756801_ja-JP

liliconcom

バイオ医薬品の新たなフロンティア：JMPにおける遺伝子/細胞療法のための患者/ドナーの変動性モデリング（2021-US-30MP-887）

アンドリュー・カール、シニアマネジメントコンサルタント、Adsurgo LLC

Heath Rushing、Adsurgo LLC 主席コンサルタント

バイオ医薬品分野において、最も斬新で革新的かつ有望な治療法は、遺伝子治療と細胞治療です。遺伝子治療は患者の既存の遺伝子を改変し、細胞治療は疾患を治療するためにヒト細胞を患者に移植します。これらの細胞は、患者自身または健康な（細胞）ドナーから提供されます。米国で最初に承認されたこの種の治療法は、2017年のキムリアでした。それ以来、数え切れないほど多くの企業が、患者治療におけるこれらの新しいアプローチを模索してきました。規制当局の承認を阻む主な障壁の一つは、患者のニーズ（有効性と安全性の両面）を一貫して満たすプロセスの開発です。明らかな課題の一つは、患者間またはドナー間の変動をモデル化することです。この変動は、変動の大部分を説明できます（そして通常は説明できます）。

本講演では、JMPを用いてドナー間の変動をモデル化する様々な手法に焦点を当て、重要な研究課題（患者／ドナーに依存しない重要な工程パラメータの特定、実証済みの許容範囲および正常範囲（PARおよびNOR）の構築、そして工程能力の推定）への回答を提示します。ドナーを固定ブロック効果としてモデル化することの意義を示した後、著者らは、まずJMPのモデリングおよびシミュレーション機能、そしてJMP Proの追加機能を紹介しながら、ドナーをランダム効果としてモデル化することの利点を示します。

自動生成されたトランスクリプト...

スピーカー	トランスクリプト
ヒース・ラッシング	紅海を走るすべての人々。
	リボン。
ロビン・ゴッドフリー	うん。
	ちょっと執着しすぎているのかもしれない。
	こんにちは。調子はどうですか。
ヒース・ラッシング	よかったよかった、これは永遠に続くものだ。
ロビン・ゴッドフリー	それはよかったですね。
ヒース・ラッシング	ああ、そうだ。
ロビン・ゴッドフリー	ああよかった。
	私がこれを正しく行っているかどうかを確認するには、ここにあるチェックリストを確認してください。
	それで録音します。わかりました。そうすれば、正しく録音されることがわかります。
	私は。
	あなたのマイクが少し話すので、あなたの声が聞こえます。
ヒース・ラッシング	こんにちは、キャスト123です。
ロビン・ゴッドフリー	パーセント。
	戻る。
ロビン・ゴッドフリー	電話もコンピューターもすべて静かになります。
ヒース・ラッシング	ええ、アンドリュー・アンドリューも参加する予定です。
	それは、どのように機能したかはわかりませんが、確かに自分でポスターを作成しました。今年、私たちが行うことは、特定の時点で彼が.
	スクリーンを撮ります。
ロビン・ゴッドフリー	わかった。
ヒース・ラッシング	だから、私から彼のところへ行くのですが、行ったり来たりはしません。
	混乱しないように。私の言っている意味はお分かりでしょう。
ロビン・ゴッドフリー	さて、前回は録画を始める前に電源を切るのを忘れましたが、きっとみんな気に入ってくれると思います。
ヒース・ラッシング	フロリダ。
	フロリダ フロリダはビーチのすぐそばに住んでいます。
ロビン・ゴッドフリー	いいですね、いいですね。
ヒース・ラッシング	ええ、ええ。
	ランタ コロラドなので、9月にまたそこに戻って陸上で遊ぶ予定です。
ロビン・ゴッドフリー	ああ、いいですね。
	うん。
ヒース・ラッシング	うん。
ロビン・ゴッドフリー	私は涼しいところにいましたが、今は湿気と蒸し暑いことにうんざりしています。
ヒース・ラッシング	そうですね、あなたはノースカロライナ州の海岸近くに住んでいますよね。
ロビン・ゴッドフリー	鳥が飛ぶのは内陸約4マイルのところです。
	わかった。
ロビン・ゴッドフリー	ええ、私はケープフィア川のすぐ近くにいます。
	うん。
ロビン・ゴッドフリー	川があって、そのすぐ先に「スノー スカイ」という映画があります。川から水路へのカットのようなものです。
	ええ、今は本当に近くにたくさん人がいます。
	水ですが、ビーチへのアクセスなどはなく、ただそういうことです。
	ええ、沿岸水路は覚えていますが、海はもう少し沖合にあります。
	でも、今朝はビーチで走ったので、それができるのがここに住むいいところです。
	午前1時なら交通量もそれほど多くなく、ビーチに行くことができ、雨が降っていて美しい日の出を見ることができました。
	だから、網膜に何かを降らせるのはやめてください。
	それはすばらしい。
ヒース・ラッシング	ええ、私の場合は、私が住んでいるところはビーチの端なので、国立海岸の方向まで 10 マイルあります。
	10マイルも離れていない。
	つまり、自転車があるのです。
	自転車専用車線。
	そうです。約 3 マイルの自転車道があり、その後 7 マイルはバーまでの自転車レーンがあります。
	ニース。
ロビン・ゴッドフリー	ペンシルバニア州、どれ。
ヒース・ラッシング	ウィルビーチビーチうん。
ロビン・ゴッドフリー	私たちはデスティンにいました。
	クリスマスの時期。
	うん。
ロビン・ゴッドフリー	ええ、その 38 全体の中のあのエリアのように。
ヒース・ラッシング	1年前の素敵なエリア。
	そうそう。
ロビン・ゴッドフリー	よし、アンドリューを待たなきゃ。
ヒース・ラッシング	大丈夫ですか？ええ、いや、いや、いや、いや、私たちは必ず彼を待つつもりです。
ロビン・ゴッドフリー	はいはい。
ヒース・ラッシング	はい、やらせてください。
	メッセージを送ってください。ちょっと待ってください。
	氏
	メッセージを送ったばかりなら。
	最初の部分では、遺伝子治療について簡単に紹介するスライドをいくつか紹介します。
	そして、私は科学者たちと遊ぶつもりだと言い、アンドリューにデータセットを送ったので助けが必要だと伝え、それから彼と会話をし、そこからは彼がジョンと一緒にやってくれることになります。
	それがこれを行う良い方法だと思いました。
	そして実際、私たちはその相互作用のようなものを理解するだけです。
	月曜日
	つまり、私たちはこれをやろうとしていたのですが、それを解決するには何らかの方法でやりとりする必要がある、という感じでした。
ロビン・ゴッドフリー	新聞に載っている男性として私とロブと私の同僚のテッドが必要です。
	全部のビデオがかなりコミカルです。
ヒース・ラッシング	私たちは常にそうしようと努めてきました。
	私は熱いお湯を支持していますが、常にそこに何かを入れるようにしています。
	それは面白いから。
	特に画面を見ている場合は、1 分ほど遊びながら話をしましょう。
	はい、皆さんで講演していただけますか。
ロビン・ゴッドフリー	私たちは、次のようなシナリオを実行しました。
	生産環境から製造環境へと移行する人々。
	そうですね、私たちは、あるマネージャがコンサルタントを雇ってアプリケーションを作成することを決めたというシナリオを作成しました。
	そしてコンサルタントが去り、シールが適切に製造されるようにしようとしますが、シールが失敗し、コンサルタントがいなくなり、コードは機能しなくなります。
	つまり、もし彼らが JMP ルートを選んでいたら、どのような結果が得られたかということです。先ほど 4 つの R、つまり再現性、堅牢性、迅速性、応答性について話しましたね。
	私たちは、3 つの異なるシナリオを作成することに集中し、それをデータに対するギャンブルと呼んでいます。つまり、ギャンブルのようなテーマでこれを実行したのです。
	歩いて、最後は最高のパートです。ケニー・ロジャースが歌ったり、このビデオを撮影した時のアウトテイクがあったり。
	アウトテイクはいつも一番面白い部分ですよね。ロブはケニー・ロジャースの最後のギャンブラーと同じアウトテイクを全部やっていて、彼のクレジットは本当に面白くて、ライブっぽい感じで始まりました。
	でも、それは本当に楽しかったです。私たちはプロジェクト マネージャーやエンジニアなどの異なる役割を演じ、さまざまなシナリオや生産、環境、どうすればもっとうまくできるかなどに対処するのです。
	そうだったらね。
ヒース・ラッシング	ええ、ええ。
ロビン・ゴッドフリー	そして、ロブのようなデモでは、プロファイラーを使用してさまざまなことを行うことができますが、私が言えるのはそれだけです。
ヒース・ラッシング	私たちはスライドをたくさん作るのが好きではありません。
	しかし、誰が参加したかは見てみましょう。
	ご参加いただく時間をご確認ください。
	やあやあアンドリュー。
アンドリュー・カール	おい、走れ。
ヒース・ラッシング	とても早いですね。
アンドリュー・カール	うん、ロープが4分早く着いたよ。
	うん。
ロビン・ゴッドフリー	つまり、彼はあなたのカメラのようなちょっとした「こんにちは」のような存在なのです。
ヒース・ラッシング	こんにちは、私の名前です。
ロビン・ゴッドフリー	そうだね、もう少し落ち着いて、もっと自分を見せる必要があるね。
	やってるよ。
アンドリュー・カール	それは欲しくない。
ヒース・ラッシング	私もそう思ってない、私もそう思ってない、つまり私の顔がどうなっているかってこと。
ロビン・ゴッドフリー	たとえば、あごのすぐ下とか。
ヒース・ラッシング	私はいつも、昨日のように年に一度の皮膚科の予約を取ることに決めました。そこでは汚れも取り除いてくれるので、見ることができると思います。
	赤い斑点が、ええ、ええ、つまり、いつも、ああ、今日は休みだ、とか、そんなことは考えてもいなかったような感じで、よく、本当に。
	その大きな理由は、プレゼンテーションで何かする必要がある場合に備えて、庭に少し出かけることでした。
ロビン・ゴッドフリー	無料で大きなスロットをゲット。
ヒース・ラッシング	ええ、かなりかなり。
	ええ、ええ。
	うん。
ロビン・ゴッドフリー	はい、カメラをオフにします。
	そして探さなければなりません。
	ここで自分を見失いましょう。さあ、始めましょう。
ヒース・ラッシング	やあ、それでアンドリューは、ちょっと一言、「やろうと思っている科学者の役をやります」と言って、スライドの最初の部分を話します。
	やあ、僕は科学者ごっこをするよ。君は統計学者のアンドリューを演じるんだ。僕は本物の科学者データごっこをするんだ。
	それから、私はアンドリューにこう言います。「わかりました。では始めましょう。アンドリュー、私はあなたに私の 2 つの応答、または誰かの能力と副産物のデータ セットを送信しました。」
	理解できましたか。それから、そこから先に進みます。つまり、私がそのようなことを言うときはいつでも、先に進んで、彼らが言っているのを見た画面を共有し始めることができます。
アンドリュー・カール	分かりました。
ロビン・ゴッドフリー	アンドリューをここに呼ぼうか。
	あなたが話している間、彼は自分自身を隠すことができます。
	彼が現れる準備ができるまで。
ヒース・ラッシング	はい、同じ時間に来られますよ。
ロビン・ゴッドフリー	はい、今は、片側ではデュアルスクリーンが台無しになっていて、もう片側では台無しになっているようです。
ヒース・ラッシング	うんうん、私。
	つまり、私たちが始めたときはいつでも、ここでやめておきます。皆さんには私たちの醜い顔しか見えませんので、画面を共有します。そして、私たちが本当に話さないことに焦点を当てます。私が共有する 3 つ目、トピックを紹介するためのスライドをいくつか作成します。
	それから、トピックの紹介にそれほど時間はかかりません。その後、何をするかはわかりませんが、自己紹介などをしますか、それとも自己紹介をしますか、その方が良いと聞きました。
ロビン・ゴッドフリー	君たち。
	私がちょっとした自己紹介をするように、つまり、あなたが発見者だったらそうするでしょう。
	わかった、彼らは私が両方に関与することを望んでいない、彼らは私が両方に関与することを望んでいない。
	つまり、新しい電子メールがポップアップ表示されるとか、そういったものがすべてコンピューター上で隠されているということですね。
ヒース・ラッシング	うん。
	それは間違っています。私は違います。
	それらを鳴らした。
ロビン・ゴッドフリー	はい、それではカメラをオフにしてミュートにして、皆さんにお話しを伺います。
	始めると中断します。最初からやり直す必要がある場合は、私に任せてください。
ヒース・ラッシング	あなたはただ私たちにいつやるかを伝えるのに慣れているだけなんだ、ただ「いつ」と言うだけで、私たちは出発する、紹介をしてもらいます、アンドリュー、あなたが紹介をしています、終わったらすぐに言います。
	私がやることは、画面の共有を始めることです。よろしいですね。
ロビン・ゴッドフリー	いいですね。
	私が「行け」と言った後、5秒くらい待ってください。
	私の犬たちが見ています。
	みんな私の音声をミュートにして録音を開始してください。今すぐ私に戻って、さらにひどいことを始めます。5秒ほどお待ちください。
	わかった。
ヒース・ラッシング	おはようございます。今朝はアンドリュー・カールと私がバイオ医薬品分野における応用、特に細胞・遺伝子治療についてお話しします。これは治療薬を開発する非常にユニークな方法です。
	私の経歴について少しお話しします。まず私が少しお話しした後、アンドリューに彼の経歴について少しお話ししてもらいます。私はかつて軍隊に所属していましたが、最終的には大学教授となり、応用統計学とDOEを教えました。その後、バイオ医薬品業界に転身し、小さなバイオテクノロジー企業で働きました。
	アプライド・モレキュラー・ジェネティクス、略してアムジェンという会社で製造業に携わり、その後研究開発に携わった。
	その後、数年間トレーニング マネージャーとして勤務し、その後 SAS のコンサルタントになりました。
	私たちは主に製薬、特に医療機器におけるバイオ医薬品に注力しており、多くの教育とコンサルティングを行い、多くの特有の課題に取り組んで企業に価値を提供しています。アンドリュー、少しお話いただけますか？
アンドリュー・カール	はい、私の名前はアンドリュー・カールです。アリゾナ州立大学で統計学の博士号を取得してすぐに、2012年にヒースで働き始めました。
	そこでヒースとジム・ウィズノウスキーと一緒に様々な興味深いことをやってきました。最近では製薬関連のアプリケーションをたくさんやっています。
	処方開発からプロセス特性評価まで、あらゆることに対応できるのです。今日は Heath と一緒に当社のアプリケーションについてお話しできることを嬉しく思います。
ヒース・ラッシング	では、始めましょう。すぐに画面を共有します。
	そして
	スライドがいくつかあるんですが、私は…私は
	JMP のプレゼンテーションではスライドに焦点を当てていますが、私がやろうとしているのは、主題、つまり、凝縮された非常にユニークなアプリケーション、そして、もっと重要なのは、今日お話しする非常にユニークな課題について、皆さんに紹介することです。
	面白いですね、私たちはこれをやりました、そしてこの要約を書いたと思います
	4月の初めに、イノベート???にこれとよく似た記事が書かれていたのを見ました。
	誰も…誰も私たちが記事をコピーしたとは思わないようにしたいのです。しかし、実際に私たちがやっているのは、モデル化の方法について話しているのです。
	ご存知のとおり、患者/ドナーの変動性とは、バイオ医薬品の非常にユニークなアプリケーションでドナー/ドナーの変動性をどのように考慮するかということです。
	さて、遺伝子・細胞治療についてお話します。まず最初に、なぜこれが新たな分野なのかについてお話ししたいと思います。
	そうですね。まず遺伝子治療と細胞治療がどのようなものかについて少しお話しして、その後でこの 2 つの治療の違いについて詳しく説明します。
	ここでの焦点は、ドナー間のばらつきをどのようにモデル化するかということです。固定効果として扱うのか、ランダム効果として扱うのか？
	では、私たちが興味を持つかもしれない特別なアプリケーションにはどんなものがあるでしょうか？まず、これは新しい領域だと言いましたが、非常に革新的で、非常に有望です。現在、10件未満しか存在しません。
	遺伝子治療や細胞治療といった治療法が市場に出回っています。しかし、現在開発中のものは1,000件以上あります。
	遺伝子治療や細胞治療には、非常にユニークな課題があり、非常に革新的な治療法であることも分かります。
	疾患、特に希少疾患に関しては、非常に独特な課題があります。一つは、もちろん、その効果、有効性をどうやって確認するか、そして安全性をどうやって確認するかということです。
	さて、もう一つは、私たちがこれから取り組むべき問題です。つまり、ドナー間のばらつきにどうやって対処するかということです。
	私が言っているのは患者間のばらつきだけではなく、ドナー間のばらつきにも焦点を当てたいからです。
	それでは遺伝子治療と細胞治療についてお話しましょう。遺伝子治療とは一体何でしょうか？
	皆さんもご存知のとおり、がんなどの多くの病気は、欠陥のある遺伝子を持って生まれたか、あるいは何らかの遺伝子が時間の経過とともに変異したことで発生します。
	これは非常にユニークな治療法で、一つは遺伝子治療です。遺伝子治療では何をするかご存知ですか？遺伝子を一つ置換するのです。
	健康な別の細胞に移すという話もありますが、実際には、ある種の遺伝物質を移植したり、遺伝子を追加したり、修正したり、あるいは実際には遺伝子を切断したりすることになります。これは2つの方法で行うことができます。例えば、
	特定の病気にかかっている人に対して、私たちができることの一つは、注射（ここでは「送達」という言葉を使いますが）することです
	それらの健康な遺伝子、つまりその遺伝物質を…その健康な遺伝物質を患者に移植するのです。
	他にできることとしては、血液や骨髄を採取することです
	患者から採取した遺伝子を移植し、それを患者に戻すことも可能です。つまり、生体内でも試験管内でも実施できるということです。さて、私が「私たちは…」と言うたびに…
	何らかの健康な遺伝子を患者や骨髄に注入するには、何らかの送達手段が必要です。これを「輸送手段」と呼ぶことにします。
	私たちはよく、これは患者に遺伝物質を届けるための手段だと言います。
	ベクターですね。これをベクターと呼ぶことにします。これは実に…非常にユニークな技術です。多くの場合、ベクターはウイルスです。
	ウイルスは確かにその遺伝物質を細胞に挿入することができます。では、特有の課題は何でしょうか？一つは、それが本当に機能するかどうか、そしてもう一つは、それが安全かどうか、ということですよね？
	まさに…私たちがよく10億ドルの価値がある質問と呼ぶのは、この遺伝物質を注入すると
	患者に投与したら、拒絶反応を起こすでしょうか？拒絶反応を起こすでしょうか、それとも体が何かが起こっていると認識するのでしょうか？
	そして、これらの細胞を殺し始めるのです。もう一つの非常にユニークな課題は、患者ごとに異なるロットであることです。
	そうですね。製造、開発、そしてそのロジスティクスについて考えてみましょう。遺伝子治療は細胞治療とどう違うのでしょうか？
	かなり重複していますが、細胞療法では、細胞を挿入することになります。必ずしも遺伝物質とは限りません。これらの細胞は遺伝子が改変されている可能性があります。
	材料ではなく、実際の細胞を採取して患者に移植し、これらの疾患を治療します。現在、これらの細胞は患者自身から採取するか、
	そうですね、あるいは彼らができることは、ドナーから移植することです。骨髄移植を考えてみてください。そのようなことをする時は、健康なドナーから何かを取り出して、それを移植するのです。
	患者に注入するわけですね。さて、これらはすべて試験管内で行われるということをご理解ください。実際に健康な細胞を患者に注入しているわけですから。
	何をしようとしているのですか？ 失われた細胞を置き換えようとしているのですか？
	病気の人たちですね。先ほどお話ししたように、皆さんにも同じような特有の課題があるのです。
	もうひとつは、ご存知のとおり、これら両方に対するもうひとつの障壁は、非常に小規模な製造であり、大規模には行えないということなのです。
	さて、少し後でわかると思いますが、課題の一つは、これを大規模にどう実現するかということです。どうやって…
	これを研究室の中だけでなく、より大規模な規模で行うことができるのです。
	そうです。先ほども申し上げましたが、この取り組みの障壁の一つは、有効性と安全性です。それが主な課題の一つです。
	もう一つの大きな課題は、もしあなたがそれを見ていたなら…これは異なる患者や異なるドナーで行わなければならないということです。どのように計算するかということです。
	ドナー間のばらつきについてはどう思いますか？ちょうど1時間ほど前に授業に出席していたのですが、ある人が全く同じことを言っていました。
	細胞療法においてはドナー間のばらつきを考慮する必要があり、それが私たちのプロセスで見られるばらつきの大部分を占めています。
	そうですね。それで、それについて考えてみてください。ええと、どう説明するんですか？
	よくあるのは、「ヒース、プロセス特性評価研究をやっているんだけど、もしかしたら1人のドナーでやらなきゃいけないかもしれない」って言うことですよね。だから、実現可能かもしれない…。
	それは実現可能かもしれないが、後ほど見ていくのは、商業的な製造プロセスを進めるときに、どのように考慮するかということだ。
	寄付者ごとにばらつきがあり、異なる寄付者に対してプロセスをより堅牢にしようとしているのでしょうか?
	ですから、ほとんどの場合、私たちはこれをやりたくないのです。ほとんどの場合、それは実現不可能であり、たとえ可能だったとしても、私たちはそれをやりたくないのです。
	そこで、複数のドナーを用意することにしました。さて、今日私たちが答えを出そうとしている大きな疑問は、ドナー間のばらつきをどう説明できるかということです。
	実験計画法を知っている人なら誰でも、すぐに思い浮かぶのは、先に進んでブロックしてみることです。
	そして次の質問は、固定ブロックにするべきか、それともランダム ブロックにするべきか、ということです。
	では、これらの効果はどのようなものでしょうか？それでは、科学者がこれを利用する様々な用途についてお話ししましょう。私たちがこれから行うことは
	私は…科学者役を演じるつもりです。アンドリューは科学者を助ける統計学者役を演じます。それで彼はアンドリューという名前で、私は科学者役を演じます。
	助けが必要な科学者ですね。それで、ブレイディという名前で呼ばれることにします。それで、助けが必要な科学者ブレイディは…
	何かお手伝いが必要ですか？一つは推論とプロセス特性評価の研究、そしてブレイディは工程能力を推定する必要があるでしょう。これは非常に重要です。
	プロセスバリデーションと商業生産に進む前に、プロセスの能力を理解する必要があります。そこで、従来の方法についてお話しします。
	通常の動作範囲というものを紹介します。これは、
	常に設定値にあるとは限らない、設定値を中心に変動する可能性がある、ということですよね。それから、何かやってみて、お見せしましょう…
	プロセスを評価し、プロセス能力を評価する別の方法として、「実証済み許容範囲」と呼ばれる方法を紹介します。これは、もしすべてが設定値にあるとしたらどうなるかという問いかけです。
	しかし、一つの変数は変動が許容されますよね？それは、工程能力はどうなるかということです。最後に、大きな課題の一つは大規模製造についてお話ししました。小規模製造と大規模製造の比較はどうすればいいでしょうか？
	アンドリュー、先ほど言ったように、私は助けを必要とする科学者ブレイディを演じます。皆さんには、メールを開いて、私が送ったデータセットを見ていただきたいと思います。
	ところで、アンドリュー、私が送ったデータセットについてお話ししてもよろしいでしょうか？ ええ、まさにその通りです。それで、アンドリュー、私がやったのはこれです。私のやり方は…
	最適な設計とプロセス特性評価を行い、時間、温度、pHを変化させました。そして細胞生存率を測定しました。
	副産物です。アンドリュー、JMPデータテーブルの列プロパティで既にこれを実行したことはお分かりでしょう。これはあなたが教えてくれたことです。
	しかし、細胞生存率を見ると、その周囲に仕様が示されています。そして、その仕様は…70～90の間です。
	アンドリュー、私たちは通常、細胞生存率を最大化したいのですが、プロセス能力を両面的に行うことを人々に示したいのです。それで、細胞生存率はこれを両面的に行うと言いました。それで、聴衆の中にはこう言う人がいるかもしれません。
	細胞の生存率を最大化したいと思いませんか？ここで私たちがやりたいのは、両面性を示すことです。
	わかりました。そして、35以下に抑えたい副産物があります。副産物を入れますが、
	遺伝子・細胞治療の世界では、これはエンドオキシンのようなものかもしれません。エンドトキシンのような、ある種のエンドトキシン、あるいはエンドトキシンの割合を最小限に抑えることを目指しています。はい、その通りです。それが…それがデータセットです、アンドリュー。
アンドリュー・カール	ありがとう、ブレイディ。それから、モデルスクリプトの第一段階をこちらに送っていただいたのも拝見しました。
	それを拝見していたら、3つの要因でRSM（相対湿度モデル）の実験を設計し、実行したんですね。時間、温度、pHですね。
	ここで気づいたのは、ノイズが多すぎるということです。これらの要因とあなたの反応の間には、あまり関連性が見られません。実際、
	分散分析表、
	何もないことがわかります…ここにはシグナルがほとんどないので、予測できるものもほとんどなく、重要でない効果を除外して後方選択でモデルを縮小しようとしても、
	何も見えません。一つお聞きしたいのは、これを実行した際に、この3つの要因以外に何か変化があったかどうかということです。
ヒース・ラッシング	いやいや、私はすべてをコントロールした
	私のプロセスです。さて、ここでお伝えしたいのは…
	異なるドナーで実験を行う必要がありました。つまり、24の実験すべてを1人のドナーで行うことなどできなかったので、実際には異なるドナーで実験を行う必要がありました。異なるドナーで実験を行っても、実際に問題になるのでしょうか？
アンドリュー・カール	分かりました。これは非表示の列なので、非表示にしましょう。
ヒース・ラッシング	ええ、ただ...実際に私がしたのは、アンドリュー、ドナーは私たちの目的のためにそれを記録しただけなのですが、それをどのように処理したらよいかよくわからなかったのです。
アンドリュー・カール	わかりました。ちょっとこれを見てみます。
	これをモデルに組み込んでみましょう
	として...
	ブロッキング効果として。すごい。
ヒース・ラッシング	見た目が少し違いますね。
アンドリュー・カール	はい、モデルダイアログに組み込むためにここで行ったことは、構成モデル効果の下にドナーを追加しただけです。これで加法効果としてドナーが追加され、細胞生存率にドナーが重要であることがわかります。では、副産物を見てみましょう。
	ドナーは副産物にとっても非常に重要です。そして、それが重要であるだけでなく、それを考慮に入れて変動性を考慮すると、
	いくつか重要な影響があることがわかりました。副産物については少なくとも一つはpHです。そして、副産物についてはいくつか重要な影響があります。
	細胞生存率ですね。ところで、これを作った際に、カスタム設計にこれを含めましたか？ドナー因子もそこに含めましたか？
ヒース・ラッシング	ええ、ご存知の通りです。最初にこれを始めた時は、よく理解していませんでした。設計には組み込んでいませんでした。
	これを覚えているかどうか分かりませんが、それは、何ヶ月も前のことですが、以前にもその話をしたと思います。
	そして、あなたは実際に私を助けてくれました。つまり、あなたがしてくれたのは、ええ、そこにあります、そこにあります。
	これがずっと前にやったことです。この分析のやり方がよくわからなかったのですが、
	それを事前に設計したいというのは理にかなっていると思います。あなたがそうおっしゃったのを覚えています。先ほどおっしゃったのは
	ねえ、他に何が変わるっていうの？ それで私は「もちろん、ドナーごとにばらつきはあるでしょう」と言ったら、あなたは「それを事前に設計しておきましょう」と言ったんです。もし私たちが…
	設計ではそのことを考慮に入れるようにするためです。設計は、ドナーの数やドナー 1 人あたりの実行回数に基づいている可能性があるためです。
アンドリュー・カール	わかりました。そうしていただいて本当に良かったです。
	モデルに組み込まれたこれらの要因、つまりRSMとドナーの3つの要因の間には、エイリアシングや交絡が見られます。例えば、
	高pHのものを1つのドナーで、低pHのものを別のドナーで全部使うようなことはしません。これらの要因は全体でバランスが取れます。これは素晴らしいことです。
	いくつか質問があります。このプロセスを進めるにあたり、寄付者としてはこの4名のみを利用されるのでしょうか、それとも他の寄付者も利用されるのでしょうか？
ヒース・ラッシング	うーん、いや。つまり、私たちが前進して、この治療法を患者さんに届けるとなると、
	ええ、本当にたくさんの健康なドナーが集まるでしょう？つまり…健康なドナーと呼ぶのは、もちろんこれらの細胞を患者さんに移植するからです。
	ご存知のとおり、これは私が私たちの細胞バンクから選んだ4つだけです。以前、私にこう言ったと思います。
	私たちがこれを始めたとき、あなたは…これはかなり前の話ですが、複数の寄付者がいる場合は、私たちは複数の寄付者を抱えていないことを確認する必要があると言いました。
	多数のドナーがいるということですが、ランダムにドナーを選ぶようなことを試してみてはどうかとおっしゃいましたね。それで私たちは、ランダムに何人かのドナーを選び、その中から4人を選びました。
	でも、おっしゃる通りです。今後、寄付者は4人だけではありませんし、その4人だけで結論を出すつもりもありません。アンドリュー、私たちが受けられる可能性のあるあらゆる寄付者について、結論を出せるようにしたいのです。
アンドリュー・カール	わかりました。ここで考えたいことの一つは、これを見て、先ほどお見せしたように、これは…
	これは縮小モデルであり、...
	後方選択によって、有意でない効果を除外しました。もう一つできることは、寄付者を固定効果として含めるのではなく、ランダム効果として含めることです。そうする理由は、
	グラフビルダーを開いて見てみましょう。ここに細胞生存率と副産物があります。細胞生存率は左側にあります。
	それぞれの色は異なるドナーであり、これらは実験結果から得られたものです。固定効果モデルは…推定値のみを算出しています
	1 つの分散成分、つまり誤差または残差分散成分が、これらの個々の分布のそれぞれに表示されます。
	そして、それが一定であり、同じであると仮定して、それらをまとめて推定値を算出します。
	固定効果を使用するには、これらの分布のそれぞれの平均を使用して、細胞生存率に平均シフトがあり、副産物に平均シフトがあることを確認します。
	しかし、ここで見られる分布間のばらつきは考慮されていません。例えば、細胞生存率のドナー3では、緑色はここまでですが、左側にあります。
	そして右端の紫色の部分です。つまり、ドナー間でばらつきがあるということです。つまり、もしあなたが
	信頼区間を構築したり、パラメータ推定値の標準誤差を取得しようとしている場合、
	それを考慮に入れなければ、見逃してしまう情報があります。つまり、これをランダム効果として扱うことが、この手法の利点なのです。
	ドナーが4人いるなら、それは実現可能です。ドナーが2人しかいないなら、それは不可能です。
	3というのは、できることの限界に近いです。なぜなら、実際には、ドナー全体の数だけについて、追加の変異成分を推定しているからです。つまり、この場合、追加の変異成分が1つあることになります。
	サンプルサイズは基本的に4なので、実現可能な範囲です。それがどのようになるか見てみましょう。
ヒース・ラッシング	アンドリュー、質問してもいいですか？もう一度、その話をしてもらえますか？あれは…すごく気に入ったみたいで…
アンドリュー・カール	ええ、ええ。
ヒース・ラッシング	これについてちょっと質問させてください。あなたが…あなたがこれをやっている時、ドナーごとのばらつきは考慮していませんでしたが、それは…それは一体何をもたらすのでしょうか？つまり、それらを全部まとめて、一つの大きな分配のようにするのでしょうか？
アンドリュー・カール	さて、それではこれをもっとよく理解するために、これに答えましょう
	私たちが進むにつれて
	モニターレポートは両方ですが、
	それは今後の予測に役立ちます
	固定効果モデルです（ここで十字線をオンにします）。固定効果モデルでは、この4人の寄付者の平均は
	80. そして、この幅をそのまま使います。標準値を計算できると仮定しましょう。
	これらのいずれか 1 つずつの偏差と、ドナー内変動のみを使用して 80 を中心とした変異の量で表示される分布になります。
	ランダム効果モデルが行うことは、細胞生存率の結果を予測する場合、つまり、
	私たちは、この変動領域内でサンプルを採取するだけでなく、その母集団に似たドナーをランダムに選び出すつもりです...
	この4人と同じ集団から来ています。つまり、平均値は実際には80ではなく、75に近いかもしれません。
	82に近づくにつれて、変動の要因がさらに増え、
	必ずしも平均値の推定値ではなく、信頼区間と予測区間の変異推定値なので、追加の変動性を反映するためにそれらは広くなります。
	そうしないと、自分の予測とその間隔の広さに自信過剰になってしまうでしょう。
ヒース・ラッシング	私はサプライズが好きではないので、これはとても助かりました。
アンドリュー・カール	はい、それではこれを見てみるといいでしょう。
	それで、これらについてお話ししたいと思います。
	左側では既に見てきましたが、寄付者を固定効果として含めています。右側では寄付者を固定効果として含めます。
	ランダム効果。モデルダイアログを参考に、これをランダム効果に変更しただけです。
	そしてこれを実行します。
	はい、右側に表示されているのがこれです。
	いくつか注目すべき点があります。まず、寄付者が効果の要約に表示されなくなり、パラメータ推定値にも表示されないことにお気づきかもしれません。これは、寄付者がモデルに組み込まれる方法が変わったためです。つまり、寄付者はもはや固定効果ではありません。
	もう一つ…予測値と実測値に大きな差があることがわかります。つまり、固定効果モデルの方が優れているように見えます。
	一見するとランダム効果モデルよりも優れていますが、ジョイントプロファイラーまでスクロールすると、
	縦軸は両者で同じで、信頼区間も広いことがわかります。
	ランダム効果モデルでは、少し違和感があるかもしれません。しかし、なぜそうなるのかをもう少し深く掘り下げて考える必要があります。
	その例として、ここにある副産物の予測式を見てみましょう。副産物については、これら2つのパラメータ推定値を見てみましょう。
	私たちは...を持っていることがわかります。
	つまり、pHは唯一の重要な効果であり、両モデルで有意な効果です。さらに、固定効果モデルではドナーも重要な効果です。予測式では…
	ランダム効果モデルの場合…固定効果モデルの場合、予測式はドナーの種類によって決まります。そのため、予測式を作成するには、pH情報を含め、
	どの寄付者が寄付したかという情報もあります。ここでは寄付者をコントロールしています。そして、else=> 0 と表示されます。これは一種の
	ヒューリスティックな解決策です。これは固定効果モデルには組み込まれていませんが、新規ドナーの場合はゼロと仮定するだけです。ドナーによる影響はありません。
	そして、この一般的な...新しい寄付者への一般化は、固定効果モデルには実際に組み込まれていません。ランダム効果モデルにもう少し組み込まれており、この場合は、一種の...
	幸運なことに、固定効果モデルとランダム効果モデルの切片と傾きのパラメータ推定値が同じであることがわかりました。しかし、必ずしもそうなるとは限りません。
	ここでは主に、これらがカスタム デザインからの直交デザインに近い機能になります。
	しかし、こちらにはプラスドナーに関する情報は何もございません。
	右側のランダム効果モデルは混合モデルであり、周辺モデルと呼ばれます。つまり、寄付者全体の平均的な反応を示します。
	一方、左側の固定効果モデルでは、条件付きモデルとなり、それぞれに条件が付けられます。
	寄付者です。混合モデルの予測プロファイラーで、条件付き予測を選択した場合、
	今、私たちは...を持っていることがわかります。
	これらは左側に表示されているものと比較的似ています。また、依存関係を確認できるのも便利です。
	ドナーについてです。これが各ドナー内の応答曲面です。
	これは、固定効果モデルの予測プロファイラーでは少しわかりにくいかもしれませんが、隠れています。
	非表示になっている理由は、これがブロック要因であり、予測プロファイラーに自動的に表示されないためです。ただし、リセット要因グリッドを使用してこれをオンにすることができます。
	寄付者を表示することで、この反応が寄付者によってどのように左右されるかが分かります。ここで、これらの寄付者以外にも推論を一般化したい場合は、
	ここで混合モデルの利点が出てきます。個々の寄付者に依存するのではなく、寄付者全体を平均化できるからです。最後に、本題に入る前にお見せしたいのは
	ブレイディ、あなたに戻って、なぜこれがこんなに悪く見えるのか説明できないのは
	固定効果モデルで予測した実際の結果は？これは寄付者をコントロールできるという利点があるからだ
	ここでこれらの予測式を使っています。つまり、ノイズが除去されているわけですが、こちらは寄付者をコントロールせずに私が予測した実際の値です。もしJMP Proをお持ちでしたら、ぜひご覧ください。
	同じモデル。
	標準的な最小二乗法の代わりに混合モデルに切り替えると、これらの両方のプロットが得られます。
	標準的な最小二乗法です。しかし、裏では、これらをコントロールすると
	ランダム効果…ランダム効果予測値を用いると、基本的に固定効果モデルの適合度と同じ結果が得られます。つまり、固定効果モデルの方が優れているわけではなく、条件付きモデルと、その2つのモデルの間の周辺モデルを比較しているだけなのです。
ヒース・ラッシング	わかった。
	では、2つほど。まず、固定ブロックのリセット係数グリッドを見せてくれてありがとう。批判したりしないでほしいんだけど、ただ…
	ただの科学者です。JMPの専門家ではないので、JMPの存在すら知りませんでした。本当に素晴らしいですね。
	2つ目は、このアプローチが本当に気に入っているということです。ランダム効果としてこれを使うのが本当に気に入っていますし、特に次に本当に必要なのは、工程能力を評価することですから、理にかなっていると思います。
	そして、本当に私が知りたいのは...
	これら 2 つには、両方とも仕様があります。
	今後、製造設備について、そして工程能力に関して期待されるものを提供する必要があります。仕様外の割合、CPKなどについて教えてください。教えていただけますか？
アンドリュー・カール	はい、仕様制限の仕様を列プロパティとしてここに入力するのは良いことです。これはすでに読み込まれています。これで...
	その情報、それでこれから先、このプロセスを繰り返すと、ドナーが増え、さまざまな要因の設定に応じて、新しい観測値の何パーセントが仕様限界外になるかがわかりますか?
	予測プロファイラーに進み、シミュレーターを使ってみます。
	言及したかったことの一つは、先に言及すべきだったのですが、これらの追加...これらの信頼区間の追加の広さは、寄付者をコントロールしているためにここではより小さくなっているという事実から生じています。
	しかし、この余分な変動はどこから来るのでしょうか?
	これは、この REML テーブルから取得されます。先ほど述べたように、2 つの分散コンポーネントが得られます。つまり、ここでは残差分散と呼ばれる誤差分散が得られます。
	また、ドナー間の差異、つまり分散も考慮する必要があります。この場合、副産物の変動の93%はドナー間の差異です。いかがですか？
ヒース・ラッシング	ええ、ええ。そして、前にも言ったように…その前に、こんな会話をしたんです。
	私が先ほど言ったのは、皆さんが私に、ブロックする必要がある何か違うものを使用する予定かと尋ねるたびに、寄付者ごとに大きなばらつきが見られると思うと答えたということです。ですから、それはまったく驚きではありません。
アンドリュー・カール	さて、ここで指摘しておきたいのは、固定効果モデルでは少し隠れているのですが、ここで誤差の変動性を確認したい場合は、ANOVA 表を見ることができるということです。
	平均二乗誤差、つまり誤差変動、残差変動を見ると、副産物は .8477 になります。
	混合モデルの副産物を見ると、0.847となっています。これは…両モデルの残差変動によるものです。
	どちらのモデルでも基本的に同じ量を推定しています。しかし、このモデル、混合モデルでは、ドナーに関する追加の分散成分が得られ、それがこのプロセス特性の理解に役立ちます。
	ご質問の「能力分析」についてです。それでは、その分析を見てみましょう。では、どうすれば…
	固定効果モデル?
	繰り返しになりますが、寄付者は変わるので、価値観も変化する可能性があります。ですから、シミュレーターを起動すると、実際には唯一の選択肢は
	ドナーが複数いる場合は、それほど悪い近似値ではありませんが、これを見てみましょう。ランダムノイズを追加すると、次のようになります。
	これらの値は MSE の平方根から得られるため、これが分散となり、この .8477 の平方根がエラー変動の標準偏差になります。
	また、REML テーブルでも、デフォルトではオンになっていませんが、右クリックして列の平方根分散成分をオンにすると、ここでそれが表示されます。
ヒース・ラッシング	もう一つのトリック。ありがとう。
アンドリュー・カール	うん。
	つまり .92 です。これは同じです。この .92 は、モデルですでに検出されたエラー変動を含めた値です。
	今シミュレーションしてみると、
	狭い範囲が得られましたが、これはドナー1とドナー2のシミュレーションで、平均値が上方にシフトしているのがわかります。
	ドナー 4 の場合。ここよりも小さいドナー 3 にシフトする場合は、シフトダウンします。
	そこで、近似値を求める方法の一つとして、ドナーをランダムに設定するという方法があります。これは、利用可能なドナーに対する一種のブートストラップとなります。そして、標準偏差が2～3にまで達しているのが分かります。
	混合モデルでは、ドナーのランダム効果があり、残差変動だけでなく、全体の変動も存在します。
	ドナーも含めた変動性は約3.5です。しかし、そうするとシミュレーション分布は不自然に凸凹してしまいます。これはドナーが4人しかいないことによる影響です。
	最良のアプローチではありませんが、固定効果モデルで実行できる最良の方法の 1 つです。
	また、あまり詳しくは触れずに指摘しておきますが、寄付者の推定値についてです。
	固定効果モデルの予測値は、混合モデルのランダム効果予測値と非常に似ています。違いは、混合モデルでは、この分散比に基づいて適切に縮小されることです。これは「
	これらの推定値の縮小特性により、より正確な予測が可能になり、ドナーの変動性のより正確な推定が可能になります...
	ドナー効果についてです。これ以上詳しく説明はしませんが、両者はよく似ていますが、小さな違いがあることを指摘しておきます。ご自身で確認する必要がある場合に備えて。
	しかし、ここでランダム ドナー効果のあるモデルでこれをどのように実行できるかを見てみましょう。シミュレーターをオンにします。
ヒース・ラッシング	わかった。
アンドリュー・カール	正しいやり方をお見せする前に注意点が1つあります。ここで条件付き予測をオンにしてノイズを追加しようとすると、
	そして、ノイズは現在このように設定されています...これは、固定モデルで見たものと非常に似ていますが、それは現時点での残差変動を含めた現時点でのものです。
	しかし、この条件付きプロファイラーでこれを実行しようとすると...
	ドナー3に変更してみると、ドナーを変えても上下に変化しないので、同じ効果を試さないでください。条件付き予測とシミュレーターに何か問題が起きているようです。
	条件付き予測のシミュレーションは行いません。…からシミュレーションを行いたいのです。
	デフォルトではそのオプションはオフになっています。
	しかし、ここでは、この広い信頼区間に比べて、このような狭い分布があることがわかります。
	理由は、このデフォルトの標準偏差が、私たちが使いたい正しい標準偏差ではないからです。ここでREML表を見てみましょう。ドナー内の変動だけでなく、全体の変動も知りたいのです。
	したがって、ここでの合計変動標準偏差は 3.53 です。
ヒース・ラッシング	わかった。
アンドリュー・カール	副産物については、REML テーブルを使用してこれを変更します。
	そして、私は先ほど制御を保持して放送しなかったため、これを追加します
	再び平方根分散成分はここにあります、3.16。
	そして、これをシミュレーションしてみると、
	この広い分布は理解できますが、
	ええ、それは
	同じ集団からの追加ドナーによって今後どのような変化が見られるかをより正確に反映し、欠陥率をより正確に推定できるようになります。
	これを、ここに見える凸凹した分布、人工的に凸凹した分布と比べてみてください
	固定モデルの場合です。1,000人の寄付者がいるとします。もちろん予算は確保できませんが、仮に確保できたとしたら、これらの分布は近似値になり、標準偏差もそれほど大きく離れていないことがわかります。どちらも3.1と3.5に近づいています。
ヒース・ラッシング	そうですね...ランダム効果モデルは私たちが実際に期待するものだと思います。
	ええ、それは私たちが期待していた通りです。特に寄付者が多い場合はなおさらです。わかりました。
アンドリュー・カール	それで、これらはすべて固定されていることに気づきました。これは、能力分析でも同じ方法で行うことをご希望ですか？
	ほら、ドナーからの変動とエラー変動だけがあって、それを修正したのですよね？
ヒース・ラッシング	ご存知のとおり、これは私たちが伝統的に行ってきたやり方です。しかし、私が取り上げたいことが 2 つあります。
	一つは「通常動作範囲」と呼ばれるもので、例を挙げて説明しましょう。では、通常動作範囲とは具体的に何でしょうか…
	時間のようなものを考えてみましょう。時間は修正できるものです。例えば、5.5で修正したいとします。5.5と入力すると、5.5時間から進み、その後止まります。
	しかし、温度とpHはそうではありません。温度を例えば
	27.45とか、ある設定点ですが、そのあたりで、ある程度の自然な変動が起こります。
	あるいは、バイオ医薬品業界だから、温度は一定ではないので、それをプロセス能力の観点から考慮することは可能でしょうか？
	通常の動作範囲
	???
アンドリュー・カール	さて、歴史的にどれくらい変動しているか、お分かりですか？ 基準となるものは何でしょうか？ JMPでは、これを固定ランダムに設定できます。
	そして、平均は
	27.45。
	そして、もし何かアイデアがあれば、そしてそれを pH についても行うことができます、そしてそれらがどれくらい妥当な標準偏差であるか、そしてそれがどれくらい変化するかがわかっていれば。
ヒース・ラッシング	ええ、そうですね。過去にいくつかのデータ解析をやったことがあるんですが、そういうのを見ると、95%の確率で分布のように見えると思います。
	そうですね、プラスマイナス 1 の間になるはずですから、標準偏差は 0.5 くらいになると思います。
	温度については、わかりました。pHについては、6.54に設定した場合と、6.5を送信した場合では、おそらく同じくらいになると思いますが、例えば…
	あなたが知っている、
	標準偏差は 0.1 になります。
	そして、私たちの設定ポイントは...
	設定温度は、えっと…温度は何度だったかな？27.45度と6.54度だったかな？
	6.5、6.5だと思います。
ヒース・ラシング	見てみましょう...
ヒース・ラッシング	20…そう、6.5。6.5で、温度は27.5。そういうことですね。はい、はい、わかりました。まさにそれこそが私が言っていることです、アンドリュー。これは「正常動作範囲」と呼ばれていて、工程能力を推定する際にはそれを考慮に入れたいのです。
アンドリュー・カール	さて、これらの設定を有効にして、ドナーの変動の合計とエラーの変動を取得しました。
	シミュレーションを行うと、追加の変動性が得られます
	これは要因の変動によってもたらされ、欠陥率に反映されていることがわかります。
	そしてまた、
ヒース・ラッシング	ここでも指摘しておきたいのは、
アンドリュー・カール	実行にそれほど時間がかからないので、実行回数を増やすこともできます。
	より良い推定値を得るために。また、より滑らかな分布を得る方法については、こちらのシミュレーションをご覧ください。
	そして、これらの値を表にシミュレートすることもできます。各シミュレーションごとに異なる行が表示され、そのシミュレータ設定での予測細胞生存率と副産物を確認できます。これを使用して追加の分析を行うことができます。
ヒース・ラッシング	そうすると、
	CPKですよね？つまり、その方法でやれば、CPKの推定値が得られるということですか？
アンドリュー・カール	はい、はい、それを一緒に手に入れることができます。
ヒース・ラッシング	はい、素晴らしいですね。まずは、通常の動作範囲をどう考慮するかという点ですが、もう一つ、プロセス能力について触れておきたいことがあります。ご存知のとおり、これは必須ではありません。
	しかし、私たちは実証済みの許容範囲と呼ばれるものに注目しています。これが実証済みの許容範囲です。
	温度とpHを設定値に設定し、変化させなければ、
	しかし、私は時間を低と高の設定の間で変化させることを許可しており、これが低くなるのと、これが高くなるのとでは、同じように起こり得るのです。
	高い設定値だとどうなるでしょうか？工程能力はどうなるでしょうか？実際に私たちがやっているのは、2つが設定値で、1つが変動しても、許容工程能力の範囲内であることを証明することです。では、どのように対処すればいいのでしょうか？
アンドリュー・カール	はい、つまり時間と温度と pH が設定値に達しているということですね。
ヒース・ラッシング	そうです。
アンドリュー・カール	ただし、時間によっても変化する可能性があります。
	そこで、通常と言う代わりに、これを均一に設定します。
	これらは、現在の実験からの低設定と高設定で、1.9 から 9.1 です。
	必要に応じて変更することもできますが、それは...
	私の聞き間違いではありませんか？それは…
ヒース・ラッシング	それはそうでした...それはまさにそれでした...
	まさにその通りです。だからもし私が…もし私がそんなことをしたら…本当に、本当に…
	この場合、これらを変えることはできるのでしょうか？実験では2から9の間としましたが、実証済みの許容範囲が本当に正しいのかを確認したいのですが、つまり、それを何らかの方法で変更することはできるのでしょうか？
	はい、できますよ。ええ、私もそれすら知りません。
	はい、これらを変更して、それがどうなるかをシミュレートすることもできます。これは実証済みの許容範囲と呼ばれます。
	これら2つを修正します。これを示していただき、ありがとうございます。でも、自分で試してみます。それぞれについて、時間についても、温度についても、そして
	pHについては、許容できるプロセス能力があることを確認するために行います。
アンドリュー・カール	はい、いいことに、ここではそれが本当に簡単にできます。
ヒース・ラッシング	もう1つだけ見せてもらえますか？ ええ、それでは、25と30の間をやってみてください。25と30の間は均一です。25と30です。わかりました。それを表にシミュレーションしてもらえますか？
	表を作成して、ただ見るだけです...私は...細胞生存率と副産物の分布だけを見ます。
	ああ、その通りですね。確かにプロセス能力が身につきますね。素晴らしいですね。
アンドリュー・カール	なぜなら、あなたは労力を費やし、節約するからです
	これを仕様制限の列プロパティとして使用します。
ヒース・ラッシング	それは…とても簡単ですね。わかりました。ありがとうございます。私がお聞きしたいのは…もう一つデータセットも送りました。
	私たちが見ているのは
	小規模と大規模の比較を行うということですね。そして、比較によって私たちが本当にやろうとしているのは
	つまり、小規模での実行がいくつかあり、大規模での実行がいくつかあり、CQA(?) については、それらがまったく同じではないが、ある種の範囲内にあることを示したいのです...
	ある種の限界、つまりある種の実用的な意義があり、それは比較可能性と同等と呼ばれます。それが何であるかはご存知だと思いますが、ドナー間のばらつきをどのように考慮すればよいのでしょうか？
アンドリュー・カール	はい、ええ、見ました。それも見ました。それで…
	まず、前のデータセットを見たときと同じように、寄付者の情報を含めない場合に何が起こるかを見てみましょう。
	わかりました。細胞生存率については、EAC 相当の基準 2 を使用しているとおっしゃいましたね。
	そしてここで私たちが見ているのは
	最大のP値は…帰無仮説を棄却しないことです。つまり、この場合、同等性が検出されないということです。
	これらは実際には同等のプロセスであるとあなたが考えているという私たちの期待とは一致しません。
	つまり、何が起こっているかというと、情報が寄付者の雑音の中で失われているのです。
	そして、例えば....
ヒース・ラッシング	それを見るといつも…ちょっとだけ上にスクロールして
	ちょっと待ってください…わかりました。わかりました。グラフ上の点が、その差を示しています。
	マイナス0.49
	グラフ上で見ると、大きすぎるわけではないのですが、非常に幅広く見えるのです。
	わかった。
アンドリュー・カール	これは、信頼区間の幅の推定に追加の変動が加わるためです。
	ブロック化によって見積りから変動性が取り除かれることを覚えておいてください。
	アカウント...
ヒース・ラッシング	わかった。
アンドリュー・カール	まさにここで起こっていることです。どちらの場合も、大規模と小規模の同等性は検出されません。
	細胞生存率または副産物についてです。このレポートには多くの情報が含まれていることがわかります。設定にはかなり手間がかかりましたが、後でもう1つお見せします。今お見せしたいのは、ドナー効果をランダム効果として含めたということです。
	そして今、あなたは見ることができます
	P値が小さいので棄却します。つまり、細胞生存率のEACが2であることと、最大P値を考えると、同等であると結論づけていることになります。
ヒース・ラッシング	その3つ。
アンドリュー・カール	EACの3つについては
	製品ごとに設定する方法ですが、皆さんはもう1分ほどで別の会議に移らなければならないと思うので、これをお見せしましょう。
	スケールは設定できたので、とりあえず細胞生存率だけを検証します。ドナー効果を考慮しないテストの設定は以上ですが、ドナーを追加すればランダム効果として保存できます。
	モデルを実行します。
	そして推定や多重比較を行います。
	全員ペアで。生徒T：では、ここから
	同等性テスト。
	はい、EAC 2 を使用してください。
ヒース・ラッシング	うん。
	そして、それらの信頼区間から、たとえば 2 つの P 値までが表示されます。
	信頼区間からもわかります。
	私の親友のクリスは博士課程で音程を研究していたので、彼も私も音程が大好きです...
	間隔が大好きです。スキーをしている時に彼はいつもそれについて話しますが、それは95%信頼区間の下限と上限を指し、それと比較することになります。
	はい、以上です。
アンドリュー・カール	うーんと。
	最後に、先ほど、寄付者にとってのランダム効果と固定効果の利点について話しました。
	比較可能性や同等性検定ではなく、パラメータ検定のみです。JMP Proを使って検出力分析を行いました。JMP Proでは混合モデルを構築すると、
	混合パーソナリティの下に、「保存」という便利な機能があります。「シミュレーション式を保存する列」です。さて、これは…
	ここに入ると、混合モデルのシミュレーションが非常に簡単になります。設定を変更できます。
	それで、混合モデルでシミュレーションを行った後、ドナーを固定効果とランダム効果のどちらで扱うか、どちらが良いかを調べるために検出力分析を実行しました。少なくとも私が実行したケースでは、より高い検出力が得られました。これは、ここのボックスで確認できます。検出力は
	同じテストでのランダム ドナー効果は .62 でしたが、... は .52 でした。
	固定効果については、どちらも名目誤差率を維持していたので、調べてみたところ、同等性検定においてドナー効果もランダムとして扱うことにメリットがあるかもしれないと思いました。
ヒース・ラッシング	ええ、アンドリュー、あなたが私を確信させてくれたと思います。私たちが前進していくにつれて、
	細胞療法に携わっている以上、ドナー間効果は常に存在するものだと思います。今回の経験から、これをランダムブロック効果として捉えることが理にかなっていると確信しました。
	皆さん、プロセス能力と比較可能性という非常に重要な2つの要素の両方を見るというアプリケーションを楽しんでいただけたと思います。
	製薬業界やバイオ製薬業界の科学者やエンジニアにとって、私たちが話した非常に具体的な応用は非常に
	遺伝子・細胞治療と呼ばれる革新的な治療法を開発しており、
	推論処理能力と比較可能性の両方をどのように実現できるかをお見せすることで、皆様に価値を提供できると確信しています。カンファレンスでお会いできるのを楽しみにしています。この件について再度ご説明し、ご質問にお答えいたします。
アンドリュー・カール	ありがとう、ブレイディ。感謝するよ。ブレイディ、名字が聞き取れなかったんだけど。あれは何だったっけ？
	ブレイディ、ブレイディ。
	ブレイディ。
ヒース・ラッシング	はい、私の名前はブレイディです、私の姓はブレイディです、そうです。
アンドリュー・カール	わかった。
ヒース・ラッシング	素晴らしいですね、そうそうそうそう。
アンドリュー・カール	ありがとう、アンドリュー。感謝します。ええ、皆さん、ご参加ありがとうございました。

高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査実験計画法品質およびプロセスエンジニアリング信頼性分析