je suis Bruyère Se précipiter.
Bien que André Karl, et Jeff Höfer , et Meule Burdick, quelques coéquipiers de le mien ,
a fait le majorité de technique travail ici, Je suis aller à être le un présentant aujourd'hui .
Je suis aller à parler à propos comment JMP et JMP scripts peut être utilisé
dans un très particulier spécifique application dans cellule thérapies.
Je suis aller à parler un petit peu à propos quoi thérapies géniques et cellulaires sont
et le très spécifique exemple que je vouloir parler à propos
est comparabilité.
Je suis aller à se concentrer sur processus changements.
de façon intéressante assez, dernier année,
je a donné un parler , et il concentré sur cellule et gène thérapies.
Ils sont très roman thérapeutique.
Le d'abord un était approuvé dans le Uni États dans 2017.
UN petit peu différent que la plupart de ,
quoi je appel le petit molécule et le grand molécule thérapeutique
que vous pouvez avoir entendu de dans le passé.
Laisser moi juste touche base sur quoi est un cellule et gène thérapie.
D'abord chose Je suis aller à faire est touche base sur quoi un gène thérapie est.
Quoi tu es essentiellement faire est tu es remplacer
un gène avec un en bonne santé un,
ou tournant désactivé mauvais gènes.
UN parcelle de cancers sont causé par défectueux gènes.
Quoi tu es faire est tu es insertion ces en bonne santé gènes dos dans un patient
de soit dans vivre ou dans vitro.
Un dans vitro serait être plus de un os moelle transplantation.
Dernier année, je a parlé à propos ,
le défi avec gène thérapies est que patient -à -patient variabilité.
je concentré sur processus développement.
Alors je a parlé à propos cellule thérapies.
Dans le cellule thérapies , quoi tu es faire est-ce que tu es remplacer maladie cellules.
Tu es soit transfert quelques trier de en bonne santé cellule dans un patient,
ou étaient remplacer manquant cellules dans un patient.
Où faire ces cellules viens depuis?
Ils soit viens depuis le patient eux-mêmes,
donc toi serait avoir à accord avec que patient -à -patient variabilité,
ou dans la plupart cas, ils viens depuis un en bonne santé donneur.
Maintenant tu es pas transaction avec ce variabilité d'un patient à l'autre,
mais tu es transaction avec donneur -à -donneur variabilité.
Chaque fois que je dire donneur, Je suis parler à propos un en bonne santé donneur.
je pourrait être un en bonne santé donneur.
Alors quelqu'un autre pourrait être un en bonne santé donneur aussi.
Dans les deux de ceux cas
est toi avoir à accord avec que de patient à patient
ou donneur -à -donneur variabilité.
Qu'est-ce que c'est intéressant est dernier année , JE a donné le exemple dans processus développement,
et il regards quelque chose comme ce.
Il était le exact même données ensemble que je utilisé dernier année que je dit,
dire que toi étaient développement un processus où toi regarder temps, température , et pH,
et tu es mesure leur effet sur cellule viabilité et par produit.
Dans que cas est, je ne peut pas utiliser un donneur matériel,
je avait à diviser que en haut dans quatre différent donateurs.
je dit, "Si toi couru ces expériences pour processus développement,
et toi a fait pas considérer que là était donneur -à -donneur variabilité,
ce est quoi toi serait voir.
Quoi toi serait dire est étaient regarder pour Valeurs P que sont ci-dessous 0,05,
toi serait dire rien affecte cellule viabilité
et rien affecte par produit.
Toi étaient pas capable à détecter que toi avait n'importe lequel significatif
ou critique processus paramètres
pour le très raison que toi faire pas considérer
que là pourrait être un différence dans donneur.
Droite maintenant, si toi faire considérer ceux comme quoi c'est appelé un fixé donneur effet,
le seulement chose que je a fait est je apporté dans donneur.
Alors toi voir que NON-ET.
Ce colle vraiment dehors quoi significativement affecte cellule viabilité
et quoi significativement affecte par produit.
Le entier parler était sur comment fait que donneur à donneur variabilité
affecter statistique inférence et aussi processus aptitude.
Je suis aller à se concentrer sur que statistique inférence.
Quoi sont toi en essayant à faire dans processus développement
est tu es en essayant à déterminer si des choses comme le pH, et température, et temps
significativement affecter ton critique égalité les attributs.
Dire que je était un médicament fabricant ,
et je avoir ensemble en haut un processus développement étude .
je envoyer ce processus développement étude .
je vouloir à déterminer si température affecte,
et Je suis aller à appel il cellule viabilité.
je dire, "Hé chaque fois que Je suis regarder à que , est je vouloir faire bien sûr que si quelque chose
significativement affecte mon qualité les attributs,
je contrôle que dans mon processus.
Mais si il n'a pas, je suis pas dépenses argent et temps et ressources contrôler il."
Quoi Je suis concerné avec comme un médicament fabricant
est le Tapez I erreur taux.
je faire pas vouloir à gonfler un Tapez I erreur taux.
UN Tapez I erreur taux serait dire,
"Hé , ce est significatif quand, dans fait, c'est pas."
Quoi faire toi pense que réglementaire agences serait être plus concerné avec?
Toi contrôler plus des choses?
Sont toi pas contrôler des choses que devrait être contrôlé ?
Que est exactement droite est ils auraient être plus concerné
à propos que patient risque, que Type II erreur.
Dans processus développement est médicament fabricants
faire pas vouloir à gonfler le Tapez I erreur.
Ils aussi vouloir significatif pouvoir. Pourquoi?
Parce que que contrôles que patient risque.
Le entier indiquer de moi montrant que dernier année
était à montrer le efficace donneur à donneur variabilité
sur en essayant à déterminer ton critique processus paramètres.
je appel il statistique inférence.
Droite Maintenant quoi arrive si je changement mon processus?
je avait un collègue juste dernier semaine , JE était fonctionnement avec son.
Chaque fois que étaient parler à propos cellule et gène thérapies, elle dit,
et ce est son citation, "Bruyère , à cellule et gène thérapies,
des choses sont en permanence en changeant.
Toi pourrait avoir des choses comme analytique méthodes changement.
Toi pourrait avoir des choses comme processus changement."
Aujourd'hui, Je suis aller à se concentrer s sur ce processus droite ici.
Principalement, Je suis aller à se concentrer sur que processus changement.
je faire vouloir indiquer dehors que réglementaire agences comprendre
que toi avoir un besoin pour amélioration ton processus.
Même si toi améliorer ton processus, sont toi en changeant ton processus ?
Ils reconnaître le besoin pour que, mais ils aussi reconnaître le besoin
que le thérapeutique que tu es fabrication depuis que processus
devrait être similaire dans termes de produit qualité.
Tu es en utilisant ces dans clinique essais.
Quoi fait il signifier à être similaire?
Que n'a pas dire que ils avoir à être exactement le même,
que ils avoir à être similaire ou comparable.
Dans termes de moi en disant que quelque chose est similaire,
quoi je vouloir faire est je vouloir faire bien sûr que je avoir quelques similarité condition.
C'est le entier indiquer de comparabilité.
Pour très faible risque les attributs,
quoi je peut faire est je peut montrer que processus Un et processus B
est similaire dans côté -par -côté parcelles .
Pour plus plus haut risque les attributs,
quoi je vouloir faire est peut être quelque chose comme un qualité gamme.
Dans termes pour qualité gammes,
je juste prendre que référence groupe, le vieux processus,
et je construit quelques gamme autour il
et assurer que tous de ème e mesuré qualité les attributs
depuis le nouveau processus automne dans que gamme.
Pour très haut risque les attributs,
quoi je vouloir faire est je vouloir faire équivalent tests CE.
Ce est quoi Je suis aller à se concentrer sur aujourd'hui,
dire toi à propos quoi équivalence essai est,
et comment que acceptable différence ou que similarité condition est ensemble.
C'est appelé équivalence essai, Deux un côté test t.
À réitérer quoi nous a parlé à propos avant,
chaque fois que Je suis en utilisant conception de expériences dans processus développement,
quoi je faire est Je suis en changeant quelques variable -comme température
depuis faible à haut ,
et Je suis mesure le effet sur mon critique égalité les attributs.
je suis en supposant dans le nul hypothèse que ils sont le même.
Quoi je faire est je ensemble en haut un conception à voir si ils sont différent.
UN Tapez I erreur dans que cas serait être moi en disant,
"Ouah, ils sont différent " quand , dans fait, ils sont pas.
Que serait signifier que je serait contrôle que.
je serait dépenser ressources contrôler que dans le processus.
Si Je suis un médicament fabricant,
je faire pas vouloir à contrôle des choses que je ne le faites pas besoin à.
Je suis concerné à propos que Tapez I erreur taux .
Si je était un réglementaire agence,
je serait être même plus concerné avec le Type II.
Il y a Non différence quand, dans fait, là est .
Toi devrait être contrôler quelque chose et tu es pas.
Si je était un réglementaire agence,
Identifiant être plus concerné avec le Type II erreur.
Maintenant, nous sommes en allant à retourner il.
Étaient aller à parler à propos équivalence essai.
Équivalence essai est Je suis pas en disant que ils sont le même.
je suis en supposant que là est un différence.
je viens de vouloir faire bien sûr que le différence n'est-ce pas aussi grand.
Que aussi grand, Je suis aller à appel delta.
T voici un parcelle de différent façons à calculer que delta.
Je suis aller à appel il d ou que delta droite là,
souvent appelé le équivalence acceptation critères.
Je voudrais comme à viens depuis sujet matière compétence,
mais le majorité de fois, il vient depuis moi prise
quelques valeur k fois que historique valeur.
C'est diviser dans deux différent essais .
Sur un, je détermine si c'est moins que positif d.
Dans le autre un , JE vouloir à montrer dans le alterner hypothèse
que cette différence est plus grand que un négatif d.
Je suis en allant deux différent côtés.
C'est qu'est-ce que c'est appelé le gauche -main côté de le bas,
ou le haut.
Dans termes de, si je était un médicament fabricant, quoi serait je vouloir à faire?
Je voudrais vouloir à être capable à rejeter les deux de ceux hypothèses.
je serait vouloir haut pouvoir, faible Type II erreur et haut pouvoir.
T son est équivalent à prise un 90% confiance nombre
autour le différence dans moyens dans assurer que 90% confiance intervalle
chaque fois que Je suis regarder à le faible et haut ou dans le équilibre de ceux inférieur delta
dans le supérieur delta.
Si tu es regarder à ce, toi devrait pense à toi-même est,
"JE vouloir le largeur de que confiance intervalle à être très petit."
Quoi sont le différent façons que je pourrait faire le largeur
de que confiance intervalle
pour le différence entre ceux deux moyens très petit?
je pourrait diminuer mon standard déviation.
C'est un bien chose.
je pourrait augmenter mon échantillon taille.
C'est un bien chose.
je pourrait aussi augmenter mon alpha niveau.
Peut être que ne le ferais-je pas être donc bien parce que quoi tu es faire
est tu es gonfler ton Tapez I erreur taux.
Dans gonfler ton Tapez I erreur taux, quoi tu es en disant est,
je suis déclarant que ils sont équivalent quand en fait, ils ne le sont pas.
Le différent façons à contrôle le largeur de que confiance intervalle
est à inférieur s, augmenter dans, ou augmenter alpha.
Nous a parlé à propos deux de ceux être bien et un de ceux pas être bien.
Il fait du sens que si Je suis un médicament fabricant,
je vouloir à maximiser le pouvoir de le conception.
C'est le retourner. je vouloir à minimiser mon Type II erreur.
Réglementaire agences vouloir s'assurer que toi faire pas gonfler
que Tapez I erreur taux.
Que Tapez I erreur taux serait être en disant ton supposer équivalent
ou tu es déclarant équivalence quand en effet ils sont pas.
Dans JMP, toi peut faire ces équivalence des essais,
et je vouloir montrer toi un exemple de que.
Pour mon journal, d'abord chose je vouloir faire
est je vouloir montrer toi que dans termes de déterminer
ton Tapez I erreur les taux et ton Type II erreur les taux
est JMP fournit pouvoir courbes
sous Échantillon Taille Explorateur , Pouvoir , Deux Échantillon Indépendant Équivalence.
Caleb Roi a fait un affreux super emploi avec ce.
je dis affreux super emploi, mais il a fait un super emploi avec ce.
Allons juste dire que mon marge, mon équivalence acceptation critères,
est plus ou moins 2 standard déviations.
Je suis juste en allant à mettre un 2 ici,
et c'est juste 2 fois le standard écarts que Je suis parler à propos de.
C'est tous que Je suis faire.
Allons juste dire que dans mon historique processus
est je avoir dix beaucoup,
et Je suis aller à comparer il à un nouveau processus que a 5 beaucoup.
je vouloir à voir quoi le pouvoir est si ils sont exactement le même,
mais il y a Non différence entre ces.
UN peu des choses que je vouloir indiquer dehors ici est JMP donne ceux pouvoir calculs.
Le autre chose que il fait est il permet toi changement ceux.
Qu'est-ce que c'est aller à arriver si je faire des choses comme augmenter mon nouveau processus,
le nombre de échantillons dans mon nouveau processus jour rapport ,
mon pouvoir est aller à aller en haut.
Quoi serait arriver si je faire des choses comme,
"Hé, Bruyère, je vouloir à diminuer que marge de erreur
à, plutôt 2 standard écarts , à dire peut être 1,5 standard les écarts,
essentiellement , comme Je suis prise ceux frontières
et Je suis contraction eux en haut."
Quoi je voir est mon pouvoir est en allant à aller vers le bas.
Je suis capable à demander moi-même tous ceux typique des questions
que toi serait dans équivalence essai.
Ce est quelque chose autre que je vouloir montrer toi c'est aller à viens en haut
est JMP a le capacité à dire,
faire je savoir le vrai standard déviation ou pas?
Si je savoir le vrai standard déviation, que est en allant à être mieux.
Tu es aller à voir que ton pouvoir va en haut.
En effet, quoi arrive est mon pouvoir va en haut.
C'est généralement pas le cas.
je toujours appel que le utopie,
lequel les usages le cas si je faire pas savoir quoi que vrai standard déviation est.
je toujours appel ce le optimum, un voiture de le utopie.
je toujours appel le Non, le le réalisme.
je serait être négligent
si je a fait pas montrer toi le outils que JMP fait avoir
pour montrant que équivalence
comme si je avait un historique processus où je avait dix beaucoup et je fait 5 nouveau ceux.
D'abord chose je vouloir faire
est je vouloir regarder à ce via le générateur de graphiques,
et je voir que là est Non effet entre ceux deux.
je peut voir les deux de ceux , et ils les deux regarder comme
ils est venu depuis le nouveau processus, le bleu contre le rouge.
Comment à propos si là est un effet ? Quoi je faire est je voir un changement.
Juste comme je montré toi avant est-ce est Deux Un côté test t.
JMP a outils pour que.
Jin Feng a fait un super emploi avec ce. Mon bonté. je amour le partitions parcelle.
Voici le différence dans moyens. Voici le inférieur , et voici le supérieur,
et c'est dans le frontières.
Dans que cas, quoi vous avez fait est toi rejeté les deux le nul hypothèse
dans service de le alterner,
lequel est le même comme quoi toi voir dans le image.
Quoi toi aussi voir ici est que si là est un effet,
est je suis pas en allant à rejeter les deux le nuls.
Un de ceux est je suis en allant à échouer à rejeter et en effet je a fait.
Quoi tu vas voir est mon confiance intervalles à l'extérieur que frontière.
je serait comme à parler à propos un très spécifique cas.
UN très spécifique cas dans cellule thérapie est appelé diviser aphérèse conception.
Dans un diviser aphérèse conception , ce est un situation où
dans cellule thérapies est tu es en changeant le processus.
Quoi toi faire est tu es en utilisant donneur matériaux diviser
entre le deux différent processus.
Nous gardé obtenir des questions sur et sur et sur encore
depuis notre clients à propos de,
"Peut je regarder à le échantillon taille et pouvoir calculs
pour ces paire de dessins ?"
Ne peut pas recouvrir eux .
Vous ne pouvez pas voir si ils sont dépendant sur que donneur -au donateur variabilité?
Allons parler à propos un diviser aphérèse conception.
Dans un diviser aphérèse conception, d'abord chose je vouloir faire
est je vouloir à dire toi à propos le réglementaire attente.
Ce est même un récent brouillon conseils document depuis le FDA
dans Juillet de 2023, juste dernier mois.
Dans que , ils dit que toi besoin à sélectionner un approprié statistique test
pour analyse dans différence entre jumelé données
où ceux donateurs sont jumelé en haut.
C'est où le diviser aphérèse conception vient depuis.
Pour chaque célibataire donneur matériel que toi avoir,
toi diviser il dans entre processus Un et processus B.
Ce est pas deux indépendant tests t.
Quoi ce est, est un jumelé conception.
C'est le d'abord chose que je recherché à parler à propos de.
Le deuxième chose est,
je recherché à parler à propos que toi sont très souvent dans tôt scène,
donc toi faire pas avoir un doubler de donneur matériaux,
donc toi avoir très faible échantillon tailles.
C'est dur à obtenir pouvoir dehors de faible échantillon tailles.
Le troisième chose que Je suis en allant à dire toi est ,
comment faire toi viens en haut avec ton CAE ?
Comment faire toi viens en haut avec ton similarité condition ,
que différence, que acceptable différence?
Quoi toi faire est toi utiliser historique données que est fait désactivé de plusieurs donateurs.
Toi prendre le standard déviation utilisé désactivé de historique données.
Je suis aller à appel que n 1 ou historique.
Toi prendre quelques k nombre de standard écarts de historique données .
Toi faire un test , et tu es en utilisant le diviser aphérèse conception
à juge désactivé de que historique données.
Ce sont deux exemples que je souhaite vous montrer.
Le premier exemple ici
est où tu es regarder à processus Un et processus B.
Quoi toi voir est toi faire voir six différents donateurs ici.
Quoi toi voir dans le un sur le gauche est le majorité variation est à venir
depuis donneur à donneur variabilité,
pas le différence entre processus Un et processus B.
Toi avoir haut donneur -à -donneur variabilité.
Je suis aller à appel que, prho.
Dans le cas sur le droite, quoi toi faire est,
est le majorité variation est à venir depuis le différence
entre processus UN et processus B, pas le donneur à donneur variabilité.
Le majorité variation est à venir depuis le analytique ou le processus.
Quoi que raconte toi est toi avoir très faible rho.
Vous auriez avoir faible donneur à donneur variabilité.
Je suis aller à montrer toi un série de scripts que nous travaillé sur.
Ces sont typique des questions que est venu depuis notre clients.
Dans notre cas, nous faire pas savoir quoi le standard déviation.
Comment fait que comparer à le connu?
Comment à propos ceux Tapez I et Type II erreur les taux?
Souviens-toi, si Je suis un médicament fabricant, je vouloir à augmenter le pouvoir.
Si Je suis un réglementaire agence,
je vouloir à faire bien sûr que toi faire pas gonfler que Tapez I erreur taux.
Comment sont nous aller à faire ce?
Ce est depuis le européen Médicaments Agence, 2001.
Le meilleur chemin à faire que est avec des choses
appelé attendu en fonctionnement caractéristique courbes.
Que donne toi pouvoir sur le axe y et un changement dans le principal.
je je suis en allant à aller à travers un série de des scénarios,
et ces série de scripts ...
C'est vraiment un script que avoir droite ici,
que c'est aller à permettre moi à changement des choses comme que rho,
que proportion de donneur à donneur variabilité.
Que k -valeur, souviens-toi, comment faire je ensemble le acceptation critères?
Il est k fois que standard déviation.
Le typique chemin de faire ce est que k fois ceux historique beaucoup.
Ce est le nombre de historique beaucoup que toi utiliser n°1.
n2 est le nombre de beaucoup que Je suis aller à utiliser pour que jumelé conception.
Chaque fois que toi courir le scénario, quoi arrive est toi viens dehors ,
et il fait un série de simulations.
Dans ce cas, il a fait 5 000 simulation ,
et il calcule le pouvoir pour toi.
Dans ceux 5 000 court, quoi pourcentage de ceux passé?
Il regards quelque chose comme ce. Il donne toi un parcelle de différent choix.
Mon bonté . je peut regarder à différent k -valeurs.
je peut regarder à un différent nombre de n1, lequel sont appelé historique beaucoup.
je peut aussi regarder à le différent nombre de n 2 ou jumelé beaucoup.
Droite Maintenant je vouloir parler à propos de...
Chaque fois que je faire ce, quoi je peut faire
est-ce que je peut sélectionner lequel de ces différent cas que je vouloir à regarder à
être capable à répondre typique des questions.
Laisser moi ouvrir en haut mon typique comparaisons ici.
Le d'abord un je vouloir parler à propos est,
"Heath, quoi si je avoir un norme connue déviation?"
Regarder c'est quelque chose comme ce.
C'est quoi le connu standard déviation regards comme.
UN peu des choses que je vouloir indiquer dehors
est ce est le pourcentage de temps que tu es en allant à réclamer équivalence.
Si ils sont exactement le même que toi dit tu es aller à réclamer équivalence
un haut pourcentage de temps.
Si il y a un énorme différence entre eux comme un deux standard déviation changement
ou un trois normes déviation changement , est tu es pas en allant à réclamer équivalence.
C'est un bien chose.
Le autre chose que je vouloir montrer toi ici
est si tu es regarder à ce alpha de 0,05,
être que je ensemble mon k -valeur à 2 ,
k nombre de standard écarts contre dix historique beaucoup,
le standard déviation de dix historique beaucoup,
toi serait attendre que alpha niveau serait être 0,05,
le exact alpha niveau que je ensemble dans mon équivalence test.
Droite maintenant, le chose que je vouloir montrer toi
est ce est pour un proportion de donneur -à -donneur variabilité de 90 %.
Quoi arrive si je changement que?
Quoi arrive si je changement que à 60%.
Quoi arrive si je changement que à 30% ?
Il y a Non donneur à donneur variabilité.
Quoi toi voir est que jumelé test, le pouvoir courbe regards très bien
chaque fois que je avoir haut donneur -à -donneur variabilité.
Le autre chose que toi avis avec le connu standard déviation
est le alpha niveau indépendamment de de en fonctionnement caractéristique courbe
est toujours à 0,05.
Allons parler à propos quelques autre typique des questions.
Un typique question est ,
comment fait il comparer pour le différent les niveaux de Rho ?
Comment fait mon typique chemin de faire ce ?
je faire pas savoir quoi le standard déviation est.
Mon typique chemin de faire ce est dans le bleu.
Le connu standard déviation est dans le rouge.
Un chose que je vouloir indiquer dehors
est je vouloir indiquer dehors ce un droite ici.
Quoi toi voir est le préféré approche,
le approche que même réglementaire documents avoir dit que toi devrait faire,
le jumelé approche,
en utilisant le standard déviation
que est calculé désactivé de mon historique beaucoup,
est je avoir un gonflé Tapez I erreur taux.
Ce devrait être 0,05 juste comme il est ici.
Que était vraiment étrange à nous, et nous regardé dans ce.
Quand nous regardé dans il, quoi nous trouvé est ,
il a tout à faire avec ce droite ici.
Le raison pourquoi il a tout à faire avec ce droite ici,
comme je dit, comment faire je diminuer le largeur de que confiance intervalle?
Le chemin que je diminuer le largeur de que confiance intervalle
était soit à diminuer s , ou augmenter n , ou augmenter mon alpha niveau.
Comprendre ce.
Ce est pourquoi toi avoir un gonflé Tapez I erreur taux
avec ce jumelé test
est ceux delta , lequel tu es en utilisant à juge ce désactivé de, ceux delta
sont en utilisant le standard déviation désactivé de historique données
que contient donneur à donneur variabilité.
Que confiance intervalle droite là
fait pas contenir donneur à donneur variabilité.
Pourquoi? Parce que toi a fait un paire test .
Que contient seulement analytique et processus variabilité.
C'est où ça gonflé Erreur de type I taux vient depuis.
En utilisant ce jumelé approche son comprendre
toi avoir un gonflé Tapez I erreur taux.
Nous voir que, et c'est même plus fréquent
quand toi avoir haut donneur -à -donneur variabilité.
Pourquoi? Parce que si toi avoir faible donneur à donneur variabilité,
ème au processus variabilité
est le le plus grand partie de le variance composant que toi avoir.
Allons regarder à un peu plus des questions que toi avoir.
UN s je dit, ce un scénario réponses ces différent des questions.
Ce est répondre le question ,
"Hé, Bruyère, si je utiliser que jumelé approche c'est recommandé,
peut je regarder à quoi arrive comme je augmenter échantillon taille
depuis 3 à 4 à 5 à 6 ?"
Deux des choses que je vouloir indiquer dehors ici
est nombre un , quoi toi voir comme je augmenter échantillon taille,
est Je suis aller à avoir plus haut pouvoir.
je toujours faire pas avoir adéquat pouvoir si il y a Non donneur à donneur variabilité.
Que moyens que je avoir 0 donneur à donneur variabilité.
je serait besoin à moins un échantillon taille de 8 ou 8 différent donateurs.
Si je faire avoir haut donneur à donneur variabilité,
comme 0,9, 90 % de que variabilité, lequel toi voir est je faire avoir haut pouvoir
pour Non différence entre le moyens.
Quoi je peut faire est je peut faire bien sûr à répondre ceux des questions
avec superposé en fonctionnement personnage s se produit pour différent échantillon taille.
je peut aussi répondre que question si je était regarder à , et je dire, "Hé ,
j'ai déclaré mon différent échantillon tailles,
mais et si nous regardions le différent k -valeurs?"
Comprendre que ton acceptation critères est k nombre de standard déviations.
Qu'est-ce que c'est aller à arriver est-ce acceptation critères
sont celles quoi je appel aller poste sont en allant à élargir comme toi augmenter k.
Donc, tu es aller à avoir un beaucoup plus haut capacité
à passer équivalence ,
et tu es aller à avoir beaucoup plus haut pouvoir.
Un autre typique question est ce.
Quoi si je vouloir changement les deux de ceux ensemble?
Je suis un grand ventilateur de Générateur de graphiques .
Quoi Graphique Constructeur est quoi tu es regarder à ici
n'est pas seulement sont toi regarder à,
"Hé , bruyère, je suis en augmentant échantillon taille dans bleu, que serait être 3,
dans rouge, que serait être 4,
dans vert, que serait être un 5, et dans violet, que serait être 6 ,
mais je aussi regardé à il pour différent k -valeurs.
Quoi serait ton en fonctionnement caractéristique courbes regarder comme?"
Bien?
je vouloir revisiter ce.
Juste comme je dit avant , JE dit, "Hé , je vouloir revisiter ce
et montrer toi que pour..."
Chaque fois que je avoir un grand proportion de donneur -à -donneur variabilité ,
je dit, "Quoi toi voir pour 2 droite ici, je serait attendre mon alpha niveau
que mon proportion de temps que je passer ce test serait être 0,05."
Mais quoi toi voir est toi avoir gonflé Tapez I erreur taux.
Comment fait ce regarder?
Chaque fois que Je suis regarder à un rho
ou un proportion de donneur à donneur variabilité
que est très petit,
je faire pas avoir beaucoup pouvoir.
Le question était , quoi si nous a fait ce plutôt?
Si nous avait faible donneur à donneur variabilité,
si quoi nous a fait est nous utilisé information depuis ceux historique beaucoup.
Si je avoir Non donneur à donneur variabilité ou très faible donneur à donneur variabilité,
pourquoi je ne pouvais pas je juste faire un indépendant t -test,
où je comparer depuis processus UN ou mon historique processus,
pas juste le jumelé beaucoup,
mais je aussi considérer ceux dix historique beaucoup
et pas comparant à le signifier de le nouveau processus?
Nous recherché à voir comment que par rapport .
Faire il que chemin est le test indépendant est dans le rouge.
Le jumelé chemin est dans le bleu.
Quoi toi voir est, si je avoir petit à Non donneur à donneur variabilité
dans mon cellule thérapie diviser aphérèse processus ,
toi dit que le indépendant test t
a beaucoup mieux profil que le jumelé approche.
Cependant, si je avoir haut donneur à donneur variabilité,
que jumelé approche dans le bleu
a un beaucoup mieux en fonctionnement caractéristique que le rouge.
Droite maintenant, le question est plutôt de juste automatiquement
faire que diviser aphérèse paire conception,
peut être il serait être mieux
à faire un décision basé sur que donneur à donneur variabilité.
Comment fait ce comparer chaque fois que je cherche à différent k -valeurs?
je voir le exact même chose, le exact même phénomènes qui
avec un faible donneur à donneur variabilité,
il fait du sens à faire le indépendant t -test.
Avec haut donneur à donneur variabilité est je avoir un beaucoup mieux
caractéristique de fonctionnement courbe
sont plus haut pouvoir associé avec le jumelé approche.
Il n'a pas matière si je regardé à un k de 1,5 , ou 2, ou même 3.0.
Indépendamment de de le k -valeur ,
je avoir un beaucoup mieux en fonctionnement caractéristique courbe
si je considérer que donneur -à -donneur variabilité.
Quoi si je regardé à différent valeurs de ceux historique beaucoup ?
je regardé à 3.
Nous regardé à 4.
W e regardé à 5 jumelé beaucoup. Nous regardé à 6 jumelé beaucoup.
Indépendamment de, toi voir le même phénomènes.
Étaient actuellement en écrivant un papier sur ce
à essayer à proposer
que si toi avoir faible donneur à donneur variabilité,
peut être il fait pas faire sens pour toi à utiliser un diviser aphérèse
ou un jumelé analyse approche.
Peut être le approche est seulement bien
chaque fois que toi avoir haut donneur -à -donneur variabilité.
T hé sont typique des questions que sont demandé dans le diviser aphérèse dessins.
Quoi je vouloir faire est je juste vouloir couverture
t oh ou trois plus de ces
j juste à montrer toi un peu o là des choses que toi pourrait faire.
Ces sont différent des choses que nous étaient regarder à .
Nous regardé à, "Hé , comment fait le en fonctionnement caractéristique courbe,
comment fait que comparer si nous regardé à dans le bleu
c'est en utilisant rien mais le historique beaucoup
à estimation le standard déviation
contre si toi utiliser le jumelé et le historique beaucoup,
lequel est dans le rouge?"
Quoi toi voir est il y a pas beaucoup différence entre ces deux,
en particulier si Je suis en utilisant plus haut échantillon tailles comme le n 2.
W e aussi regardé à,
"Hé, si je estimé que standard déviation
en utilisant un peu différent façons,
quoi si je regardé à Estimation
que standard déviation en utilisant le historique beaucoup,
lequel est dans le bleu, contre dans le rouge
est en utilisant le historique beaucoup et le jumelé beaucoup ?
je comparer le indépendant cas contre le jumelé cas.
Quoi faire je voir? "
Comme je dit avant, toi voir que exact même phénomènes
avec un faible donneur à donneur variabilité.
Le beaucoup mieux chemin de faire ce serait être un indépendant t -test
sur le inférieur droite -main coin.
Que est où toi haut donneur à donneur variabilité.
Il fait du sens que nous serait utiliser le jumelé approche.
Dernier un que je vouloir à montrer toi
est ce est quelque chose que nous avons a été fonctionnement sur.
Nous regardé à le jumelé approche contre le indépendant.
Le jumelé approche est dans le bleu.
Le indépendant est dans le rouge.
j'ai dit ce sur et sur et sur encore.
Que il fait du sens que si je avoir faible donneur à donneur variabilité,
le indépendant cas dans le bleu regards beaucoup mieux.
Si je avoir haut donneur à donneur variabilité, le jumelé approche regards mieux.
Mais un chose que nous a fait je et nous a pris un regarder et juste dit,
"Quoi si je a pris un regarder à le approche que a donné moi le le plus court
avec que confiance intervalle?"
C'est dans le vert .
Quoi toi voir est que généralement donne toi le meilleur approche
indépendamment de de quoi ton rho est
ou quoi ton proportion de donneur -à -donneur variabilité est.
Dans fermeture,
je serait comme à juste indiquer dehors un peu des choses.
Ce scénario que nous avoir réponses, le long de avec le typique des questions
que notre clients avoir sur en fonctionnement caractéristique courbes,
associé avec ces diviser aphérèse des dessins,
ce que je fais vouloir à tirer loin depuis ici, cependant,
est si toi faire avoir un faible proportion de variabilité d'un donneur à l'autre
est tu vas voir que ces dessins sont très sous-alimenté
pour moins que 8 beaucoup, moins que 8 différent donneur matériel.
Nous en direct dans un monde dans cellule thérapies
où toi faire pas avoir un parcelle de donneur matériaux,
donc toi avoir très faible tailles.
Il serait être beaucoup plus efficace si toi avait faible variabilité d'un donneur à l'autre
à utiliser le indépendant cas.
Nous faire avoir L'autre révisions que nous fait sur ce
où si toi étaient capable à faire plusieurs beaucoup
pour ceux jumelé approches avec le même donneur,
ou si tu es capable à prendre plusieurs des mesures
à être capable à regarder à ceux en fonctionnement caractéristiques courbes.
Remercier toi.
