wissen will, ist...
	Es ist mit diesen beiden, richtig, wir haben Spezifikationen um sie herum.
	Wenn ich vorankomme, muss ich meine Produktionsanlagen bereitstellen, und meine Produktionsanlagen sind das, was wir in Bezug auf die Prozessfähigkeit erwarten würden. Wie viel Prozent außerhalb der Spezifikation, CPK, solche Dinge. Können Sie mir dabei helfen?
Andreas Karl	Ja, und das ist schön, dass Sie die Spezifikationen für die Spezifikationsgrenzen als Spalteneigenschaften hier einfügen, wo wir das bereits geladen haben. So, jetzt haben wir das...
	diese Informationen, also werden wir jetzt sehen, wie wir ... wenn Sie diesen Vorgang wiederholen, Sie mehr Spender haben und, da Sie bei verschiedenen Faktoreinstellungen waren, wie viel Prozent dieser neuen Beobachtungen werden außerhalb dieser Spezifikationsgrenzen liegen?
	Also gehen wir zum Prediction Profiler und nutzen den Simulator hier, um uns zu helfen. Und
	etwas, das ich erwähnen wollte ... ich hätte es Ihnen früher sagen sollen, also diese zusätzlichen ... die zusätzliche Breite in diesen Konfidenzintervallen kommt wiederum von der Tatsache, dass es hier kleiner ist, weil es für den Spender kontrolliert.
	Aber woher kommt diese zusätzliche Variabilität?
	Und es kommt von hier oben aus dieser REML-Tabelle, also bekommen wir jetzt zwei Varianzkomponenten, das habe ich vorhin erwähnt, also das ... wir bekommen die Fehlervarianz, die hier als Restvarianz bezeichnet wird.
	Und wir bekommen auch die Varianz, die Spender-zu-Spender-Variabilität. Und in diesem Fall für Nebenprodukte haben Sie 93 % Ihrer Variabilität von Spender zu Spender. Klingt das?
Heath Rushing	Ja ja. Und wirklich, wissen Sie, wie ich schon sagte ... davor hatte ich dieses Gespräch,
	dass ich gerade gesagt habe, wann immer Sie mich gefragt haben, wissen Sie, werden Sie irgendetwas anderes verwenden, das wir blockieren müssen, und ich habe gesagt, ich denke, wir werden ... Sie werden eine Menge von Spendern sehen - Spendervariabilität, also überrascht mich das überhaupt nicht.
Andreas Karl	Okay, eine Sache, auf die ich hier hinweisen möchte, ist, dass sie im Fixed-Effects-Modell etwas versteckt ist, aber wenn Sie Ihre Fehlervariabilität hier sehen möchten, können Sie sich die ANOVA-Tabelle ansehen.
	Und wenn Sie sich den mittleren quadratischen Fehler ansehen, dann ist das Ihre Fehlervariabilität, Ihre Restvariabilität, also 0,8477 für das Nebenprodukt.
	Und wenn wir hier nach Nebenprodukten im gemischten Modell suchen, sehen wir diese .847, okay. Und das sind sie nicht ... also der Grund, warum diese nahe beieinander liegen, weil dies die verbleibende Variabilität in beiden Modellen ist
	und in beiden Modellen grundsätzlich die gleiche Menge zu schätzen. Aber das ... dieses Modell, das gemischte Modell, gibt uns die zusätzliche Varianzkomponente hier für den Spender, und das wird uns für diesen Prozesscharakter helfen ... dafür
	Fähigkeitsanalyse, nach der Sie fragen. Also gehen wir runter und schauen uns das an. Also, wie könnten... was würden wir in der tun
	Fixed-Effects-Modell?
	Nun, noch einmal, wir wissen, dass ... Sie verschiedene Spender bekommen werden, also können sich Ihre Werte ändern. Wenn wir also den Simulator einschalten, ist das wirklich Ihre einzige Option
	und es ist keine schreckliche Annäherung, wenn Sie mehr als einen ... mehr als ein paar Spender haben, aber lassen Sie uns einen Blick darauf werfen. Also schalten wir das Hinzufügen von zufälligem Rauschen ein und hier werden wir das sehen
	Diese Werte stammen aus der Quadratwurzel Ihres MSE, also ist dies Ihre Varianz, und die Quadratwurzel dieser 0,8477 ist Ihre Standardabweichung für Ihre Fehlervariabilität.
	Und so können wir das auch in der REML-Tabelle sehen, es ist nicht standardmäßig aktiviert, aber wenn Sie mit der rechten Maustaste klicken und die Quadratwurzel-Varianzkomponente der Spalte aktivieren, können wir das jetzt hier sehen.
Heath Rushing	Ein weiterer Trick. Vielen Dank.
Andreas Karl	Ja.
	Also .92, und das ist dasselbe ... davon kommt diese .92, also einschließlich der Fehlervariabilität, die sie bereits in Ihrem Modell erkannt hat.
	Und wenn wir jetzt nur simulieren,
	jetzt bekommen wir diesen schmalen Bereich, aber das ist eine Simulation für Spender 1, Spender 2, und Sie können sehen, wie sich die Mittelwerte dort nach oben verschoben haben, also verschiebt sich der Mittelwert nach oben
	für Spender 4. Wenn ich zu Spender 3 schalte, der kleiner ist als hier drüben, schalte ich runter.
	Eine Sache, die Sie tun können, um sich dort anzunähern, ist, dass Sie den Spender auf zufällig einstellen können, und das ist eine Art Bootstrap über die verfügbaren Spender, die Sie haben. Und Sie können jetzt sehen, dass unsere Standardabweichung diese 2 bis 3 erreicht,
	Was hier zum gemischten Modell führt, wo wir zufällige Spendereffekte haben, also haben wir eine totale Variabilität, die nicht nur die Restvariabilität ist, sondern die
	Variabilität einschließlich der Spender. Das sind etwa 3,5. Wenn Sie das jedoch tun, erhalten Sie diese künstlich holprige Simulationsverteilung, und das ist ein Artefakt, da hier nur vier Spender vorhanden sind. So
	nicht der beste Ansatz, aber das ist das Beste, was Sie mit dem Fixed-Effects-Modell erreichen.
	Auch eine andere Sache, auf die ich hinweisen möchte, ohne zu sehr ins Detail zu gehen, sind Ihre Spenderschätzungen hier
	im Fixed-Effects-Modell sind diesen zufälligen Effektvorhersagen im gemischten Modell ziemlich ähnlich. Der Unterschied besteht darin, dass diese im gemischten Modell basierend auf diesem Varianzverhältnis entsprechend verkleinert werden. Es heißt ein
	schrumpfende Eigenschaft dieser Schätzungen und es gibt Ihnen ein bisschen bessere Vorhersagen, ein bisschen bessere Schätzungen Ihrer Spendervariabilität ...
	Ihrer Spendereffekte. Ich werde also nicht weiter darauf eingehen, aber ich möchte nur darauf hinweisen, dass sie sich ziemlich ähnlich sind, aber es gibt einen kleinen Unterschied, falls Sie sich das selbst ansehen müssen.
	Aber um hierher zu kommen, wie können wir das im Modell mit den zufälligen Spendereffekten machen, ich kann den Simulator einschalten.
Heath Rushing	Okay.
Andreas Karl	Und ein Hinweis zur Vorsicht, bevor ich Ihnen den richtigen Weg zeige, ist, dass ich bemerkt habe, wenn Sie die bedingten Vorhersagen hier aktivieren und versuchen, das Rauschen hinzuzufügen,
	Und das Rauschen ist jetzt auf diese eingestellt ... es ist ziemlich ähnlich wie hier drüben, was wir im festen Modell gesehen haben, aber das ist nur jetzt, einschließlich der momentanen Restvariabilität.
	Aber wenn ich versuche, dies mit diesem bedingten Profiler zu tun ...
	Also ich finde das ... ändere zu Spender 3, beachte, wenn ich die Spender geändert habe, das verschiebt sich nicht nach oben und unten, also versuch nicht ... versuche dort nicht denselben Effekt. Hier ist etwas los mit den bedingten Vorhersagen und dem Simulator hier. So
	nicht für bedingte Vorhersagen simulieren. Wir wollen simulieren von der...
	wenn diese Option deaktiviert ist, wie es standardmäßig der Fall ist.
	Aber jetzt können Sie sehen, dass es hier diese Art von schmaler Verteilung gibt, relativ zu diesem breiteren Konfidenzintervall.
	Und der Grund dafür ist, dass diese Standardstandardabweichung nicht die richtige ist, die wir verwenden möchten. Wir wollen ... gehen Sie hier hoch zur REML-Tabelle ... und wir wollen nicht nur die Variabilität innerhalb der Spender, wir wollen die gesamte Variabilität.
	Die Standardabweichung der Gesamtvariabilität beträgt hier also 3,53.
Heath Rushing	Okay.
Andreas Karl	Für nach Produkt möchten wir dies mithilfe dieser REML-Tabelle ändern.
	Und ich habe nicht früher die Kontrolle gehalten und gesendet, also werde ich das hinzufügen
	wieder Quadratwurzel-Varianzkomponente; es ist hier oben, 3.16.
	Und jetzt, wenn ich das mache und simuliere, können Sie sehen
	Ich bekomme diese breitere Verbreitung,
	ja, was wird
	spiegeln besser wider, was Sie in Zukunft mit zusätzlichen Spendern aus derselben Population sehen werden, und geben Ihnen eine bessere Schätzung Ihrer ... Ihrer Defektrate.
	Und Sie können das jetzt mit dem vergleichen, was Sie hier drüben sehen, diese holprige Verteilung, diese künstlich holprige Verteilung
	im festen Modell. Wenn Sie nun 1.000 Spender haben, für die Sie natürlich nicht das Budget haben werden, aber wenn Sie es hätten, würden sich diese Verteilungen annähern, und Sie können sehen, dass die Standardabweichungen nicht allzu sehr weit voneinander entfernt sind. Sie nähern sich beide 3,1 und 3,5.
Heath Rushing	Ja, ich denke ... Ich denke, das Zufallseffektmodell ist das, was wir eigentlich erwarten würden.
	Ja, das ist ungefähr das, was wir erwarten, besonders wenn wir eine große Anzahl von Spendern hatten. OK gut.
Andreas Karl	Und ich habe jetzt bemerkt, dass Sie diese hier haben ... diese sind alle repariert. Möchten Sie es für Ihre Fähigkeitsanalyse so machen, weil Sie
	Sehen Sie, Sie haben nur die Variabilität von Spendern und dann die Fehlervariabilität, und dann haben Sie diese behoben?
Heath Rushing	Weißt du, dass wir das traditionell so machen ... dass wir es getan haben, aber dass es wirklich zwei Dinge gibt, die ich ansprechen möchte.
	Einer wird als normaler Betriebsbereich bezeichnet, und mal sehen, ob Sie dafür ein Beispiel haben. Aber wirklich, was die normalen Betriebsbereiche sind, ist das ...
	ist das, wenn du so etwas wie Zeit betrachtest, okay? Zeit ist etwas, das wir reparieren könnten. Angenommen, wir wollten es bei 5,5 beheben. Wenn wir eine 5,5 eingeben und wenn es geht, geht es von 5,5 Stunden an und dann hört es auf.
	Aber Temperatur und pH-Wert sind nicht so, wie wenn wir die Temperatur einstellen auf, wissen Sie,
	etwa 27,45 oder an einem bestimmten Punkt, aber was es tun wird, ist, dass es eine natürliche Variabilität um das herum haben wird, von wie einem ??? Fähigkeit,
	oder einfach nur Biopharma. Die Temperatur wird also nicht festgelegt, können wir das also in Bezug auf unsere Prozessfähigkeit berücksichtigen?
	Normale Betriebsbereiche
	???
Andreas Karl	Okay, haben Sie eine Vorstellung davon, wie sehr sie historisch variieren? Was könnte ein Standard sein? Denn was wir in JMP tun können, ist, dass wir dies für einen festen Zufall setzen können.
	Und wir können sagen, okay, es hat einen Mittelwert
	27.45.
	Und wenn Sie eine Idee haben, und wir könnten das auch für den pH-Wert tun, und wenn Sie wissen, was das... was für vernünftige Standardabweichungen sind, wie stark diese variieren.
Heath Rushing	Ja, ja, das tue ich, wissen Sie. Ich habe einige Datenanalysen zu einigen Dingen durchgeführt, die wir in der Vergangenheit durchgeführt haben, und ich würde sagen, wenn Sie sich so etwas ansehen, sieht es aus wie eine Verteilung, würde ich sagen, 95 % der ganzen Zeit.
	Mal sehen, es müsste, meine Güte, dazwischen liegen, weißt du, plus oder minus eins, also würde ich sagen, dass die Standardabweichung vielleicht 0,5 wäre.
	für Temp. Okay, und für den pH-Wert ... für den pH-Wert wäre es zwischen, wenn ich das 6,54 einstelle, wenn ich eine 6,5 schicke, ist es vielleicht ähnlich, ich weiß nicht, wie sagen, sagen ...
	du weißt,
	die Standardabweichung wäre dort 0,1, okay.
	Und ich denke, unsere Sollwerte...
	Ich denke, unsere Sollwerte für, mal sehen, was war das für die Temperatur? War das für Temperatur 27,45 und 6,54?
	6,5, ich glaube, es ist 6,5.
Heide Rusing	Mal schauen...
Heath Rushing	20 ... ja 6.5. Es wäre 6,5 und für die Temperatur wäre es 27,5. Das wäre es. Na, bitte. Ja, ja okay ja. Das ist genau das, wovon ich spreche, Andrew. Dies wird als normaler Betriebsbereich bezeichnet, und ich möchte dies bei der Schätzung der Prozessfähigkeit berücksichtigen.
Andreas Karl	OK, jetzt, da wir diese Einstellungen aktiviert haben und wir diese Gesamtvariabilität für Spender haben, plus die Fehlervariabilität,
	jetzt, wenn Sie ... wenn wir simulieren, bekommen wir jetzt die zusätzliche Variabilität
	Dies wird durch die Variabilität der Faktoren verursacht, und Sie können sehen, dass sich dies in der Fehlerrate widerspiegelt.
	Und auch,
Heath Rushing	Ich möchte auch hier nur darauf hinweisen,
Andreas Karl	Sie können auch, da dies nicht so lange dauert, die Anzahl der Läufe erhöhen
	um eine bessere Einschätzung zu erhalten. Sie können hier auch sehen, wie Sie durch die Simulation eine gleichmäßigere Verteilung erhalten.
	Und dann können Sie diese Werte auch in einer Tabelle simulieren, wo Sie jetzt für jede Simulation eine andere Zeile erhalten, und Sie können die vorhergesagte Zelllebensfähigkeit und Nebenprodukte bei dieser Simulatoreinstellung sehen, und Sie können damit zusätzliche Analysen durchführen Dies,
Heath Rushing	Ja, in diesem Fall würden Sie so etwas wie ein bekommen
	CPK, richtig? Ich meine, wenn Sie es so gemacht haben, erhalten Sie auf diese Weise eine Art CPK-Schätzung?
Andreas Karl	Ja, ja, das bekommt man zusammen.
Heath Rushing	Okay, toll. Okay, das war also das erste, wie man normale Betriebsbereiche berücksichtigt, aber da ist noch eine Sache ??? Prozessfähigkeit, die ich ansprechen möchte. Weißt du, es ist nicht nötig
	Wir sehen uns jedoch gerne den sogenannten nachgewiesenen akzeptablen Bereich an. Und das ist die nachgewiesene akzeptable Reichweite.
	Es heißt, wenn ich Temperatur und pH-Wert an unseren Sollwerten sage und sie nicht variieren lasse,
	aber ich lasse Zeit, zwischen den niedrigen und hohen Einstellungen zu variieren, und es wäre ebenso möglich, dass es so niedrig im Vergleich zu dieser wäre
	hohe Einstellung, was würde ich erwarten, was wäre meine Prozessfähigkeit? Und was wir wirklich tun, ist zu beweisen, dass, wenn zwei davon Sollwerte sind und einer von ihnen variiert, dies innerhalb Ihrer akzeptablen Prozessfähigkeit liegt. Wie würden wir das angehen?
Andreas Karl	Okay, Sie haben gesagt, Zeit und ... Temperatur und pH-Wert sind auf ihrem Sollwert.
Heath Rushing	Das ist richtig.
Andreas Karl	Und dann Zeit, also kann es darüber variieren.
	Was wir also tun werden, anstatt normal zu sagen, was wir hier tun werden, ist, dies auf einheitlich zu setzen.
	Und das sind jetzt die niedrigen und hohen Einstellungen aus dem Experiment, 1,9 bis 9,1.
	Und Sie können das nach Bedarf ändern, aber ist das...
	Habe ich dich richtig gehört? Ist, was...
Heath Rushing	Das war das ... das ist genau das, was es ...
	genau das ist es. Also, wenn ich... wenn ich so etwas täte, ist... und wirklich, wirklich...
	Können wir diese in diesem Fall überhaupt ändern? Können wir überhaupt sagen, dass wir das im Experiment gesagt haben, aber ich möchte sehen, ob unsere nachgewiesenen akzeptablen Bereiche, sagen wir zwischen zwei und neun, ich meine, könnte ich … könnte ich das irgendwie ändern?
	Ja du kannst. Ok das weiß ich auch nicht.
	Ja, also können Sie diese ändern und sogar simulieren, was es sein würde, und das nennt man bewährte akzeptable Bereiche, okay,
	wo wir diese beiden reparieren. Also, was wir tun würden, ich weiß es zu schätzen, dass du mir das zeigst, aber, Junge, und ich werde es alleine versuchen, was ich tun würde, ist, ich würde das für jeden von diesen tun, richtig, ich würde das tun für die Zeit und ich würde das für die Temperatur tun und ich würde es tun
	das für den pH-Wert. Und nur um sicherzustellen, dass wir eine akzeptable Prozessfähigkeit haben.
Andreas Karl	Okay, schön ist, das geht hier ganz einfach so.
Heath Rushing	Kannst du mir noch eine Sache zeigen, okay? Nur, ja, machen Sie das hier, nur zwischen 25 und 30, die Uniform zwischen 25 und 30. 25 und 30. Okay, können Sie das für einen Tisch simulieren?
	Machen Sie eine Tabelle und schauen Sie sich nur die Verteilung der Lebensfähigkeit der Zellen und nach Produkt an.
	Oh, das stimmt. Es gibt Ihnen diese Prozessfähigkeit. Ich liebe das.
Andreas Karl	Denn Sie bekommen die Arbeit, die Sie sparen
	that als Spalteneigenschaft für diese Spezifikationsgrenzen.
Heath Rushing	Das ist ... das ist so einfach. Okay okay gut, das weiß ich zu schätzen. Ich denke, das einzige, was ich war … worüber ich Sie fragen wollte, ist … Ich habe Ihnen auch einen weiteren Datensatz geschickt
	wo wir hinschauen,
	Sie wissen schon, einen Vergleich von kleinem und großem Maßstab in Vergleichbarkeit zu machen, richtig. Und dann wirklich das, was wir mit der Vergleichbarkeit versuchen
	ist, ich habe einige Läufe im kleinen Maßstab, ich habe einige, wissen Sie, einige Läufe im großen Maßstab, und für meine CQAs (?) möchte ich zeigen, dass sie nicht genau gleich sind, aber sie liegen innerhalb, Weißt du, irgendwie...
	irgendeine Art von Grenzen, okay, irgendeine Art von praktischer Bedeutung, und man nennt es Äquivalent zur Vergleichbarkeit. Ich weiß, dass Sie wissen, was das ist, aber wie würde ich, wissen Sie, wie kann ich die Spender-zu-Spender-Variabilität dort erklären?
Andreas Karl	Okay ja und das habe ich gesehen. Und das sah ich auch so...
	Lassen Sie uns zunächst, genau wie wir uns den vorherigen Datensatz angesehen haben, sehen, was passiert, wenn Sie diese Spenderinformationen nicht einbeziehen.
	Okay, und Sie haben erwähnt, dass Sie für die Zelllebensfähigkeit ein EAC-Äquivalent verwenden, ein Kriterium von 2.
	Und was wir hier sehen
	ist, dass der maximale P-Wert ist ... wir lehnen die Nullhypothese nicht ab, was in diesem Fall bedeutet, dass wir keine Äquivalenz erkennen, was
	stimmt nicht mit unserer Erwartung hier überein, dass Sie denken, dass dies tatsächlich äquivalente Prozesse sind.
	Was also passiert, ist Folgendes … dass Informationen im Lärm der Spender verloren gehen.
	Und wie....
Heath Rushing	Immer wenn ich das sehe ... scrollen Sie einfach nur nach oben
	Zweitens, nur eine Sekunde ... Ich sehe das. Ich sehe das. Ich sehe diesen Punkt, der mir auf dem Diagramm zeigt, der mir den Unterschied von zeigt
	negativ 0,49
	auf die Grafik und ich denke, das ist nicht zu groß, aber es sieht einfach sehr, sehr breit aus.
	Okay.
Andreas Karl	Das liegt daran, dass die zusätzliche Variabilität, die in diese Schätzung für die Breite der Konfidenzintervalle eingeht.
	denn denken Sie daran, das Blockieren nimmt ... die Variabilität Ihrer Schätzung weg.
	Konto...
Heath Rushing	Okay.
Andreas Karl	Das ist genau das, was hier vor sich geht, also erkennen Sie in diesen beiden Fällen keine Äquivalenz zwischen Ihrem großen und kleinen Maßstab,
	zwischen Ihren ... entweder für die Lebensfähigkeit der Zelle oder für das Nebenprodukt. Und Sie können sehen, dass an diesem Bericht hier viel dran ist. Es ist eine Menge Arbeit, dies einzurichten, und ich werde das zeigen, nachdem ich Ihnen hier noch etwas gezeigt habe. Alles, was ich jetzt zeigen möchte, ist, dass ich jetzt die Donor-Effekte als zufällige Effekte aufgenommen habe.
	und jetzt kannst du sehen
	mit einem kleinen P-Wert lehnen wir ab, was bedeutet, dass wir jetzt tatsächlich zu dem Schluss kommen, dass ... schlussfolgernde Äquivalenz, angesichts des EAC von 2 für die Zelllebensfähigkeit und auch für den Moment für die maximalen P-Werte, eine, die wir uns ansehen werden wo
Heath Rushing	Die Drei.
Andreas Karl	Für die EAC vondrei für
	für nach Produkt. Und die Art und Weise, wie wir das eingerichtet haben, ist, lassen Sie mich Ihnen das zeigen, weil ich weiß, dass Sie gehen müssen, Sie müssen noch eine Minute oder so zu einem anderen Meeting springen.
	Wir haben eine Skalierung und dann werde ich mich erst einmal nur um die Lebensfähigkeit der Zellen kümmern. So werden wir den Test ohne den Spendereffekt einrichten, aber wenn wir Spender hinzufügen, können wir sie jetzt als Zufallseffekt speichern.
	Führen Sie das Modell aus.
	Und wir gehen zu Schätzungen, mehreren Vergleichen.
	Alle paarweise. Studenten T. OK, und dann von hier,
	Äquivalenztest.
	Ja, verwenden Sie unseren EAC von 2.
Heath Rushing	Ja.
	Und dann zeigt sich sogar von jenem Konfidenzintervall bis hin zu solchen zwei P-Werten.
	zeigt auch aus dem Konfidenzintervall.
	Guter Kumpel von mir, Chris? in seiner Doktorarbeit studierte er Intervalle, also lieben er und ich es wirklich...
	Liebesintervalle. Er redet immer davon, wenn wir Ski fahren, aber das besagt das untere und obere 95%-Konfidenzintervall, das würde es auch damit vergleichen.
	Ja das ist alles.
Andreas Karl	Mmmhmm und.
	Was mein letzter mein letzter Punkt für uns, Sie könnten sagen, okay, vorhin haben wir über den Nutzen von zufälligen Effekten gegenüber festen Effekten für den Spender im nicht ... im gesprochen
	keine Vergleichbarkeit, keine Äquivalenzprüfung, nur die Prüfung der Parameter. Ich habe mit JMP Pro eine Leistungsanalyse zusammengestellt, denn wenn Sie in JMP Pro ein gemischtes Modell erstellen,
	Unter der gemischten Persönlichkeit gibt es diese nette Funktion namens Save, Columns Save Simulation Formula. Jetzt das...
	und wenn Sie hier hineingehen, wird es sehr einfach, gemischte Modelle zu simulieren. Sie können die Einstellungen durchgehen und ändern.
	Und so habe ich das gemacht und eine Leistungsanalyse durchgeführt, um zu sehen, was nach der Simulation unter einem gemischten Modell besser ist, um entweder die Spender als feste oder zufällige Effekte zu behandeln und, zumindest in dem Fall, dass ich gelaufen bin bekam eine höhere Leistung, die Sie in den Kästchen hier sehen können. Ich hatte eine Macht von
	0,62 für meine zufälligen Spendereffekte im selben Test gegenüber 0,52 für die ...
	für die festen Effekte. Und beide haben dafür die nominellen Fehlerraten beibehalten, also habe ich gerade angefangen, einen Blick darauf zu werfen, aber es sieht so aus, als ob es von Vorteil sein könnte, auch die Spendereffekte innerhalb der Äquivalenztests als zufällig zu behandeln.
Heath Rushing	Ja, ich denke, Andrew, ich denke, du hast mich definitiv davon überzeugt, dass wir weitermachen,
	Wissen Sie, wir werden immer, da wir Zelltherapien betreiben, immer diesen Spender-zu-Spender-Effekt haben, denke ich. Das hat mich definitiv davon überzeugt, dass es für uns sinnvoll ist, es als zufälligen Blockeffekt zu betrachten.
	Wir hoffen, dass Ihnen die Anwendung gefallen hat, sowohl die Prozessfähigkeit als auch die Vergleichbarkeit zu betrachten, zwei Dinge, die sehr wichtig sind
	für unsere Wissenschaftler und Ingenieure, die in der Pharma- und Biopharmabranche tätig sind. Ich denke, dass die sehr spezifische Anwendung, über die wir gesprochen haben, sehr ist
	innovative Art und Weise, wie wir Therapeutika entwickeln, die jetzt als Gen- und Zelltherapien bezeichnet werden, und ich hoffe, dass wir das tun
	dass wir einen gewissen Wert bereitgestellt haben, indem wir Ihnen beispielsweise gezeigt haben, wie dies sowohl mit der Fähigkeit des Inferenzprozesses als auch mit der Vergleichbarkeit gehandhabt werden kann. Und wir freuen uns darauf, Sie auf der Konferenz zu sehen, um dies erneut vorzustellen und Ihre Fragen zu beantworten.
Andreas Karl	Danke, Brady, weiß es zu schätzen. Ich habe deinen Nachnamen nicht bekommen, Brady. Was war das?
	Brady Brady.
	Brady.
Heath Rushing	Okay, mein Vorname ist Brady, mein Nachname ist Brady, okay.
Andreas Karl	Okay.
Heath Rushing	Großartig, ja, ja, ja, ja, ja, ja.
Andreas Karl	Danke, Andreas. Bin dankbar. Ja, danke an alle, dass ihr euch uns angeschlossen habt.

AusbrechenDAMHIRSCHKUHQualität und ZuverlässigkeitRe: Biopharmaceuticals' New Frontier: Modeling Patient/Donor Variability for Gen/Cell Therapy in JMP (2021-US-30MP-887)

Brillante Präsentation. Wirklich nützlich, um einige der Herausforderungen in der Zell- und Gentherapie zu verstehen – einer schnell wachsenden Industrie und einer sehr wichtigen.

Sicherlich hätten Sie sich einen glaubwürdigeren Namen für den Kunden ausdenken können.