安定性予測の頭痛こんにちは、
分析上の問題があり、アドバイスが必要です。以下は実際の安定性データの表です。そこから合理的な安定性の予測を抽出しようとしています。
私は通常、このために劣化プロファイラーを使用しており、これまで他の複数のプロジェクトでは問題なく実行できましたが、このデータセットが頭痛の種になっています。それは、T0 が異常に低く、予測を行うトレンドを歪めたためだと思います….. 楽観的です。
リンクされたテーブル - 関連付けられた許容限度を使用します。
ノート：
1-これは実際の例なので、完全に理解されたシステムです。
2-したがって、この物質が活性化することは不可能であることがわかります。つまり、上昇傾向はアッセイノイズによるものです。
3. 以前のデータと実験から、この材料はほぼ直線的に分解し、730 ～ 1095 日の範囲での有効期限 (つまり、信頼レベルが下限を超えるとき) が異常ではないこともわかっています。
したがって、私の質問は、これをどのように分析するかです。もっと広い信頼区間のようなものを使用して、それを予測として拡張することに抵抗はありませんが、その方法がわかりません。
次のデータ収集時点は 3 か月後なので、時間の経過とともに「本当の」傾向が現れ、初期のアッセイノイズが平均化されることには満足していますが、今はある種の現実的な予測を行う必要があります。提案/指導 (T0 を行った科学者を非難したにもかかわらず 
) は素晴らしいことです。
ジョン
基本的なデータ分析とモデリング予測モデリングと機械学習品質およびプロセスエンジニアリングRe: 安定性予測の頭痛こんにちは@Jon_Armer : いくつかの観察/考え/質問を順不同で。
1. ここで蒸発が影響している可能性はありますか?応答単位が mg/mL であることがわかります。蒸発によって傾向が増加しているように見える可能性はありますか?
2. T5とT32の2レップも低い…。
3. なぜ「今すぐ何らかの現実的な予測をする必要がある」のですか? (1) 仕様と比較してこのバッチの早期の読み取りを取得しようとしていますか、それとも (2) 正確な予測を取得しようとしていますか? (1) の場合、これらのデータに基づいて、仕様が危険にさらされているという証拠はないと単純に言えるかもしれません。 (2) の場合...そうですね、あなたの仮定 (「メモ」から) から考えると、それは別の動物です。
4. このバッチには、「以前のデータ」とは異なる動作をさせる何かの違いがあるのでしょうか?
Re: 安定性予測の頭痛こんにちは@MRB3855
良い質問:
1、いいえ、まさにこれを防ぐために封印されています
2-同意しました。生物系では、特にアッセイなどを考慮すると、長期的な研究である程度のばらつきが見られることは珍しいことではありませんが、ばらつきが広いことには同意します。
3-このバッチの保存期間の予測。年間スケジュールを記入できるように、それを評価して「砂に線」を引く必要があります。
4-はい、潜在的には複雑なシステムなので、キャプチャ/特定するのが難しい変動の余地があります。
Re: 安定性予測の頭痛こんにちは@Jon_Armer : うーん。次のプルポイントは 3 か月後だと言いました。目標（登録済み？）の保存期間はどれくらいですか?
Re: 安定性予測の頭痛ああ、少し訂正します（誤解を招いたら申し訳ありません） - 次の時点はさらに3 か月後です。これは実際には 6 か月の時点になります。
以前のバッチでは、8 か月のデータから 18 か月の安定性が予測されました (12 か月で確認)。
Re: 安定性予測の頭痛「シンプル」という用語は、臆病な博士課程の学生が統計に取り組むことを怖がらないようにする方法として、このような文脈で頻繁に使われているのではないかと私はよく思います…..!
わかりました、それで
1.正解です。これは業界で使用される非常に典型的なアプローチです。最初のタイムポイントは近くにありますが、時間が経つにつれて徐々に広がっていきます。
現在、傾向の変曲点を特定するためにスコーピング調査が行われることが多く、その後、その点付近のデータ密度が増加するように調査時点が設計されます。ただし、場合によっては、特に新しいプロジェクトや開発サイクルの開始時には、それが備わっていないため、少し盲目的に飛んでいる状態になります (そして、「実証済みの」アプローチに頼る傾向があります)。
残念ながら、少なくともこのバッチでは、スプレッドが「行き詰まっている」状態です。
2.以前のバッチはほぼ直線的に減少しており、その傾向は後になるまで実際には明らかになりませんでした。
3.はい、それはオプションです。ただし、当面の問題 (このバッチに暫定的な有効期限を割り当てる必要がある) は解決されません。
4-これが私が傾いている方法だと思います。この種の低下は以前のバッチと一致しますが (通常はかなり直線的です)、時間がかかるだけです。
再び 5 です。ただし、この「セット」には他に 1 つのバッチしかありません。傾向は似ていますが、「非常にわずかに低下」しており、より低い踏切を推定することができました。
6-私たちはここで多くのことに同意しています-それはいつも素晴らしいことです（あらゆる場所のインターネット上で！）。ここで我々が見ているのは、（比較的）安定した物質にアッセイのばらつきが重ね合わされていることだと思います。変動の神は前のバッチと一致して、ややネガティブな傾向を示し、比較的単純な安定性の予測を可能にしました (明らかな通常の警告はあります)。今回はどういうわけか変動の神を怒らせてしまったので、そのような傾向は提供されず、頭痛につながりました。
これらのデータのノイズも前のバッチよりも広くなります。
つまり、これが私の頭の現在の位置です。
ここで利用できる追加データは限られています。前の (そして他の唯一の) バッチではわずかにマイナスの傾向があったため、この時点 (t3m) で 18 か月の初期安定性を割り当てることができました。ここで過剰な外挿の危険性を明らかに認識していますが、実際的な考慮事項が時には介入しなければなりません。
このバッチのこのスプレッドではそれができません。したがって、現時点で防御可能な唯一の選択肢は、この新しいバッチがまだ悪化しているという兆候を示していないことに基づいて、以前のバッチの安定性に戻すことです。したがって、以前のバッチの安定性を使用することは最悪のケースであるため、安全/防御可能であると主張することができます。
その後、新しいデータが入ってくると、必要に応じて監視して更新します。このデータに追加された変動性を利用して信頼区間を広げる (つまり、予測を「強制的に」下位レベルを超えるようにする) 何らかの賢い方法がない限りは、
考えは？
Re: 安定性予測の頭痛こんにちは@Jon_Armer : あなたの考えは理にかなっていると思います。これらのデータに基づくと、仕様が危険にさらされている、または以前のバッチよりも悪化しているという証拠はなく、監視を続けます。
そして、以前のバッチがほぼ直線的に減少し、その傾向が実際に明らかになるのは後になってからであることが本当であれば...可能であれば、今から今までの間にもっと引き上げたいと思うでしょう。 「ノット」（トレンドが下降し始める時間）を推定できるように、次に予定されているプルポイントを設定します。次に、モデルに別の項を導入することで、「曲線」全体をモデル化できます。
max(0, timepoint - t)
ここで、 t は下降傾向が始まる時点です。したがって、Y = b0 + b1*タイムポイント + b2*max(0, タイムポイント - t) となります。最初の傾きは b1 で、2 番目の傾きは b1+b2 です。非線形プラットフォームを使用して t (および b0、b1、および b2) を推定することも、t に注目してモデルのフィットを使用して b0、b1、および b2 を推定することもできます。厳密に言えば、ノンリニア プラットフォームは正しいことです...目で見ると、目的に適している可能性があります。
Re: 安定性予測の頭痛素晴らしい内容です - 議論/アドバイスをありがとう!
