398736_de-DE

liliconcom

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

Niveau: Mittelstufe

 

Andrew Karl, Senior Management Consultant, Adsurgo, LLC

Heath Rushing, Hauptberater, Adsurgo, LLC

 

Die neuartigsten, innovativsten und vielversprechendsten Therapeutika in der Biopharmazeutik sind Gen- und Zelltherapien. Gentherapien verändern 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 USA 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 den Bedürfnissen der Patienten konsequent gerecht wird (sowohl hinsichtlich Wirksamkeit als auch Sicherheit). Eine offensichtliche Herausforderung besteht darin, die Variabilität von Patient zu Patient oder von Spender zu Spender zu modellieren, die einen großen Teil der Variabilität erklären kann (und dies 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 Schätzprozess Fähigkeit. Nachdem die Autoren die Auswirkungen der Modellierung des Spenders als festen Blockeffekt demonstriert haben, präsentieren sie anschließend die Vorteile der Modellierung des Spenders als zufälligen Effekt, indem sie zunächst Modellierungs- und Simulationsfunktionen in JMP und dann zusätzliche Funktionen in JMP Pro vorstellen.

 

 

Automatisch generiertes Transkript...

 

Lautsprecher	Transkript
Heiderausch	Alle, die Red Sea betreiben.
	Bänder.
ROBYN GODFREY	Ja.
	Ich könnte ein wenig besessen sein.
	Hi, wie geht's.
Heiderausch	Gut, gut, denn das ist für immer.
ROBYN GODFREY	Gut für dich, oh.
Heiderausch	ja oh ja.
ROBYN GODFREY	Oh gut, oh.
	Sehen Sie sich hier meine Checkliste an, um sicherzustellen, dass ich das richtig mache.
	Also werde ich aufnehmen. Okay, du weißt also, dass du richtig aufgenommen wirst.
	Ich bin.
	Dein Mikrofon spricht ein wenig, also werde ich dich hören.
Heiderausch	Hallo Besetzung 123.
ROBYN GODFREY	Prozent.
	zurückkehren.
ROBYN GODFREY	Alles bringt Ihr Telefon und Ihren Computer zum Schweigen.
Heiderausch	Ja, Andrew Andrew wird sich dem anschließen.
	Das ist eine Sache, also bin ich mir nicht sicher, wie es funktioniert hat. Ich habe sicher gemacht, dass ich selbst ein Poster gemacht habe, also werden wir dieses Jahr einen bestimmten Punkt erreichen, an dem er es tun wird.
	Nimm den Bildschirm.
ROBYN GODFREY	Okay.
Heiderausch	Also holen wir mich zu ihm, aber wir wechseln nicht hin und her, das tue ich nicht.
	Um die Dinge nicht zu verwirren, wissen Sie, was ich meine.
ROBYN GODFREY	Okay, das letzte Mal habe ich vergessen, mich auszuschalten, weil ich mit der Aufnahme angefangen habe, sicher, dass sie das lieben.
Heiderausch	Florida.
	Florida Florida lebt direkt am Strand.
ROBYN GODFREY	Schön schön.
Heiderausch	ja ja.
	Lanta Colorado, also werde ich im September wieder dort oben sein, um auf dem Land zu spielen.
ROBYN GODFREY	Oh schön.
	Ja.
Heiderausch	Ja.
ROBYN GODFREY	Ich war gerade in der Kühlbox und habe die Luftfeuchtigkeit und die drückende Hitze satt.
Heiderausch	wo du in der Nähe der Küste von North Carolina lebst, stimmt ja.
ROBYN GODFREY	Etwa vier Meilen landeinwärts liegt der Vogel.
	Okay.
ROBYN GODFREY	Ja, ich bin ganz in der Nähe des Flusses, des Cape Fear River und dann.
	Ja.
ROBYN GODFREY	Da ist also der Fluss und gleich die Straße runter läuft der Film „Snow Sky“, es ist wie ein Schnitt vom Fluss zur Wasserstraße, ja.
	Ja, jetzt ganz in der Nähe, Leute wie eine Menge.
	Wasser, aber es ist kein Strandzugang oder ähnliches, es ist einfach so.
	Ja, ich erinnere mich an innerküstennahe Wasserstraßen, aber an die Ozeane, etwas weiter draußen.
	Aber ich bin heute Morgen am Strand gelaufen, und das Schöne am Leben hier ist, dass ich es kann.
	Wenn es morgens nicht viel Verkehr gibt, kann man zum Strand gehen und es regnet in Strömen und wir haben einen wunderschönen Sonnenaufgang gesehen.
	Also hör auf, etwas auf die Netzhaut zu regnen.
	Freut mich.
Heiderausch	Ja, ich wohne an dem Teil des Strandes, an dem ich wohne. Er ist das Ende, also sind es 10 Meilen bis zur reinen Staatsküste.
	Nichts über 10 Meilen.
	Es gibt also ein Fahrrad.
	Fahrradweg.
	Ja, und so gibt es etwa drei Meilen lang einen Radweg und dann sieben Meilen lang einen Radweg bis zur Bar.
	Hübsch.
ROBYN GODFREY	Pennsylvania, das.
Heiderausch	Wird Strandstrand sein, ja.
ROBYN GODFREY	Wir waren in Destin.
	Weihnachtszeit.
	Ja.
ROBYN GODFREY	Ja, so wie dieser Bereich in den ganzen 38.
Heiderausch	Jahr alt, schöne Gegend.
	Oh ja.
ROBYN GODFREY	Okay, wir müssen also auf Andrew warten.
Heiderausch	Geht es dir gut, ja, nein, nein, nein, nein, wir werden auf jeden Fall auf ihn warten.
ROBYN GODFREY	Okay, ja.
Heiderausch	Okay, lass mich.
	Schicken Sie mir eine Nachricht, warten Sie.
	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 sich mit Gentherapie beschäftigt.
	Und dann sage ich: „Hey, ich werde mit den Wissenschaftlern spielen und Andrew. Ich habe dir gerade einen Datensatz geschickt und ich brauche etwas Hilfe und dann werden er und ich ein Gespräch führen und dann wird er es von da an weiterführen.“ mit John so.
	Ich dachte, das wäre eine gute Möglichkeit, dies zu tun.
	Und wirklich, wir finden einfach diese Interaktionssache heraus.
	Montag
	Weißt du, wir hatten eine Diskussion darüber, was wir tun werden, und dann dachte ich: „Aber wir brauchen eine Möglichkeit, miteinander zu interagieren, was wir versucht haben, das herauszufinden.“
ROBYN GODFREY	Als Männer in der Zeitung brauche ich mich und raube und meinen Kollegen Ted und.
	Das ganze Video und es ist ziemlich komisch.
Heiderausch	Das haben wir immer versucht.
	Ich unterstütze etwas heißes Wasser, aber wir versuchen immer, etwas hineinzuwerfen.
	Dass es unterhaltsam ist, weil.
	Spielen, spielen, reden Sie eine Minute lang, besonders wenn Sie sich direkt auf einem Bildschirm befinden.
	Ja, würdet ihr einen Vortrag halten?
ROBYN GODFREY	Wir haben es gemacht, wir mochten ein Szenario von.
	Menschen wie in einer Produktionsumgebung, die wie in einer Produktionsumgebung rocken.
	Ja, uns gefiel also ein Szenario, in dem ein Manager beschließt, einen Berater zu engagieren, der vorbeikommt und eine Bewerbung erstellt.
	Und dann geht der Berater und versucht, Ihnen klarzumachen, dass die Siegel ordnungsgemäß hergestellt sind, und sie versagen, und die Berater sind weg, und der Code funktioniert nicht.
	Es ist also so, als ob sie es wissen könnten, wenn sie den JMP-Weg gegangen wären, und Sie wissen, wir haben gerade über die Reproduzierbarkeit, Robustheit, Schnelligkeit und Reaktionsfähigkeit gesprochen.
	Wir haben uns einfach darauf konzentriert, drei verschiedene Szenarien zu erstellen, und wir bezeichnen es als „Glücksspiel mit Ihren Daten“, also haben wir das Ganze als „Glücksspiel“-Thema gestaltet.
	gehen und am Ende ist es jedoch der beste Teil, weil wir wie ein Kenny Rogers singen und und, wie die Outtakes, in denen wir dieses Video machen, und es ist so.
	Die Outtakes sind immer der witzigste Teil, und so hat Rob all diese Outtakes gemacht, genau wie Kenny Rogers, der Zocker am Ende, und er mag diese Credits, die wirklich lustig sind, und so fing es irgendwie bei Live an.
	Aber im Grunde hat es wirklich Spaß gemacht. Sie wissen, wir würden eine andere Rolle spielen, wie Sie wissen, einen Projektmanager oder einen Ingenieur, Sie wissen schon, genauso wie wir uns mit verschiedenen Szenarien und unserer Produktion, Umgebung und der Art und Weise, wie sie es hätten machen können, befassen würden besser.
	Wenn sie es getan hätten, ja.
Heiderausch	ja ja.
ROBYN GODFREY	Und dann rauben Sie Demos aus, Sie wissen verschiedene Dinge, die Sie mit dem Profiler tun, und das ist alles, was ich sagen kann.
Heiderausch	Das tun wir nicht, wir machen nicht gerne viele Folien.
	Aber wir werden schauen, wer sich uns angeschlossen hat.
	Schauen Sie sich die Zeit an, sich uns anzuschließen.
	hey hey Andrew.
Andreas Karl	Hey, lauf.
Heiderausch	Du bist so früh dran.
Andreas Karl	Ja, ich bin vier Minuten zu früh dran, gut.
	Ja.
ROBYN GODFREY	Er ist also so etwas wie deine Kameras, irgendwie hallo.
Heiderausch	Hallo, mein Name.
ROBYN GODFREY	Ja, als müsstest du es etwas runterfahren, um mehr von dir zu sehen.
	Mach es, Bruder.
Andreas Karl	Das will ich nicht.
Heiderausch	Ich nicht, ich auch nicht, ich auch nicht, ich meine, was mein Gesicht ist.
ROBYN GODFREY	Direkt unter deinem Kinn und.
Heiderausch	Ich habe mich immer dafür entschieden, so zu gehen, als wäre es gestern gewesen, jährliche Dermatologie-Termine zu finden, bei denen man sich auch auskennt, also sehen Sie vielleicht.
	Rote Flecken darauf, ja ja, ich meine, es ist immer so, als hätte ich nicht einmal darüber nachgedacht, „Hey, ich habe den Tag frei, du weißt schon, das haben sie oft und wirklich.“
	Ein großer Teil davon war nur für den Fall, dass ich irgendetwas mit der Präsentation machen muss, und dann geht man, wie man weiß, etwas in den Garten.
ROBYN GODFREY	Große Slots für nichts.
Heiderausch	ja, ziemlich ziemlich genau.
	ja ja.
	Ja.
ROBYN GODFREY	Okay, also schalte ich meine Kamera aus.
	und suchen, ich muss.
	Verliere mich hier, los geht's.
Heiderausch	Hey, also, Andrew sagte einmal: „Hey, ich werde den Wissenschaftler spielen, den ich spielen 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 spiele wirklich die Datenwissenschaftler.
	Und dann sage ich ein „Andrew“ und ich sage „Okay, also lass mich loslegen, Andrew. Ich habe dir gerade einen Datensatz meiner beiden Antworten oder einer Fähigkeit und eines Nebenprodukts von jemandem geschickt.“
	Hast du es verstanden, und dann gehst du von dort aus weiter, okay, also wenn ich so etwas sage, kannst du damit beginnen, den Bildschirm zu teilen, den du siehst, wenn du sie sagst.
Andreas Karl	Verstanden, ja.
ROBYN GODFREY	Möchten Sie, dass Andrew hier dabei ist?
	Gleichzeitig redest du, er kann sich verstecken.
	Bis du bereit bist, dass er auftaucht.
Heiderausch	Ja, wir können zur gleichen Zeit sein.
ROBYN GODFREY	Okay, im Moment sieht es so aus, als wären zwei Bildschirme auf der einen und auf der anderen Seite kaputt.
Heiderausch	ja ja ich.
	Ich meine, was was, wann immer wir angefangen haben, ich werde 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 erstellen, um das Thema vorzustellen.
	Und dann wird es nicht mehr lange dauern, das Thema vorzustellen, und dann machen wir Folgendes: Ich weiß nicht, machen Sie eine Einführung oder so, oder möchten Sie sich selbst vorstellen? Ich habe gehört, dass das funktioniert.
ROBYN GODFREY	Ihr.
	Ich würde es so machen, als würde ich eine kleine Einführung geben, wissen Sie, wie Sie es tun würden, wenn Sie eine Entdeckung wären, oder?
	Okay, sie wollen nicht, dass ich es tue, sie wollen nicht, dass ich in beiden kleinen Dingen bin, okay.
	Ihr habt also alles auf eurem Computer versteckt, zum Beispiel, dass neue E-Mails auftauchen oder so etwas in der Art.
Heiderausch	Ja.
	das ist falsch, das bin ich nicht.
	ließ sie erklingen.
ROBYN GODFREY	Okay, also schalte ich meine Kamera auf Stummschaltung und dann lasse ich euch.
	Beginnen Sie, und ich werde Sie unterbrechen. Wenn Sie von vorne beginnen müssen, lassen Sie es mich einfach.
Heiderausch	Wisse, dass du es einfach gewohnt bist, uns zu sagen, wann du sagst, wann und wir loslegen. Ich werde eine Einführung geben. Andrew, du machst eine Einführung. Ich werde sagen, sobald du fertig bist.
	Ich fange an, meinen Bildschirm zu teilen, okay, das hört sich gut an.
ROBYN GODFREY	Hört sich gut an, okay.
	Gib mir etwa 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, schlimmer zu werden, gib mir etwa fünf Sekunden.
	Okay.
Heiderausch	Alles klar, guten Morgen. Heute Morgen werden Andrew Karl und ich einen Vortrag über eine Anwendung in der Biopharmazeutik halten, bei der es um Zell- und Gentherapien geht. Es ist eine sehr einzigartige Art, Therapeutika herzustellen.
	Ein wenig über meinen Hintergrund. Ich sage ein paar Worte und lasse dann Andrew ein paar Worte zu seinem Hintergrund sagen. Ich war beim Militär und wurde später Hochschulprofessor, wo ich angewandte Statistik und DOE lehrte. Dann habe ich in der Biopharmabranche gearbeitet, bei einer kleinen Biotech-Firma
	Ein Unternehmen namens Applied Molecular Genetics oder kurz Amgen arbeitete in der Fertigung und dann in der Forschung und Entwicklung.
	Bevor er mehrere Jahre als Ausbildungsleiter arbeitete und dann als Berater für SAS tätig wurde.
	Und was wir wirklich tun, ist, dass wir uns stark auf Pharma und Biopharmazeutika in der Medizintechnik konzentrieren, viel lehren und viel beraten und viele einzigartige Probleme lösen, 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 Staat Arizona mit einem Doktortitel in Statistik verlassen hatte.
	Und ich habe dort mit Heath und Jim Wisnowski alle möglichen interessanten Dinge 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.
Heiderausch	Okay, lasst uns loslegen, und ich werde sofort meinen Bildschirm teilen.
	Und
	Ich habe ein paar Folien und ich mag es nicht...Ich mag es nicht
	Ich konzentriere mich auf Folien in einer JMP-Präsentation, aber was ich tun würde, ist, Sie irgendwie in das Thema einzuführen, nur die komprimierte und sehr einzigartige Anwendung und wirklich, denke ich, was noch wichtiger ist, die sehr einzigartige Herausforderung, die das darstellt Wir werden heute darüber reden.
	Wissen Sie, es ist interessant, wir haben das gemacht, wir haben wahrscheinlich diese Zusammenfassung zurückgeschrieben
	Anfang April, und dann sah ich, dass auf der innovate ??? ein Artikel geschrieben wurde ??? sehr ähnlich, also
	Ich möchte sicherstellen, dass niemand ... niemand denkt, dass wir einen Artikel kopiert haben. Aber eigentlich geht es uns darum, dass Sie wissen, wie man modelliert
	Wissen Sie, wir sagen, was die Variabilität eines Patienten/Spenders ist, wie man die Variabilität von Spender/Spender in einer sehr einzigartigen Anwendung in der Biopharmazeutik berücksichtigt.
	Und wir werden über Gen- und Zelltherapie sprechen, klar. Als Erstes werden wir also darüber sprechen, warum dies eine neue Grenze ist.
	Richtig, und wir reden einfach ein wenig darüber, was Gen- und Zelltherapien sind, und dann gehen wir wirklich auf den Unterschied zwischen diesen beiden ein.
	Und der Schwerpunkt liegt auf der Frage, wie wir diese Spender-zu-Spender-Variabilität modellieren, oder? Behandeln wir einen zufälligen Effekt als festen Effekt?
	Und welche ganz besondere Anwendung könnte uns interessieren, oder? Und erstens: Wann immer ich sagte, dass dies die neue Grenze ist, ist es sehr innovativ und vielversprechend. Derzeit sind es weniger als, meine Güte, weniger als 10
	solche Art von Therapien, Gen- und Zelltherapien, die auf dem Markt sind. Es gibt jedoch ... über 1.000, die derzeit in der Pipeline sind, in Ordnung.
	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 ganz besondere Herausforderungen. Eine davon ist natürlich: Wie stellen wir sicher, dass es funktioniert und wirksam ist? Und wie stellen wir sicher, dass es sicher ist?
	Okay, das andere ist wirklich das, mit dem wir uns befassen werden, wissen Sie, wie kommt es also, dass wir uns mit der Variabilität von Spender zu Spender befassen?
	Nur weil ich die Variabilität von Patient zu Patient meine, aber wir wollen uns auf die Variabilität von Spender zu Spender konzentrieren, richtig.
	Sprechen wir also über Gen- und Zelltherapien. Was ist also ... was ist ... was ist eine Gentherapie? Also,
	Wie viele von Ihnen wissen, wissen Sie, dass viele Krankheiten wie Krebs in Wirklichkeit dadurch entstehen, dass man entweder mit defekten Genen geboren wird oder dass ein Gen im Laufe der Zeit mutiert ist, richtig.
	Es ist also eine sehr einzigartige Möglichkeit, diese zu behandeln, und zum einen ist es Gentherapie, richtig, und wissen Sie, was wir bei Gentherapien tun? Nun sage ich, dass wir ein Gen ersetzen
	mit einem anderen gesunden, aber eigentlich geht es darum, dass wir tatsächlich eine Art genetisches Material übertragen oder dass wir ein Gen hinzufügen, verändern oder tatsächlich ausschalten. Dies kann auf zwei Arten geschehen, also gerade bei Patienten, die...die haben
	die eine bestimmte Krankheit haben. Eines, was wir tun können, ist: Wir können, wissen Sie, wir können injizieren (und ich verwende den Begriff „liefern“).
	Diese gesunden Gene, okay, damit dieses genetische Material ... dieses gesunde genetische Material in einen Patienten eindringt.
	Das andere, was wir tun könnten, wäre, etwas Blut oder Knochenmark zu entnehmen
	Von einem Patienten könnten wir ... wir könnten dieses genetische Material einfügen und es dann dem Patienten zurückgeben, okay, es kann also entweder in vivo oder in vitro durchgeführt werden. Immer wenn ich jetzt sage, dass wir...
	Wenn wir einem Patienten oder in das Knochenmark ein gesundes Gen injizieren, brauchen wir eine Art der Verabreichung. Okay, wir nennen es das Fahrzeug.
	Wir sagen oft: „Hey, das ist das Vehikel, um den Patienten das genetische Material zu liefern, jetzt nennen wir das a.“
	Vektor, okay. Wir werden das einen Vektor nennen, und genau das ist es... es verfügt über eine einzigartige Technologie. Oft handelt es sich bei dem Vektor um einen Virus.
	Das Virus ist durchaus in der Lage, dieses genetische Material in Zellen einzubauen. Was sind also einige einzigartige Herausforderungen? Nun, eine davon ist, wissen Sie, funktioniert es? Und zweitens: Ist es sicher, oder?
	Die Frage, die wir oft als die Milliarden-Dollar-Frage bezeichnen, ist, ob ich dieses genetische Material injiziere
	in einen Patienten, werden sie es ablehnen, oder? Werden sie es jemals ablehnen oder denkt der Körper, dass etwas im Gange ist?
	und, wissen Sie, wird wirklich anfangen, diese Zellen abzutöten, richtig. Die andere wirklich einzigartige Herausforderung besteht darin, dass jeder Patient eine separate Gruppe ist.
	Rechts. Denken Sie also an die Herstellung, denken Sie an die Entwicklung, denken Sie an die Logistik davon, richtig. Wie unterscheiden sich Gentherapien von Zelltherapien? Also
	Es gibt viele Überschneidungen, aber was die Zelltherapie angeht, ist das, was Sie tun, dass Sie Zellen einführen, okay, nicht unbedingt genetisches Material. Nun könnten diese Zellen genetisch verändert sein
	Material, aber Sie nehmen tatsächliche Zellen und führen sie einem Patienten ein, um diese Krankheiten zu behandeln. Im Moment können diese Zellen also entweder von den Patienten selbst stammen,
	Richtig, oder oder was sie tun können, ist, dass sie von einem Spender stammen können, okay. Stellen Sie sich vor, dass bei Knochenmarkstransplantationen so etwas immer so ist, dass man einem gesunden Spender etwas entnimmt und es in ihn einführt
	in einen Patienten, richtig. Nun verstehen Sie, dass dies alles in vitro erfolgt. Sie injizieren diese gesunden Zellen tatsächlich einem Patienten, richtig.
	Und was versuchst du zu tun, wann immer du das tust? Sie versuchen, jede Art von fehlenden Zellen zu ersetzen oder wirklich zu ersetzen
	Kranke, okay. Das Gleiche ist, dass Sie die gleichen 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 Herstellung in sehr kleinem Maßstab handelt und nicht in großem Maßstab durchgeführt werden kann, richtig.
	Jetzt werden Sie etwas später sehen, dass es eine der Herausforderungen ist, wie wir das im großen Maßstab umsetzen können. Wie kommt es, dass wir...
	dass wir dies nicht nur in Laboren, sondern in größerem Maßstab tun können.
	Richtig, also, wie ich bereits sagte, ist die Wirksamkeit und Sicherheit eines der wirklichen Hindernisse dafür. Das ist eine der größten Herausforderungen.
	Die andere große Herausforderung besteht darin, dass dies bei verschiedenen Patienten oder verschiedenen Spendern durchgeführt werden muss. Wissen Sie, wie rechnet man ab?
	für diese Spender-zu-Spender-Variabilität? Und ich war gerade vor etwa einer Stunde im Unterricht, und jemand redete und sagte genau das Gleiche:
	Wissen Sie, wir müssen diese Spender-zu-Spender-Variabilität bei Zelltherapien berücksichtigen, und das ist der Hauptgrund für die Variabilität, die wir in unserem Prozess beobachten.
	Rechts. Und dann denken Sie darüber nach. Nun, wissen Sie, wie erklären Sie sich das?
	Sehr oft sagt man: „Hey, Heath, ich mache Prozesscharakterisierungsstudien und vielleicht müssen wir das an einem Spender machen, richtig.“ Also das könnte machbar sein....
	Wie ... das mag machbar sein, aber Sie werden etwas später sehen, wie ich dies berücksichtige, wenn ich mit dem kommerziellen Herstellungsprozess fortfahre,
	dass ich eine Variabilität von Spender zu Spender haben werde und versuche, meinen Prozess für diese verschiedenen Spender robuster zu gestalten?
	In den meisten Fällen wollen wir das also nicht tun. In den meisten Fällen ist es nicht machbar und wir würden es nicht tun wollen, selbst wenn es so wäre.
	Wir werden also mehrere Spender haben. Im Moment ist also die große Frage, die wir heute zu beantworten versuchen werden, die, wie Sie diese Unterschiede zwischen Spendern auf unterschiedliche Weise erklären können ?
	Und jedem von Ihnen, der sich mit der Gestaltung von Experimenten auskennt, sollte sofort Folgendes in den Sinn kommen: Lassen Sie uns damit weitermachen.
	Und dann sollte die nächste Frage lauten: Soll es ein fester Block oder ein Zufallsblock sein?
	Und welche Auswirkungen haben diese Dinge, richtig? Sprechen wir also über die verschiedenen Anwendungen, für die ein Wissenschaftler dies verwenden müsste, okay. Und was wir tun werden, ist
	Ich werde ... ich werde den Wissenschaftler spielen, richtig. Andrew wird den Statistiker spielen, der dem Wissenschaftler hilft, okay. Also wird er den Namen Andrew tragen und ich werde den Wissenschaftler spielen
	Das braucht Hilfe, okay. Also werde ich den Namen Brady verwenden, OK. Und dann, wissen Sie, was würde ... was würde Brady, der Wissenschaftler, der Hilfe braucht ...
	Brauchen Sie Hilfe? Nun, eine davon wären Inferenz- und Prozesscharakterisierungsstudien, und Brady müsste auch die Prozessfähigkeit abschätzen, okay. Das ist jetzt sehr wichtig, weil
	Bevor wir mit der Prozessvalidierung und kommerziellen Fertigung beginnen, müssen wir verstehen, wie leistungsfähig unser Prozess ist. Also reden wir über den traditionellen Weg.
	Wir stellen Ihnen etwas vor, das als normale Betriebsbereiche bezeichnet wird, und was Sie wirklich tun, ist, sie zu berücksichtigen
	dass man nicht immer am Sollpunkt sein wird, dass es um den Sollpunkt herum schwanken kann, richtig. Außerdem werde ich etwas tun und dir zeigen...
	zeigen Ihnen eine andere Möglichkeit zur Prozessbeurteilung oder Bewertung der Prozessfähigkeit, die als bewährte akzeptable Bereiche bezeichnet wird. Wenn Sie sich die Frage stellen: Was wäre, wenn alles an seinem Sollpunkt wäre?
	aber eine Variable darf variieren, oder? Wie hoch wird Ihre Prozessfähigkeit sein? Und als letztes haben wir darüber gesprochen, dass eine der großen Herausforderungen die Massenfertigung ist. Wie vergleiche ich Klein- und Großserienproduktion, okay? Also
	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 gesendet habe.
	Und können wir über den Datensatz sprechen, den ich ... den ich dir 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 man sich die Lebensfähigkeit der Zellen anschaut, gibt es Spezifikationen dafür. Und die Spezifikationen für ... los geht's ... liegen zwischen 70 und 90, okay. Jetzt
	Andrew, normalerweise möchten wir die Lebensfähigkeit der Zellen maximieren, aber wir möchten den Leuten zeigen, wie man eine zweiseitige Prozessfähigkeit erreicht, okay, deshalb habe ich gesagt, dass die Lebensfähigkeit der Zellen dies zweiseitig bewirken wird, okay, also könnte jemand im Publikum sagen:
	Möchten Sie nicht die Lebensfähigkeit der Zellen maximieren? Was wir hier tun wollen, ist, ihnen etwas zu zeigen, das zwei Seiten hat.
	Okay, und wir haben auch ein a...ja, los geht's...na ja, um ein ??? zu haben Das ist ein Nebenprodukt, das wir unter 35 halten wollen. Jetzt sortieren 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 den Prozentsatz der Endotoxizität minimieren, oder vielleicht eine Art 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 gesendet haben.
	Und ich habe mir das angeschaut und sehe Sie ... Sie haben ein RSM gebaut ... Sie haben Ihre Studie für ein RSM in diesen drei Faktoren entworfen und dann durchgeführt. Sie haben die Zeit, die Temperatur und den pH-Wert.
	Und was mir hier aufgefallen ist, ist, dass ich wirklich nur viel Lärm sehe. Ich sehe keinen großen Zusammenhang zwischen diesen Faktoren und Ihrer Reaktion. Und tatsächlich, wenn ich das einschalte
	ANOVA-Tabelle,
	Ich kann sehen, dass es hier nichts gibt ... hier gibt es nicht viel Signal, also nicht viel Vorhersagekraft, und selbst wenn ich versuchen würde, das Modell durch Rückwärtsauswahl zu reduzieren, indem ich unwichtige Effekte herausschmeiße,
	Ich sehe einfach nichts. Eine Sache, die ich fragen wollte, ist, als Sie dies ausgeführt haben, ob es neben diesen drei Faktoren noch andere Unterschiede gibt, die möglicherweise ...
Heiderausch	Nein, nein, nein, ich habe alles kontrolliert
	mein Prozess. Jetzt möchte ich Ihnen sagen, dass ...
	Dass wir das 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 eigentlich an verschiedenen Spendern durchführen. Wäre das tatsächlich wichtig, wenn ich verschiedene Spender einsetzen würde?
Andreas Karl	Ich sehe es jetzt. Es ist eine versteckte Spalte, lasst uns das verstecken.
Heiderausch	Ja, ich habe es einfach ... wirklich getan, Andrew, ist, dass der Spender das nur für unsere Zwecke aufgezeichnet hat, aber ich war mir nicht wirklich sicher, wie ich damit umgehen sollte.
Andreas Karl	Okay, lassen Sie mich einen kurzen Blick darauf werfen.
	Und versuchen wir, dies in das Modell einzubeziehen
	Als ein...
	als Sperrwirkung. Wow.
Heiderausch	Das sieht also etwas anders aus.
Andreas Karl	Ja, und alles, was ich hier getan habe, um dies in den Modelldialog zu integrieren, ist, dass ich hier unter „Modelleffekte konstruieren“ nur den Spender hinzugefügt habe, sodass dieser hier als additiver Effekt hinzugefügt wird, und jetzt sehen wir, dass der Spender für die Lebensfähigkeit der Zelle wichtig ist. Werfen wir nun einen Blick auf die einzelnen Produkte.
	Und auch der Spender ist nach Produkt 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 Auswirkungen haben, mindestens einer hier für Nebenprodukte ist der pH-Wert. Und dann haben wir hier noch ein paar ... ein paar wichtige Effekte
	Zellengesundheit. Wissen Sie, haben Sie dies in Ihr individuelles Design einbezogen, als Sie es gebaut haben? Haben Sie dort den Spenderfaktor berücksichtigt?
Heiderausch	Nun, wissen Sie, das habe ich getan. Wissen Sie, als wir damit anfingen, habe ich es nicht wirklich verstanden. Wir haben es nicht in das Design einbezogen.
	Ich weiß nicht, ob Sie sich daran erinnern, aber es ist, 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 schon vor langer Zeit getan. Ich habe einfach 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 erzählt hast. Du hast einfach nur gesagt,
	Hey, wissen Sie, was kann sonst noch variieren? Und ich sagte: „Na ja, natürlich wird es Unterschiede zwischen den Spendern geben“, und Sie sagten: „Lassen Sie uns das im Voraus entwerfen.“ Wenn wir Schluss machen...
	um sicherzustellen, dass wir das im Design berücksichtigt haben, denn das Design könnte darauf basieren, wie viele Spender Sie haben und wie viele Läufe Sie pro Spender haben.
Andreas Karl	Okay, das ist großartig, 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 bei einem Ihrer Spender und Ihren gesamten niedrigen pH-Wert bei einem anderen anwenden. Diese Faktoren werden dabei ausgeglichen. Das ist also großartig.
	Hier noch ein paar Fragen. Werden Sie diese Spender also im weiteren Verlauf Ihres Prozesses nur auf diese vier Personen als Spender zurückgreifen, oder werden weitere Spender hinzukommen?
Heiderausch	Meine Güte, nein. Ich, wissen Sie, es ist so... wenn wir also weitermachen und diese... diese, wissen Sie, diese Therapeutika den Patienten anbieten,
	Das heißt, 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 einbringen werden.
	Sie wissen also, das sind nur vier, die ich aus unserer ... aus unserer Zellbank ausgewählt habe, und ich glaube, Sie haben es mir vorher gesagt, Sie wissen schon, wann
	Als wir damit anfingen, haben Sie gesagt ... das ist schon lange her, aber Sie sagten, Sie müssen sicherstellen, dass wir, wenn Sie, wissen Sie, mehrere Spender haben, die wir haben, spenden Ich habe kein
	Wissen Sie, es gibt eine große Anzahl von Spendern, aber Sie sagten, Sie sollten versuchen, etwas zu tun, bei dem Sie zufällig die Spender auswählen, die Sie ... getan haben. Wir haben also nach dem Zufallsprinzip einige Spender ausgewählt und vier Spender genommen.
	Aber du hast recht. Künftig werden wir nicht nur vier Geber haben, und ich möchte keine Schlussfolgerungen nur zu diesen vier 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 bedenken wollen, ist, wenn wir uns das ansehen, das ist es, was ich gerade gezeigt habe, wissen Sie, das ist ein...
	Dies ist ein reduziertes Modell, bei dem wir...
	Wir haben die unbedeutenden Effekte mit unserer Rückwärtsauswahl ausgeschaltet. Anstatt den Spender als festen Effekt einzubeziehen, könnten wir ihn auch als zufälligen Effekt einbeziehen. Und der Grund, warum wir das vielleicht tun möchten
	ist ... lassen Sie mich Graph Builder hier aufrufen und Ihnen zeigen. Hier sind also die Zelllebensfähigkeit und das Nebenprodukt, also ist die Zelllebensfähigkeit auf der linken Seite.
	Und jede Farbe ist ein anderer Spender, und diese stammen aus den experimentellen Ergebnissen. Jetzt geht das Fixed-Effects-Modell ... nur Schätzungen
	eine Varianzkomponente und das ist der Fehler oder die Restvarianzkomponente, und das ist es, was Sie in jeder dieser einzelnen Verteilungen sehen.
	Und dann geht man davon aus, dass das konstant ist, es wird dasselbe sein, also werden diese Werte zusammengefasst, um diese Schätzung zu erstellen.
	Und um die festen Effekte zu nutzen, verwenden wir den Mittelwert jeder dieser Verteilungen, um zu sagen: Okay, es gibt eine mittlere Verschiebung der Lebensfähigkeit der Zellen, es gibt eine mittlere Verschiebung des Nebenprodukts.
	Was jedoch nicht berücksichtigt wird, ist die Variabilität zwischen diesen Verteilungen, die wir hier sehen. So steht hier zum Beispiel das Grün ganz oben für Spender drei, ganz links für die Lebensfähigkeit der Zellen.
	und dann dieses Lila ganz nach rechts. Es gibt also Unterschiede zwischen den verschiedenen Spendern, die man erhält. Und so, wenn Sie es versuchen
	Erstellen Sie Ihre Konfidenzintervalle oder versuchen Sie, Ihre Standardfehler für Ihre Parameterschätzungen zu ermitteln.
	Es gibt Informationen, die Ihnen entgehen, wenn Sie diese zusätzliche Quelle der Variabilität nicht berücksichtigen. Das ist also ein Vorteil der Verwendung … diese als zufällige Effekte zu behandeln.
	Und da man vier Spender hat, 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 in Wirklichkeit schätzen Sie eine zusätzliche Variantenkomponente nur für die Anzahl der ... über alle Spender hinweg. In diesem Fall haben Sie jetzt also eine zusätzliche Variantenkomponente
	mit einer Stichprobengröße von im Wesentlichen vier, hier ist also etwas Machbares. Werfen wir einen Blick darauf, wie das aussehen würde.
Heiderausch	Andrew, kann ich eine Frage stellen? Kannst du das noch einmal ansprechen? Das sah...gefällt mir wirklich...
Andreas Karl	Ja ja.
Heiderausch	Darf ich dazu kurz eine Frage stellen? Wann immer Sie ... wann immer Sie dies tun, und ich habe die Variabilität von Spender zu Spender nicht berücksichtigt, würde es ... was würde es tun? Ich meine, wäre es einfach so, als würde man all das zusammenfügen, so dass 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 für die Zukunft,
	ist Ihr Modell mit fester Wirkung (lassen Sie mich hier das Fadenkreuz einschalten), also wird Ihr Modell mit fester Wirkung sagen: „Nun, diese vier Geber haben zusammen einen Durchschnitt von.“
	80. Und was es tun wird, ist, dass es die gesamte Breite davon nutzt. Stellen Sie sich vor, Sie könnten einen Standard berechnen
	Abweichung für jede einzelne davon, und es wird diese Verteilung mit der Anzahl an Varianten geben, 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, sagen Sie, nun ja,
	Wir nehmen nicht nur Stichproben innerhalb dieses Bereichs der Variabilität vor, sondern wir werden auch zufällig einen Spender auswählen, der in etwa der Bevölkerung ähnelt, die...
	stammt aus derselben Population wie diese vier. Der Mittelwert liegt also möglicherweise nicht wirklich bei 80, der Mittelwert könnte hier unten eher bei 75 liegen.
	hier oben näher bei 82 und so wird diese zusätzliche Quelle der Variabilität dort eingebaut,
	Nicht unbedingt Ihre Schätzung für Ihren Mittelwert, aber Ihre Variantenschätzungen für Ihre Konfidenzintervalle und Vorhersageintervalle, daher werden diese breiter sein, um diese zusätzliche Variabilität widerzuspiegeln.
	Sonst werden Sie ... Sie werden sich Ihrer Vorhersage und der Größe dieser Intervalle zu sehr sicher sein.
Heiderausch	Und ich mag keine Überraschungen und das war sehr hilfreich.
Andreas Karl	Ja, dann ist es eine gute Sache, einen Blick darauf zu werfen.
	Lassen Sie mich diese ansprechen.
	Hier links haben wir uns das also bereits angeschaut. Hier ist der enthaltene Spender ein fester Effekt, und auf der rechten Seite werde ich einen Spender als haben
	zufälliger Effekt. Nun ist das Einzige, was ich getan habe, um es anzupassen, nur als Erinnerung an einen Modelldialog, alles, was ich hier mache, ist, dies in einen Zufallseffekt zu ändern
	und dann das ausführen.
	Okay, das ist es, was ich hier auf der rechten Seite habe.
	Also ein paar Dinge hervorzuheben. Zunächst stellen Sie möglicherweise fest, 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 integriert ist. Es ist kein fester Effekt mehr.
	Ein paar ... eine weitere Sache, die Sie sehen werden, ist, dass Sie einen großen Unterschied zwischen den tatsächlichen und den vorhergesagten Werten sehen. Für das Fixed-Effects-Modell sieht es also tatsächlich besser aus
	als beim Random-Effects-Modell auf den ersten Blick, und wenn wir dann ganz nach unten zum Joint-Profiler scrollen,
	Wir können sehen, dass diese vertikalen Achsen bei beiden gleich sind, und wir sehen diese viel größeren Konfidenzintervalle
	Für die Random-Effects-Modelle könnte das etwas abschreckend sein. Aber wir müssen etwas tiefer graben, um zu verstehen, 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 beider ansieht,
	wir sehen, dass wir...
	Der pH-Wert ist also unser einziger wichtiger Effekt, ein signifikanter Effekt in beiden Modellen, plus der Donor im Modell mit festem Effekt. In unserem Vorhersageausdruck ...
	für das Zufallsmodell ... für das Modell mit festen Effekten hängt unser Vorhersageausdruck davon ab, welchen Spender Sie haben. Um also einen Vorhersageausdruck zu erstellen, geben Sie die pH-Informationen ein und dann
	Wir haben auch die Informationen darüber, welche Spender. Wir kontrollieren hier die Spender. Und Sie werden dies sehen else=> Null. Das ist so eine Art
	heuristische Lösung. Es ist nicht wirklich in das Fixed-Effects-Modell integriert, aber wir sagen einfach, wenn es sich um einen neuen Spender handelt, gehen wir einfach davon aus, dass es Null ist. Es gibt keine Wirkung durch den Spender.
	Und diese allgemeine ... Verallgemeinerung auf neue Spender ist wiederum nicht wirklich in das Fixed-Effects-Modell integriert; Es ist etwas mehr in das Zufallseffektmodell integriert, was Sie sehen können, in diesem Fall ist es eine Art ...
	Wir hatten das Glück zu sehen, dass die Parameterschätzungen hier zwischen ... für den Schnittpunkt und die Steigung zwischen dem Modell mit festen und zufälligen Effekten gleich sind. Das wird nicht immer passieren.
	Dies liegt vor allem daran, dass diese nahezu orthogonal zu Ihrem individuellen Design sind.
	Aber über den Plus-Spender wissen wir hier nichts.
	Da dies auf der rechten Seite des ... vom Random-Effects-Modell ein gemischtes Modell ist, wird es als Randmodell bezeichnet, was bedeutet, dass Sie Ihre durchschnittliche Reaktion gegenüber den Spendern erhalten.
	Während wir auf der linken Seite mit diesem Modell mit festen Effekten ein bedingtes Modell erhalten, das auf jeden dieser Effekte konditioniert
	Spender. Wir können also tatsächlich sehen, dass hier im Vorhersageprofiler für das gemischte Modell, 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 dabei hilft, ist, dass wir die Abhängigkeit erkennen können
	Jetzt auf Spender. Das ist also... das ist die Reaktionsoberfläche in jedem Spender.
	Das ist, vielleicht etwas verwirrend, hier im Vorhersageprofiler für das Fixed-Effects-Modell versteckt.
	Und der Grund, warum es ausgeblendet ist, liegt darin, dass es sich um einen Blockierungsfaktor handelte und diese nicht automatisch im Vorhersageprofiler angezeigt werden, aber wir können das mit dem Reset-Faktorraster aktivieren.
	Wir können den Spendern zeigen, und jetzt sehen wir, wie diese Reaktion von diesen Spendern abhängt. Wenn wir nun wollen, dass unsere Schlussfolgerung über diese Spender hinaus verallgemeinert wird,
	Hier kommt der Vorteil des gemischten Modells ins Spiel, denn jetzt bilden wir den Durchschnitt über die Spender, anstatt diese Abhängigkeit von den einzelnen Spendern zu haben. Und das Letzte, was ich dir zeigen möchte, bevor ich
	Gib es dir zurück, Brady, ist der unerklärliche Grund, warum es für ihn so viel schlimmer aussieht
	Ist das, was ich für das Fixed-Effects-Modell vorhergesagt habe, tatsächlich? Und das liegt daran, dass dies den Vorteil hat, dass diese Spender kontrolliert werden
	Verwenden Sie hier diese Vorhersageausdrücke. Es wurde also das Rauschen daraus entfernt, während wir dadurch tatsächlich die von mir vorhergesagten Werte erhalten, ohne die Spender zu berücksichtigen. Wenn Sie 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 Kontrolle darüber haben
	Zufällige Effekte ... Vorhersagen zu zufälligen Effekten, dann erhalten wir im Grunde das Gleiche wie die Anpassung ... das Modell mit festen Effekten. Es ist also nicht so, dass das Fixed-Effects-Modell besser ist, es zeigt lediglich das bedingte Modell im Vergleich zum Randmodell zwischen diesen beiden.
Heiderausch	Okay.
	Schauen wir uns also zwei Dinge an. Erstens, vielen Dank, dass Sie mir das Rücksetzfaktorraster auf dem festen Block gezeigt haben. Urteilen Sie nicht oder so, aber ich bin einfach ... ich bin einfach
	einfach nur ein Wissenschaftler. Ich bin kein JMP...JMP-Experte, also wusste ich nicht einmal, dass es da ist, also ist das großartig.
	Zweitens gefällt mir dieser Ansatz wirklich. Ich benutze das wirklich gerne als Zufallsgenerator ??? Ich denke, das macht Sinn, vor allem im Hinblick auf das, was ich als Nächstes wirklich tun muss … Das, was ich als Nächstes tun muss, ist, die Prozessfähigkeit zu bewerten.
	Und was ich wirklich wissen möchte ist...
	Das ist mit den beiden, richtig, wir haben Spezifikationen um sie herum.
	Im weiteren Verlauf muss ich meine Produktionsanlagen bereitstellen, und meine Anlagen entsprechen unseren Erwartungen hinsichtlich der Prozessfähigkeit. Wie viel Prozent außerhalb der Spezifikation, CPK, solche Dinge. Können Sie mir dabei helfen?
Andreas Karl	Ja, und das ist schön, dass Sie hier die Spezifikationen für die Spezifikationsgrenzen als Spalteneigenschaften eingegeben haben, die wir bereits geladen haben. Jetzt haben wir es also...
	Diese Informationen, also werden wir jetzt in Zukunft sehen, wie wir ... wenn Sie diesen Vorgang wiederholen, haben Sie mehr Spender und, da Sie sich bei unterschiedlichen Faktoreinstellungen befanden, wie viel Prozent dieser neuen Beobachtungen werden außerhalb dieser Spezifikationsgrenzen liegen?
	Also gehen wir zum Vorhersageprofiler und nutzen hier den Simulator, 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 sie hier kleiner sind, weil sie den Spender kontrollieren.
	Aber woher kommt diese zusätzliche Variabilität?
	Und es kommt von hier oben in dieser REML-Tabelle, also erhalten wir jetzt zwei Varianzkomponenten, das habe ich bereits erwähnt, also erhalten wir die Fehlervarianz, die hier Restvarianz genannt wird.
	Und wir erhalten auch die Varianz, die Variabilität von Spender zu Spender. Und in diesem Fall der Nebenprodukte beträgt die Variabilität 93 % von Spender zu Spender. Klingt das?
Heiderausch	Ja ja. Und wirklich, wissen Sie, wie ich bereits sagte ... davor, wissen Sie, hatte ich dieses Gespräch,
	dass ich gerade gesagt habe, wann immer Sie mich gefragt haben, wissen Sie, ob Sie irgendetwas anderes verwenden werden, das wir blockieren müssen, und ich sagte: Ich denke, wir werden ... Sie werden eine Menge Spender-zu- Spendervariabilität, daher überrascht mich das überhaupt nicht.
Andreas Karl	Okay, ich möchte hier darauf hinweisen, dass es im Fixed-Effects-Modell ein wenig 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 .8477 für das Nebenprodukt.
	Und wenn wir hier nach Nebenprodukten im gemischten Modell suchen, sehen wir diese .847, okay. Und das sind sie nicht ... Der Grund dafür, dass sie nahe beieinander liegen, ist die Restvariabilität in beiden Modellen
	und in beiden Modellen grundsätzlich die gleiche Menge zu schätzen. Aber dieses Modell, das gemischte Modell, gibt uns hier die zusätzliche Varianzkomponente für den Spender, und das wird uns bei diesem Prozesscharakter helfen ... dabei
	Fähigkeitsanalyse, nach der Sie fragen. Gehen wir also nach unten und schauen uns das an. Wie könnten wir also ... was würden wir tun?
	Fixed-Effects-Modell?
	Nun, wir wissen, dass Sie unterschiedliche Spender bekommen werden, sodass sich Ihre Werte ändern können. Wenn wir also den Simulator einschalten, ist das wirklich Ihre einzige Option
	und es ist kein schlechter Näherungswert, wenn man mehr als einen ... mehr als ein paar Spender hat, aber werfen wir einen Blick darauf. Also schalten wir „Zufälliges Rauschen hinzufügen“ ein und hier sehen wir das
	Diese Werte stammen aus der Quadratwurzel Ihres MSE, das ist also Ihre Varianz, und die Quadratwurzel dieser .8477 wird also Ihre Standardabweichung für Ihre Fehlervariabilität sein.
	Und so können wir auch sehen, dass es in der REML-Tabelle nicht standardmäßig aktiviert ist, aber wenn Sie mit der rechten Maustaste klicken und die Quadratwurzel-Varianzkomponente der Spalte aktivieren, können wir das jetzt hier sehen.
Heiderausch	Noch ein Trick. Danke schön.
Andreas Karl	Ja.
	Also .92, und das ist das Gleiche ... das ist es, woher dieser .92 kommt, also einschließlich der Fehlervariabilität, die er bereits in Ihrem Modell erkannt hat.
	Und wenn wir jetzt nur simulieren,
	Jetzt erhalten wir diesen engen Bereich, aber dies ist eine Simulation für Spender 1 und Spender 2, und Sie können sehen, wie sich die Mittelwerte dort nach oben verschoben haben, sodass sich der Mittelwert nach oben verschiebt
	für Spender 4. Wenn ich zu Spender 3 wechsle, der kleiner ist als hier, schalte ich nach unten.
	Eine Sache, die Sie also tun können, um sich diesem Ziel anzunähern, ist, dass Sie den Spender auf „Zufällig“ einstellen können, und das ist eine Art Bootstrap gegenüber den verfügbaren Spendern, die Sie haben. Und Sie können jetzt sehen, dass unsere Standardabweichung 2 bis 3 erreicht.
	Wenn wir hier auf das gemischte Modell schauen, bei dem wir zufällige Spendereffekte haben, haben wir eine Gesamtvariabilität, die nicht nur die Restvariabilität ist, sondern die
	Variabilität, auch bei den Spendern. Das sind etwa 3,5. Wenn Sie das jedoch tun, erhalten Sie diese künstlich holprige Simulationsverteilung, und das ist ein Artefakt davon, dass es hier nur vier Spender gibt. Also
	Nicht der beste Ansatz, aber das ist das Beste, was man mit dem Fixed-Effects-Modell erreichen kann.
	Ich möchte noch auf etwas anderes hinweisen, ohne zu sehr ins Detail zu gehen: Ihre Spenderschätzungen hier
	im Modell mit festen Effekten sind diesen Zufallseffektvorhersagen im gemischten Modell ziemlich ähnlich. Der Unterschied besteht darin, dass diese im gemischten Modell basierend auf diesem Varianzverhältnis entsprechend verkleinert werden. Es heißt a
	Die Eigenschaft dieser Schätzungen schrumpft und Sie erhalten etwas bessere Vorhersagen, etwas bessere Schätzungen Ihrer Spendervariabilität ...
	Ihrer Spendereffekte. Deshalb werde ich nicht weiter darauf eingehen, möchte aber nur darauf hinweisen, dass sie sich ziemlich ähnlich sind, es aber einen kleinen Unterschied gibt, falls Sie sich das selbst ansehen müssen.
	Aber wenn ich jetzt hier bin, wie können wir das im Modell mit den zufälligen Donoreffekten machen? Ich kann den Simulator einschalten.
Heiderausch	Okay.
Andreas Karl	Und bevor ich Ihnen den richtigen Weg zeige, ist mir aufgefallen, dass wenn Sie hier die bedingten Vorhersagen aktivieren und versuchen, das Rauschen hinzuzufügen,
	Und das Rauschen ist jetzt auf diese eingestellt ... es ist ziemlich ähnlich zu dem, was wir hier im festen Modell gesehen haben, aber das ist nur jetzt, einschließlich der aktuellen Restvariabilität.
	Aber wenn ich versuche, dies mit diesem bedingten Profiler zu tun ...
	Ich finde also, dass ... Wechseln Sie zu Spender 3. Beachten Sie, dass sich dies nicht nach oben und unten verschiebt, wenn ich die Spender gewechselt habe. Versuchen Sie also nicht, den gleichen Effekt dort zu erzielen. Hier ist etwas los mit den bedingten Vorhersagen und dem Simulator. Also
	Simulieren Sie nicht für bedingte Vorhersagen. Wir wollen simulieren von...
	mit deaktivierter Option, wie es standardmäßig der Fall ist.
	Aber jetzt können Sie sehen, dass es hier eine so enge Verteilung im Verhältnis zu diesem breiteren Konfidenzintervall gibt.
	Und der Grund dafür ist, dass diese Standardstandardabweichung nicht die richtige ist, die wir verwenden möchten. Wir wollen ... gehen Sie hier zur REML-Tabelle ... und wir wollen nicht nur die Variabilität innerhalb der Spender, wir wollen die gesamte Variabilität.
	Die Gesamtvariabilitätsstandardabweichung beträgt hier also 3,53.
Heiderausch	Okay.
Andreas Karl	Für nach Produkt möchten wir dies mithilfe dieser REML-Tabelle ändern.
	Und ich hatte nicht früher die Kontrolle und sendete, also füge ich das hinzu
	wieder Quadratwurzel-Varianzkomponente; es ist hier oben, 3.16.
	Und wenn ich das jetzt mache und simuliere, können Sie sehen
	Ich verstehe diese breitere Verbreitung,
	ja, das wird
	Stellen Sie besser dar, was Sie in Zukunft mit zusätzlichen Spendern aus derselben Bevölkerungsgruppe sehen werden, und geben Sie Ihnen eine bessere Schätzung Ihrer ... Ihrer Defektrate.
	Und Sie können das jetzt mit dem vergleichen, was Sie hier 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, würden sich diese Verteilungen aber annähern, und Sie sehen, dass die Standardabweichungen nicht allzu weit voneinander entfernt sind. Beide nähern sich den Werten 3,1 und 3,5.
Heiderausch	Ja, ich denke ... ich denke, das Zufallseffektmodell ist das, was wir eigentlich erwarten würden.
	Ja, das ist ungefähr das, was wir erwarten, insbesondere wenn wir eine große Anzahl von Spendern hätten. Okay gut.
Andreas Karl	Und mir ist aufgefallen, dass Sie diese jetzt haben ... sie sind alle behoben. 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?
Heiderausch	Wissen Sie, das ist bei uns traditionell so...das haben wir gemacht, aber es gibt wirklich zwei Dinge, die ich ansprechen möchte.
	Einer davon nennt sich „Normalbetriebsbereiche“, und mal sehen, ob Sie dafür ein Beispiel haben. Aber was sind eigentlich die normalen Betriebsbereiche?
	Ist das so, wenn man auf etwas wie die Zeit schaut, okay? Die 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 würden, wissen Sie?
	etwa 27,45 oder an einem bestimmten Sollwert, aber was es bewirken wird, ist, dass es, wissen Sie, eine gewisse natürliche Variabilität um diesen herum haben wird, von etwa einem ??? Fähigkeit,
	oder einfach, wissen Sie, es ist einfach Biopharma. Also, wissen Sie, die Temperatur wird nicht darauf festgelegt sein, können wir das also im Hinblick auf unsere Prozessfähigkeit berücksichtigen?
	Normale Betriebsbereiche
	???
Andreas Karl	Okay, haben Sie eine Vorstellung davon, wie sehr sie sich historisch unterscheiden? Was könnte ein Standard sein? Denn was wir in JMP tun können, ist, dass wir dies für einen festen Zufallstyp festlegen 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 sind ... was vernünftige Standardabweichungen sind und wie stark diese variieren.
Heiderausch	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 man sich so etwas anschaut, sieht es aus wie eine Verteilung, ich würde sagen, 95 % der ganzen Zeit.
	Mal sehen, es müsste, meine Güte, dazwischen liegen, wissen Sie, 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 würde er zwischen 6,54 und 6,5 liegen, wenn ich 6,5 sende, ist das vielleicht ähnlich, ich weiß nicht, wie man sagt ...
	Du weisst,
	Die Standardabweichung dort wäre 0,1, okay.
	Und ich denke, unsere Sollwerte...
	Ich denke, unsere Sollwerte für, mal sehen, wie hoch waren die Temperaturen? War das für die Temperatur 27,45 und 6,54?
	6,5, ich glaube es ist 6,5.
Heath Rusing	Mal sehen...
Heiderausch	20...ja 6.5. Es wäre 6,5 und die Temperatur wäre 27,5. Das wäre es. Na, bitte. Ja, ja, okay, ja. Genau das meine ich, Andrew. Das nennt man normale Betriebsbereiche, und das möchte ich im Hinblick auf die Abschätzung der Prozessfähigkeit berücksichtigen.
Andreas Karl	OK, jetzt, da wir das aktiviert haben, diese Einstellungen, und wir haben diese Gesamtvariabilität für den Spender plus die Fehlervariabilität,
	Wenn Sie jetzt ... wenn wir simulieren, erhalten wir jetzt die zusätzliche Variabilität
	Dies wird durch die Variabilität seiner Faktoren verursacht, und Sie können sehen, dass sich dies in der Fehlerrate widerspiegelt.
	Und auch,
Heiderausch	Ich möchte auch hier nur darauf hinweisen,
Andreas Karl	Sie können auch die Anzahl der Läufe erhöhen, da die Ausführung nicht so lange dauert
	um eine bessere Schätzung zu erhalten. Hier können Sie auch sehen, wie Sie durch Simulation eine gleichmäßigere Verteilung erzielen.
	Und dann können Sie diese Werte auch in einer Tabelle simulieren, wo Sie nun für jede Simulation eine andere Zeile erhalten, und Sie können die vorhergesagte Lebensfähigkeit der Zellen und Nebenprodukte bei dieser Simulatoreinstellung sehen und zusätzliche Analysen damit durchführen Das,
Heiderausch	Ja, in diesem Fall würden Sie so etwas wie ein bekommen
	CPK, oder? Ich meine, wenn Sie es so machen würden, erhalten Sie dann eine Art geschätzten CPK?
Andreas Karl	Ja, ja, das schaffst du.
Heiderausch	Okay, großartig. Okay, das war das Erste, wie man die normalen Betriebsbereiche berücksichtigt, aber da ist noch etwas ??? Prozessfähigkeit, die ich ansprechen möchte. Wissen Sie, es ist nicht notwendig
	Allerdings schauen wir uns gerne den sogenannten nachweislich akzeptablen Bereich an. Und das ist der nachweislich akzeptable Bereich.
	Es heißt, wenn ich Temperatur und pH-Wert an unseren Sollwerten angeben und nicht zulassen würde, dass sie variieren,
	Aber ich lasse Zeit, um zwischen den niedrigen und hohen Einstellungen zu variieren, und es wäre genauso gut möglich, dass es so niedrig im Vergleich zu diesem wäre
	hohe Einstellung, was würde ich erwarten, wie wäre meine Prozessfähigkeit? Und was wir wirklich tun, ist, zu beweisen, dass, wenn zwei davon Sollwerte sind und einer davon variiert, die Prozessfähigkeit innerhalb einer akzeptablen Prozessfähigkeit liegt. Wie würden wir das also angehen?
Andreas Karl	Okay, Sie sagten also, Zeit und ... Temperatur und pH-Wert haben ihren Sollwert erreicht.
Heiderausch	Das ist richtig.
Andreas Karl	Und dann auch die Zeit, sodass sie von Land zu Land unterschiedlich sein kann.
	Anstatt also „normal“ zu sagen, setzen wir dies hier auf „einheitlich“.
	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...
Heiderausch	Das war, dass...das ist genau das, was es...
	Genau das ist es. Wenn ich also...wenn ich so etwas tun würde, ist...und wirklich, wirklich...
	Können wir das in diesem Fall überhaupt ändern? Können wir das überhaupt so sagen, wie wir es im Experiment gesagt haben, aber ich möchte sehen, ob unsere nachweislich akzeptablen Bereiche, also zwischen zwei und neun, ich meine, könnte ich... könnte ich das in irgendeiner Weise ändern?
	Ja du kannst. Okay, das weiß ich gar nicht.
	Ja, Sie können diese also ändern und sogar simulieren, wie sie aussehen würden, und das nennt man bewährte akzeptable Bereiche, okay,
	wo wir diese beiden reparieren. Was wir also tun würden, ich weiß es zu schätzen, dass Sie mir das zeigen, aber, Junge, und ich werde es selbst versuchen, ich würde das für jedes einzelne davon tun, richtig, das würde ich 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 über eine akzeptable Prozessfähigkeit verfügen.
Andreas Karl	Okay, das Schöne ist, dass das hier wirklich einfach zu machen ist.
Heiderausch	Kannst du mir noch etwas zeigen, okay? Ja, machen Sie das einfach genau dort, genau zwischen 25 und 30, die Uniform zwischen 25 und 30. 25 und 30. Okay, können Sie das an einem Tisch simulieren?
	Erstellen Sie eine Tabelle und schauen Sie sich einfach an ... ich nicht ... nur die Verteilung der Zelllebensfähigkeit und nach Produkten.
	Oh, das stimmt. Es gibt Ihnen diese Prozessfähigkeit. Ich liebe das.
Andreas Karl	Weil Sie die Arbeit, die Sie sparen, investieren können
	das als Spalteneigenschaft für diese Spezifikationsgrenzen.
Heiderausch	Das ist...das ist so einfach. Okay, okay, das weiß ich zu schätzen. Ich glaube, das Einzige, worüber ich Sie fragen wollte, ist, dass ich Ihnen auch einen weiteren Datensatz geschickt habe
	wohin wir blicken,
	Sie wissen schon, einen Vergleich von Klein- und Großmaßstäben im Hinblick auf die Vergleichbarkeit anzustellen, richtig. Und dann wirklich, was wir mit der Vergleichbarkeit erreichen wollen
	Das heißt, 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, eine Art...
	Irgendeine Art von Grenzen, in Ordnung, eine Art praktische Bedeutung, und das nennt man Äquivalent zur Vergleichbarkeit. Ich weiß, dass Sie wissen, was das ist, aber wie soll ich, wissen Sie, wie kann ich die Variabilität von Spender zu Spender erklären?
Andreas Karl	Okay, ja, und das habe ich gesehen. Und das habe ich auch so gesehen...
	Lassen Sie uns zunächst genau wie beim vorherigen Datensatz sehen, was passiert, wenn Sie diese Spenderinformationen nicht angeben.
	Okay, und Sie haben erwähnt, dass Sie für die Lebensfähigkeit der Zellen ein EAC-Äquivalent verwenden, ein Kriterium von 2.
	Und was wir hier sehen
	ist, dass der maximale P-Wert ... wir die Nullhypothese nicht ablehnen, was in diesem Fall bedeutet, dass wir keine Äquivalenz erkennen, was
	Dies entspricht nicht unserer Erwartung hier, dass Sie denken, dass es sich tatsächlich um gleichwertige Prozesse handelt.
	Was also passiert, ist, dass Informationen im Lärm der Spender untergehen.
	Und wie....
Heiderausch	Immer wenn ich das sehe ... scrollen Sie einfach nach oben
	Zweitens, nur eine Sekunde ... das sehe ich. Ich sehe das. Ich sehe den Punkt, der mir in der Grafik den Unterschied zeigt
	negativ .49
	In der Grafik sehe ich, dass das nicht allzu groß ist, aber es sieht wirklich sehr, sehr breit aus.
	Okay.
Andreas Karl	Das liegt an der zusätzlichen Variabilität, die in diese Schätzung für die Breite der Konfidenzintervalle einfließt.
	Denn denken Sie daran: Durch das Blockieren wird die Variabilität Ihrer Schätzung verringert.
	Konto...
Heiderausch	Okay.
Andreas Karl	Das ist genau das, was hier vor sich geht. In beiden Fällen stellen Sie also keine Äquivalenz zwischen Ihrem großen und kleinen Maßstab fest.
	zwischen Ihren ... entweder für die Lebensfähigkeit der Zellen oder für Nebenprodukte. Und Sie können sehen, dass in diesem Bericht viel steckt. Es ist ziemlich viel Arbeit, das einzurichten, und das zeige ich, nachdem ich Ihnen hier noch etwas gezeigt habe. Alles, was ich jetzt zeigen möchte, ist, dass ich jetzt die Donor-Effekte als Zufallseffekte einbezogen habe.
	und jetzt können Sie sehen
	mit einem kleinen P-Wert lehnen wir ab, was bedeutet, dass wir jetzt tatsächlich zu dem Schluss kommen, dass ... die Äquivalenz angesichts der EAC von 2 für die Lebensfähigkeit der Zellen und vorerst auch für die maximalen P-Werte erreicht wird, eine, die wir uns ansehen werden
Heiderausch	Die Drei.
Andreas Karl	Für die EAC von drei 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 in einer Minute oder so zu einem anderen Meeting springen.
	Wir haben die Größenordnung und dann kümmere ich mich vorerst nur um die Lebensfähigkeit der Zellen. So werden wir den Test ohne den Donor-Effekt einrichten, aber wenn wir Donoren hinzufügen, können wir sie jetzt als Zufallseffekt speichern.
	Führen Sie das Modell aus.
	Und wir gehen zu Schätzungen und mehreren Vergleichen über.
	Alles paarweise. Studenten T. OK, und dann von hier aus:
	Äquivalenztest.
	Ja, verwenden Sie unser EAC von 2.
Heiderausch	Ja.
	Und dann zeigt sich sogar von diesem Konfidenzintervall bis hin zu diesen beiden P-Werten.
	zeigt sich auch aus dem Konfidenzintervall.
	Guter Kumpel von mir, Chris? In seiner Doktorarbeit hat er Intervalle studiert, also lieben er und ich es wirklich ...
	Liebesintervalle. Er redet immer darüber, wenn wir Skifahren, aber da steht das untere und obere 95-Prozent-Konfidenzintervall, das wäre auch ein Vergleich damit.
	Ja, das ist alles.
Andreas Karl	Mmmhmm und.
	Was mein letzter ist, mein letzter Punkt für uns, könnte man sagen: Okay, vorhin haben wir über den Nutzen von Zufallseffekten im Vergleich zu festen Effekten für den Spender in der nicht...in der gesprochen
	keine Vergleichbarkeit, keine Äquivalenzprüfung, nur die Prüfung der Parameter. Ich habe mit JMP Pro eine Leistungsanalyse erstellt, denn wenn Sie in JMP Pro ein gemischtes Modell erstellen,
	Unter der gemischten Persönlichkeit gibt es diese nette Funktion namens Simulationsformel zum Speichern und Speichern von Spalten. Jetzt das...
	Und wenn Sie hier darauf eingehen, ist 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 Geber als feste oder zufällige Effekte zu behandeln, und, zumindest in dem Fall, den ich durchgeführt habe, ich wurde eine höhere Leistung erzielt, was Sie in den Kästchen hier sehen können. Ich hatte eine Macht von
	.62 für meine zufälligen Spendereffekte im selben Test gegenüber .52 für ...
	für die festen Effekte. Und beide haben dafür die nominellen Fehlerraten beibehalten, also habe ich damit begonnen, mir das genauer anzusehen, aber es sieht so aus, als ob es von Vorteil sein könnte, auch die Spendereffekte im Rahmen der Äquivalenzprüfung als zufällig zu behandeln.
Heiderausch	Ja, ich denke, Andrew, ich denke, Sie haben mich definitiv davon überzeugt, dass wir im weiteren Verlauf
	Wissen Sie, da wir uns mit Zelltherapien befassen, werden wir meiner Meinung nach immer diesen Spender-zu-Spender-Effekt haben. Dies hat mich definitiv davon überzeugt, dass es für uns sinnvoll ist, es als zufälligen Blockeffekt zu betrachten.
	Wir hoffen also alle, 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 in der Pharma- und Biopharmabranche. Ich denke, dass die sehr spezifische Anwendung, über die wir gesprochen haben, sehr ist
	Auf innovative Weise entwickeln wir Therapeutika, die wir jetzt Gen- und Zelltherapien nennen, und ich hoffe, dass wir das schaffen
	dass wir einen Mehrwert geschaffen haben, indem wir Ihnen beispielsweise gezeigt haben, wie sowohl die Fähigkeit des Inferenzprozesses als auch die Vergleichbarkeit gehandhabt werden können. Und wir freuen uns darauf, Sie auf der Konferenz zu sehen, dies noch einmal vorzustellen und Ihre Fragen zu beantworten.
Andreas Karl	Danke, Brady, das weiß ich zu schätzen. Ich habe deinen Nachnamen nicht verstanden, Brady. Was war das?
	Brady Brady.
	Brady.
Heiderausch	Okay, mein Vorname ist Brady, mein Nachname ist Brady, okay, das stimmt.
Andreas Karl	Okay.
Heiderausch	Großartig, ja, ja, für dich, ja, ja, ja.
Andreas Karl	Danke, Andrew. Bin dankbar. Ja, vielen Dank an alle, die sich uns angeschlossen haben.

AusbrechenDAMHIRSCHKUHQualität und ZuverlässigkeitBetreff: Die neuen Grenzen der Biopharmazeutika: Modellierung der Patienten-/Spendervariabilität für die Gen-/Zelltherapie in JMP (2021-US-30MP-887)

Brillante Präsentation. Wirklich nützlich, um einige der Herausforderungen in der Zell- und Gentherapie zu verstehen – eine schnell wachsende und sehr wichtige Branche.

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