| Vocero |
Transcripción |
| Heath Rushing |
Todos aquellos que corren por el Mar Rojo. |
| |
cintas. |
| ROBYN GODFREY |
sí. |
| |
Quizás esté un poco obsesionado. |
| |
Hola, ¿cómo estás? |
| Heath Rushing |
Bien bien, porque esto es para siempre. |
| ROBYN GODFREY |
Bien por ti, oh. |
| Heath Rushing |
Sí, oh sí. |
| ROBYN GODFREY |
Oh, bien, oh. |
| |
Revisa mi lista de verificación aquí para asegurarte de que lo estoy haciendo correctamente. |
| |
Entonces voy a grabar. Bien, entonces sabes que te grabarán, ¿verdad? |
| |
Soy. |
| |
Tu micrófono habla un poco así que voy a escucharte. |
| Heath Rushing |
Hola elenco 123. |
| ROBYN GODFREY |
por ciento. |
| |
devolver. |
| ROBYN GODFREY |
Silencia todo tu teléfono y todo tu ordenador. |
| Heath Rushing |
Sí, Andrew, Andrew se va a unir también. |
| |
esa es una cosa, no estoy seguro de cómo funcionó, seguro que hice un póster por mi cuenta, así que este año lo que haremos es que llegará un punto en el que él... |
| |
Toma la pantalla. |
| ROBYN GODFREY |
Bueno. |
| Heath Rushing |
Así que iremos por mí con él, pero no vamos a cambiar de ida y vuelta. No lo haré. |
| |
No confundir las cosas ya sabes a qué me refiero. |
| ROBYN GODFREY |
Está bien, la última vez me olvidé de apagarme porque comencé a grabar, seguro que les encanta. |
| Heath Rushing |
Florida. |
| |
Florida Florida vive justo en la playa. |
| ROBYN GODFREY |
Bonito, bonito. |
| Heath Rushing |
Sí, sí. |
| |
Lanta, Colorado, así que volveré allí en septiembre para ir a jugar en el terreno. |
| ROBYN GODFREY |
Oh, es bueno. |
| |
sí. |
| Heath Rushing |
sí. |
| ROBYN GODFREY |
Estaba en el refrigerador, nada aquí ahora mismo, harto de la humedad y el calor opresivo. |
| Heath Rushing |
donde vives cerca de la costa de Carolina del Norte, ¿verdad? |
| ROBYN GODFREY |
A unas cuatro millas tierra adentro se encuentra el vuelo del pájaro. |
| |
Bueno. |
| ROBYN GODFREY |
Sí, estoy muy cerca del río, el río Cape Fear y luego. |
| |
sí. |
| ROBYN GODFREY |
Así que está el río y luego, al final del camino, está la película llamada Snow Sky, es como un corte del río a la vía fluvial, sí. |
| |
Sí, ahora hay muchos chicos muy cerca, como un montón de ellos. |
| |
Agua pero no es como un acceso a la playa ni nada de eso es solo. |
| |
Sí, recuerdo el Canal Intracostero, pero los océanos están un poco más lejos. |
| |
Pero corrí en la playa esta mañana, así que lo bueno de vivir aquí es que puedo hacerlo. |
| |
Si a primera hora de la mañana no hay mucho tráfico se puede llegar a la playa y llueve a cántaros y vimos un amanecer precioso. |
| |
Así que deja de llover algo sobre la retina. |
| |
qué lindo. |
| Heath Rushing |
Sí, para mí, vivo en la parte de la playa donde vivo, es el final, así que hay 10 millas en dirección a National Seashore. |
| |
Nada más que 10 millas. |
| |
Así que hay una, hay una, hay una bicicleta. |
| |
Carril de bicicletas. |
| |
Sí, y hay un carril bici durante unas tres millas y luego durante siete millas hay un carril bici, hasta llegar al bar. |
| |
Lindo. |
| ROBYN GODFREY |
Pensilvania, que. |
| Heath Rushing |
¿Habrá playa, playa, sí? |
| ROBYN GODFREY |
Estábamos en Destin. |
| |
Tiempo de Navidad. |
| |
sí. |
| ROBYN GODFREY |
Sí, como esa zona en todo ese 38. |
| Heath Rushing |
Bonita zona de un año de antigüedad. |
| |
Oh sí. |
| ROBYN GODFREY |
Muy bien, tendremos que esperar a Andrew. |
| Heath Rushing |
¿Estás bien? Sí, no, no, no, no, definitivamente lo esperaremos. |
| ROBYN GODFREY |
Está bien, sí. |
| Heath Rushing |
Está bien, déjame. |
| |
Envíame un mensaje, espera. |
| |
Señor. |
| |
Si me acabas de enviar un mensaje. |
| |
Lo que voy a hacer es hacer la primera parte con la diapositiva, algunas diapositivas simplemente para presentar a alguien que es la terapia genética. |
| |
Y luego diré, oye, voy a jugar como con los científicos y Andrew, acabo de enviarte un conjunto de datos y necesito ayuda y luego él y yo tendremos una conversación y luego él se encargará de ello con John, así que. |
| |
Pensé que sería una buena manera de hacerlo. |
| |
Y realmente simplemente descubrimos esa cuestión de la interacción. |
| |
Lunes |
| |
Ya sabes, teníamos esto que íbamos a hacer, y luego pensé, pero necesitamos alguna forma de interactuar, lo que estaba tratando de resolver es esto. |
| ROBYN GODFREY |
Necesitamos como hombres en el periódico a mí y a Rob y a mi compañero de trabajo Ted y... |
| |
Todo el vídeo y es bastante cómico. |
| Heath Rushing |
Siempre intentamos hacer eso. |
| |
Estoy a favor de usar agua caliente, pero siempre tratamos de asegurarnos de agregar algo. |
| |
Que es entretenido porque. |
| |
Estoy jugando, jugando y hablando por un minuto, especialmente si estás en una pantalla ahora mismo. |
| |
Sí, ¿podrían dar una charla sobre esto? |
| ROBYN GODFREY |
Lo hicimos como si fuera un escenario. |
| |
A la gente le gusta trabajar en un entorno de producción, en un entorno de fabricación. |
| |
Sí, entonces hicimos algo así como un escenario en el que un gerente decidió contratar a un consultor para que viniera y creara una aplicación. |
| |
Y luego el consultor se va y ellos están tratando de conseguir que los sellos se fabriquen correctamente y están fallando y los consultores se van y el código no funciona. |
| |
Y entonces es como lo que podrían tener, ya sabes, si hubieran tomado la ruta JMP, y ya sabes, acabamos de hablar de las cuatro R: reproducibilidad, robustez, rapidez, ya sabes, capacidad de respuesta. |
| |
Nos concentramos en crear tres escenarios diferentes y lo llamamos "apuestas con tus datos", así que hicimos todo este tema de apuestas. |
| |
caminar y, al final, sin embargo, es la mejor parte porque tenemos a Kenny Rogers cantando y, como las tomas descartadas de nosotros haciendo este video y es... |
| |
Las tomas descartadas son siempre la parte más divertida, ¿no? Y Rob hizo todas estas tomas descartadas, como las de Kenny Rogers, el mismo jugador del final, y tiene estos créditos que son muy divertidos, así que comenzó como en vivo. |
| |
Pero fue realmente divertido, ya sabes, solíamos desempeñar un papel diferente, como, ya sabes, un gerente de proyecto o un ingeniero, ya sabes, simplemente lidiando con diferentes escenarios y nuestra producción, entorno y cómo podrían haberlo hecho mejor. |
| |
Si lo tuvieran sí. |
| Heath Rushing |
Sí, sí. |
| ROBYN GODFREY |
Y luego, Rob hace demostraciones, ya sabes, diferentes cosas que haces usando el generador de perfiles y eso es todo lo que puedo decir. |
| Heath Rushing |
Que no nos gusta hacer muchas diapositivas. |
| |
Pero veamos quién se unió a nosotros. |
| |
Mira la hora para unirte a nosotros. |
| |
Hola, hola Andrew. |
| Andrés Karl |
Hola, corre. |
| Heath Rushing |
Llegas temprano entonces. |
| Andrés Karl |
Sí, llego cuatro minutos antes, buena cuerda. |
| |
sí. |
| ROBYN GODFREY |
Así que él es tu pequeño, como tu cámara, tipo hola. |
| Heath Rushing |
Hola mi nombre. |
| ROBYN GODFREY |
Sí, como si necesitaras bajarlo un poco para ver más de ti. |
| |
Haciéndolo hermano. |
| Andrés Karl |
No quiero eso. |
| Heath Rushing |
Yo no, yo no, yo tampoco, yo tampoco Me refiero a lo que pone mi cara. |
| ROBYN GODFREY |
Como justo debajo de tu barbilla y. |
| Heath Rushing |
Siempre decidí ir como ayer a buscar citas anuales con el dermatologo donde tambien te quitan la suciedad de las cosas, asi que ya veras. |
| |
Manchas rojas en eso, sí, sí, quiero decir, es como si siempre ni siquiera hubiera pensado en eso, oye, tengo el día libre, ya sabes, ¿cómo lo hacían a menudo y de verdad? |
| |
Una gran parte fue por si acaso necesitaba hacer algo con la presentación y, entonces, ya sabes, vas un rato al jardín. |
| ROBYN GODFREY |
Grandes tragamonedas para nada. |
| Heath Rushing |
Sí, bastante, bastante. |
| |
Sí, sí. |
| |
sí. |
| ROBYN GODFREY |
Está bien, entonces voy a apagar mi cámara. |
| |
y buscar, tengo que hacerlo. |
| |
Me pierdo aquí, aquí vamos. |
| Heath Rushing |
Hola, Andrew en un momento dijo: "Voy a interpretar al científico, voy a hacer la primera parte de las diapositivas". |
| |
Hola, voy a interpretar a los científicos. Ya sabes, tú interpretas a Andrew, el estadístico. Yo realmente interpretaré a los científicos con datos. |
| |
Y luego diré Andrew y diré Está bien, entonces déjame comenzar, Andrew, acabo de enviarte un conjunto de datos, mis dos respuestas o la habilidad de alguien y el subproducto. |
| |
¿Lo entendiste? Y luego, a partir de ahí, está bien, así que siempre que digo ese tipo de cosas, puedes seguir adelante y comenzar a compartir la pantalla que ves que dicen. |
| Andrés Karl |
Lo tengo, sí. |
| ROBYN GODFREY |
¿Quieres que Andrew esté aquí? |
| |
Al mismo tiempo que estás hablando él puede, puede esconderse. |
| |
Hasta que estés listo para que él aparezca. |
| Heath Rushing |
Sí, podemos estar al mismo tiempo. |
| ROBYN GODFREY |
Bueno, ahora mismo es como si tuviera dos pantallas en ruinas, una de un lado y la otra. |
| Heath Rushing |
Sí, sí, yo. |
| |
significa como como que que cuando cuando empezamos voy a parar solo puedes ver nuestras caras feas asi que compartiré mi pantalla y luego nos vamos a enfocar en realmente no hablar como que compartiré tres ahora estaré haciendo algunas diapositivas solo para presentar el tema. |
| |
Y luego no tomará mucho tiempo presentar el tema y lo que haremos es, no sé, ¿haces una introducción o algo así, o quieres presentarte tú mismo? He oído que eso funciona. |
| ROBYN GODFREY |
Ustedes, muchachos. |
| |
Lo haría como si fuera una pequeña introducción, ya sabes, como lo harías tú, si fueras un descubrimiento, ¿verdad? |
| |
Está bien, ellos no, ellos no quieren que yo haga, ellos no quieren que yo esté en ambos pequeños, está bien. |
| |
Entonces, tienen todo oculto en su computadora, como por ejemplo, que aparezca un nuevo correo electrónico o algo así. |
| Heath Rushing |
sí. |
| |
Eso está mal, yo no soy eso. |
| |
Los sonó. |
| ROBYN GODFREY |
Está bien, entonces apago mi cámara, la pongo en silencio y luego los dejo. |
| |
Comienza y te interrumpiré; si necesitas comenzar de nuevo, déjame. |
| Heath Rushing |
Sepa que estás acostumbrado a decirnos cuándo, solo di cuándo y comenzaremos. Haré una presentación, Andrew, estás haciendo una presentación, lo diré tan pronto como hayas terminado. |
| |
Lo que voy a hacer es empezar a compartir mi pantalla, está bien, suena bien. |
| ROBYN GODFREY |
suena bien, ¿de acuerdo? |
| |
Dame unos cinco segundos después de que te diga que te vayas porque... |
| |
Mis perros están mirando. |
| |
Todos me silencian y luego comienzan la grabación, así que voy a mí ahora mismo y comenzaré a hacerlo peor, denme como cinco segundos. |
| |
Bueno. |
| Heath Rushing |
Muy bien, buenos días. Esta mañana, Andrew Karl y yo daremos una charla sobre una aplicación en la biofarmacia, que se centra en las terapias celulares y génicas. Es una forma muy singular de desarrollar terapias. |
| |
Un poco sobre mi trayectoria. Diré algunas palabras, y luego Andrew hablará sobre la suya. Estuve en el ejército y terminé siendo profesor universitario, enseñando estadística aplicada y el Departamento de Energía. Después trabajé en biofarmacéutica, en una pequeña empresa de biotecnología. |
| |
Una empresa llamada Applied Molecular Genetics, o Amgen para abreviar, trabajó en su fabricación y luego trabajó en su I+D. |
| |
Antes de aceptar un trabajo como gerente de capacitación durante varios años, luego se convirtió en consultor para SAS. |
| |
En realidad, nos centramos en la industria farmacéutica, biofarmacéutica y de dispositivos médicos, y realizamos mucha docencia y consultoría. Nos encargamos de muchos problemas únicos que generamos valor para las empresas. Andrew, ¿quieres decir algo? |
| Andrés Karl |
Sí, mi nombre, mi nombre es Andrew Karl y comencé a trabajar para Heath en 2012, justo después de dejar Arizona State con un doctorado en estadística. |
| |
Y he estado haciendo todo tipo de cosas interesantes con Heath y Jim Wisnowski allí y últimamente, muchas aplicaciones farmacéuticas, |
| |
Todo, desde el desarrollo de formulaciones hasta la caracterización de procesos, y todo lo que hay entre medio, así que estoy emocionado de estar aquí hoy con Heath y hablar sobre nuestras aplicaciones. |
| Heath Rushing |
Bueno, comencemos, e inmediatamente voy a compartir mi pantalla. |
| |
y |
| |
Tengo algunas diapositivas y no me gusta...no me gusta |
| |
Me centraré en las diapositivas de una presentación JMP, pero lo que haría es, por ejemplo, presentarles el tema, solo la aplicación condensada y única y realmente, creo que más importante aún, el desafío único del que vamos a hablar hoy. |
| |
Sabes que es interesante, hicimos esto, probablemente escribimos este resumen. |
| |
A principios de abril, y luego vi que había un artículo escrito en el innovate ??? muy parecido a esto, así que |
| |
Queremos asegurarnos de que nadie piense que copiamos algún artículo. Pero en realidad, lo que estamos haciendo es... ya sabes cómo modelar... |
| |
En realidad, cuando decimos qué es la variabilidad de un paciente/donante, nos referimos a cómo tener en cuenta la variabilidad de donante en una aplicación muy particular, la biofarmacéutica. |
| |
Y vamos a hablar sobre terapia génica y celular. Lo primero que haremos será explicar por qué esta es una nueva frontera. |
| |
Bien, hablaremos un poco sobre qué son las terapias genéticas y celulares, y luego realmente analizaremos la diferencia entre ellas dos. |
| |
Y el enfoque de esto es, ¿cómo modelamos esa variabilidad entre donantes? ¿La tratamos como un efecto fijo, un efecto aleatorio? |
| |
¿Y cuáles son algunas aplicaciones muy específicas que podrían interesarnos? En primer lugar, siempre que digo que esta es la nueva frontera, es muy innovadora, muy prometedora. Actualmente hay menos de, caramba, menos de 10 |
| |
Este tipo de terapias, génicas y celulares, ya están en el mercado. Sin embargo, hay más de 1000 en desarrollo. |
| |
Y lo que verán es que con estas terapias genéticas y celulares hay algunos desafíos muy singulares, bien, es una forma muy innovadora de tratar... |
| |
Las enfermedades, especialmente las raras, presentan desafíos muy singulares. Uno de ellos, por supuesto, es cómo garantizar su eficacia y su seguridad. |
| |
Muy bien, la otra cosa que vamos a abordar es, ¿cómo es que abordamos la variabilidad de donante a donante? |
| |
Me refiero a la variabilidad de paciente a paciente, pero queremos centrarnos en la variabilidad de donante a donante, ¿cierto? |
| |
Hablemos de terapias génicas y celulares. ¿Qué es la terapia génica? Bueno, |
| |
Como muchos de ustedes saben, muchas enfermedades como el cáncer, en realidad son resultado de nacer con genes defectuosos o de algún tipo de gen que ha mutado con el tiempo. |
| |
Así que es una forma muy singular de tratarlos, y una de ellas es la terapia génica. ¿Y saben qué hacemos en las terapias génicas? Digamos que reemplazamos un gen. |
| |
con otro sano, pero en realidad, lo que ocurre es que estamos transfiriendo algún tipo de material genético, o quizás añadiendo... añadiendo, modificando o desactivando algún gen. Esto se puede hacer de dos maneras, así que, con pacientes que... que tienen... |
| |
que padecen una enfermedad específica. Una opción es inyectar (y usaré el término "administrar"). |
| |
esos genes sanos, bien, entonces ese material genético... ese material genético sano en un paciente. |
| |
La otra cosa que podríamos hacer es tomar algún tipo de sangre o médula ósea. |
| |
De un paciente, podríamos... podríamos insertar ese material genético y luego reinyectárselo al paciente, así que se puede hacer in vivo o in vitro. Ahora bien, cada vez que digo que estamos... |
| |
Si inyectamos algún gen sano en un paciente o en la médula ósea, necesitamos un método de administración. Lo llamaremos el vehículo. |
| |
A menudo decimos, oye, este es el vehículo para entregar ese material genético a los pacientes, ahora lo vamos a llamar un... |
| |
Vector, bien. Lo llamaremos vector, y eso es lo que realmente... tiene una tecnología muy singular. Muchas veces, el vector es un virus. |
| |
El virus puede insertar ese material genético en las células. Ahora bien, ¿cuáles son algunos de los desafíos únicos? Bueno, uno es: ¿funciona? Y el segundo es: ¿es seguro? |
| |
La pregunta del millón de dólares que solemos llamar es si inyecto este material genético en... |
| |
En un paciente, ¿lo rechazará, cierto? ¿Lo rechazará alguna vez, o el cuerpo cree que algo está pasando? |
| |
Y, ya sabes, realmente empezará a matar, ya sabes, estas células, ¿verdad? El otro desafío realmente único es que cada paciente es un lote separado, |
| |
Correcto. Piensen en la fabricación, el desarrollo y la logística. ¿En qué se diferencian las terapias génicas de las terapias celulares? |
| |
Hay mucha superposición, pero en términos de terapia celular, lo que se hace es insertar células, no necesariamente material genético. Estas células pueden tener material genético modificado. |
| |
material, pero se toman células reales y se insertan en un paciente para tratar estas enfermedades. Por lo tanto, actualmente, estas células pueden provenir de los propios pacientes, |
| |
Correcto, o lo que pueden hacer es que provienen de un donante. Piensen en trasplantes de médula ósea. Siempre que hacen algo así, extraen algo de un donante sano y lo insertan en... |
| |
En un paciente, ¿cierto? Ahora bien, entiendan que todo esto se hace in vitro. En realidad, se inyectan estas células sanas en un paciente, ¿cierto? |
| |
¿Y qué intentas hacer cuando haces eso? Intentas, ya sabes, reemplazar cualquier tipo de célula faltante o realmente reemplazar... |
| |
Enfermos, sí. Lo mismo ocurre con los mismos desafíos únicos que mencionamos antes. |
| |
La otra cosa es que otra barrera para ambos es que se trata de una fabricación a muy pequeña escala y no se puede hacer a gran escala, ¿verdad? |
| |
Verán que un poco más adelante, uno de los desafíos es cómo lograr esto a gran escala. ¿Cómo es que...? |
| |
que podemos hacer esto, no sólo en laboratorios, sino a mayor escala. |
| |
Bien, como dije antes, una de las verdaderas barreras para esto es la eficacia y la seguridad. Ese es uno de los principales desafíos. |
| |
El otro gran desafío es este, si lo analizamos... esto debe hacerse en diferentes pacientes o diferentes donantes. ¿Cómo se contabiliza? |
| |
¿Para esa variabilidad entre donantes? Y estuve en una clase hace una hora, y alguien dijo exactamente lo mismo. |
| |
Ya sabe, tenemos que tener en cuenta esa variabilidad de donante a donante en las terapias celulares y, ya sabe, eso explica la mayor parte de la variabilidad que estamos viendo en nuestro proceso. |
| |
Cierto. Y entonces, piensa en eso. Bueno, ¿cómo lo explicas? |
| |
Muy a menudo, lo que haces es decir: "Oye, Heath, estoy haciendo estudios de caracterización de procesos y quizás necesitemos hacer esto con un solo donante, ¿cierto?". Así que podría ser factible... |
| |
cómo... eso puede ser factible, pero lo verás un poco más adelante, es cómo lo contabilizo, siempre que avance con el proceso de fabricación comercial, |
| |
¿Que voy a tener variabilidad de donante a donante y tratar de hacer que mi proceso sea más robusto para esos diferentes donantes? |
| |
Así que la mayoría de las veces no queremos hacerlo. La mayoría de las veces no es factible y no querríamos hacerlo, incluso si lo fuera. |
| |
Lo que haremos será contar con múltiples donantes. La gran pregunta que intentaremos responder hoy es: ¿de qué manera se podría explicar la variabilidad entre donantes? |
| |
E inmediatamente, lo que debería venir a la mente de cualquiera de ustedes que conozca el diseño de experimentos es seguir adelante y bloquearlo. |
| |
Y entonces la siguiente pregunta debería ser ¿cuál? ¿Debería ser un bloque fijo o debería ser un bloque aleatorio? |
| |
¿Y cuáles son los efectos de esas cosas? Hablemos de las diferentes aplicaciones que un científico podría necesitar. Lo que vamos a hacer es... |
| |
Voy a interpretar... Voy a interpretar al científico, ¿de acuerdo? Andrew va a interpretar al estadístico que ayuda al científico, ¿de acuerdo? Se llamará Andrew, y yo voy a interpretar al científico. |
| |
Que necesita ayuda, ¿de acuerdo? Así que me llamaré Brady. Y luego, para que sepan, ¿cómo diría Brady, el científico que necesita ayuda? |
| |
¿Necesitas ayuda con algo? Bueno, uno de ellos serían los estudios de inferencia y caracterización de procesos, y Brady también necesitaría estimar la capacidad del proceso. Esto es muy importante porque... |
| |
Antes de comenzar la validación del proceso y la fabricación comercial, necesitamos comprender la capacidad de nuestro proceso. Por lo tanto, hablaremos del método tradicional. |
| |
Le presentaremos algo llamado rangos operativos normales y realmente lo que está haciendo es tener en cuenta |
| |
Que no siempre estarás en el punto de ajuste, que podría variar alrededor del punto de ajuste, ¿verdad? También haré algo y te mostraré... |
| |
Le mostraré otra forma de evaluar el proceso o su capacidad, denominada rangos aceptables comprobados. Si se pregunta qué sucede si todo está en su punto de ajuste, |
| |
Pero hay una variable que puede variar, ¿verdad? ¿Cuál será la capacidad de su proceso? Y por último, hablamos de uno de los grandes desafíos: la fabricación a gran escala. ¿Cómo puedo comparar la fabricación a pequeña y a gran escala? Entonces... |
| |
Andrew, como dije antes, voy a interpretar al científico Brady que necesita ayuda. Y lo que me gustaría que hicieras es abrir tu correo electrónico y ver el conjunto de datos que te envié. |
| |
¿Y podemos hablar del conjunto de datos que te envié, Andrew? Sí, eso es, eso es, sí, exactamente. Andrew, esto es lo que hice. Mi proceso es... |
| |
Realicé un diseño óptimo y la caracterización del proceso, y varíé el tiempo, la temperatura y el pH. Además, medí la viabilidad celular y... |
| |
Un subproducto. Probablemente veas, Andrew, que ya lo hice en las propiedades de columna de la tabla de datos de JMP, porque es algo que me enseñaste. |
| |
Pero si observas la viabilidad celular, tiene especificaciones. Y las especificaciones para... ahí lo tienes... están entre 70 y 90, ¿de acuerdo? Ahora... |
| |
Andrew, normalmente querríamos maximizar la viabilidad celular, pero queremos mostrarle a la gente cómo hacer un proceso que tenga dos caras. Bien, por eso dije que la viabilidad celular hará esto en dos caras. Bien, entonces alguien en la audiencia podría decir: |
| |
¿No querrías maximizar la viabilidad celular? Lo que queremos hacer aquí es mostrarles algo con dos caras. |
| |
Muy bien, y también tenemos un a... sí, ahí vamos... bueno, para tener un ??? que es el subproducto que queremos mantener por debajo de 35. Ahora ponemos el subproducto, pero pensemos en |
| |
En el mundo de la terapia génica y celular, esto podría ser algo como las endotoxinas. Queremos asegurarnos de minimizar el porcentaje de endotoxicidad, o quizás algún tipo de endotoxina. Bien, sí, eso es exactamente, ese es el conjunto de datos, Andrew. |
| Andrés Karl |
Gracias, Brady. También vi que enviaste un primer borrador de un guion modelo aquí. |
| |
Estaba revisándolo y veo que... diseñaste y luego realizaste tu estudio para un RSM con esos tres factores: tiempo, temperatura y pH. |
| |
Y lo que noté aquí es que realmente solo veo mucho ruido. No veo mucha asociación entre ninguno de estos factores y tu respuesta. Y, de hecho, si activo el... |
| |
Tabla ANOVA, |
| |
Puedo ver que no hay nada... no hay mucha señal aquí, así que no hay mucho que predecir e incluso si intentara reducir el modelo con selección hacia atrás eliminando efectos sin importancia, |
| |
Simplemente no veo nada. Quería preguntarte si, al ejecutar esto, hubo alguna otra variación junto con estos tres factores que pudiera... |
| Heath Rushing |
No, no, no, yo lo controlaba todo. |
| |
Mi proceso. Ahora quiero decirles que... |
| |
Tuvimos que ejecutar esto con diferentes donantes, así que... bueno, no pude... No puedo ejecutar los 24 experimentos con un solo donante, así que, en realidad, lo que tuve que hacer fue ejecutarlo con diferentes donantes. ¿Importaría si lo hiciera con diferentes donantes? |
| Andrés Karl |
Ya lo veo. Es una columna oculta, ocultémosla. |
| Heath Rushing |
Sí, solo que... fue... realmente lo que hice, Andrew, es que el donante es... simplemente lo registré para nuestros propósitos, pero no estaba realmente seguro de cómo manejar eso. |
| Andrés Karl |
Bien, déjame echarle un vistazo rápido a esto. |
| |
Y vamos a intentar incluir esto en el modelo. |
| |
como un... |
| |
como efecto de bloqueo. ¡Guau! |
| Heath Rushing |
Así que esto se ve un poco diferente. |
| Andrés Karl |
Sí, y todo lo que hice aquí para incluir esto en el diálogo del modelo fue añadir el donante en la sección "Efectos del modelo de construcción", lo que lo añade como un efecto aditivo. Ahora vemos que el donante es importante para la viabilidad celular. Veamos ahora los subproductos. |
| |
Y el donante también es muy importante para el subproducto. Y no solo eso es importante, sino que, al incluirlo y tener en cuenta esa variabilidad, |
| |
Ahora vemos que tenemos algunos efectos importantes, al menos uno aquí para los subproductos es el pH. Y luego tenemos un par de... algunos efectos importantes aquí para... |
| |
Viabilidad celular. ¿Incluiste esto en tu diseño personalizado al crear esto? ¿Incluiste el factor donante? |
| Heath Rushing |
Bueno, ya sabes, lo hice. Cuando empezamos a hacer esto, no lo entendía bien. No lo incluimos en el diseño. |
| |
No sé si recuerdas esto, pero fue, ya sabes, hace muchos meses, creo que ya lo mencioné antes. |
| |
Y de hecho me ayudaste con eso. Así que lo que hiciste fue, sí, ahí está, ahí está. |
| |
Eso es lo que hicimos hace mucho tiempo. Simplemente no entendía cómo analizar esto, pero parece que... |
| |
Tiene sentido que diseñáramos eso desde el principio. Recuerdo que me lo dijiste. Acabas de decir: |
| |
Oye, ¿sabes qué más puede variar? Y dije, bueno, claro, vamos a tener variabilidad entre donantes, y dijiste, diseñémoslo desde el principio. Si vamos a terminar... |
| |
para asegurarnos de que hemos tenido eso en cuenta en el diseño, porque el diseño podría basarse en, ya sabe, cuántos donantes tiene y cuántas ejecuciones tiene por donante. |
| Andrés Karl |
Está bien, es genial que hayas hecho eso, porque eso va a evitar... |
| |
Aliasamiento o confusión entre estos factores que se han incorporado al modelo, este RSM y estos tres factores en este donante. Por ejemplo, |
| |
No vas a combinar todo el pH alto con uno de tus donantes y todo el pH bajo con otro. Estos factores se equilibrarán. Eso es genial. |
| |
Un par de preguntas más. De cara al futuro, ¿solo utilizarán a estas cuatro personas como donantes o se sumarán otros donantes? |
| Heath Rushing |
Bueno, no. Ya sabes, es como... así que cuando avanzamos y llevamos estas... estas, ya sabes, terapias a los pacientes, |
| |
Vamos a tener muchísimos donantes sanos, ¿verdad? Digo... y los llamaré donantes sanos porque, claro, vamos a insertar estas células en los pacientes. |
| |
Entonces, ya sabes, eso son solo cuatro que seleccioné de nuestro... de nuestro banco de células y creo que me dijiste antes que, ya sabes, cuando... |
| |
Cuando empezamos a hacer esto, dijiste... esto fue hace mucho tiempo, pero dijiste, sabes, hay que asegurarse de que si tienes, sabes, esos múltiples donantes, que es lo que tenemos, no tenemos un |
| |
Ya sabes, una gran cantidad de donantes, pero dijiste que intentarías hacer algo donde seleccionaras al azar a los donantes que... lo que hiciste fue seleccionar algunos donantes al azar y seleccionar cuatro. |
| |
Tienes razón. De ahora en adelante, no solo tendremos cuatro donantes, y no quiero sacar conclusiones solo de esos cuatro. Quiero poder sacar conclusiones sobre todos los donantes que podamos tener, Andrew. |
| Andrés Karl |
Bien. Bueno, algo que queremos considerar aquí es que, al observar esto, esto es lo que acabo de mostrar, ya saben, esto es... |
| |
Este es un modelo reducido donde... |
| |
Eliminamos los efectos insignificantes con nuestra selección inversa. Otra cosa que podríamos hacer, en lugar de incluir al donante como un efecto fijo, es incluirlo como un efecto aleatorio. Y la razón por la que podríamos querer hacer eso... |
| |
Es... abro el Constructor de Gráficos y te lo muestro. Aquí está la viabilidad celular y el subproducto, que está a la izquierda. |
| |
Y cada color es un donante diferente, y estos son los resultados experimentales. Ahora, el modelo de efectos fijos se basa en estimaciones. |
| |
un componente de varianza y ese es el error o el componente de varianza residual, y eso es lo que se ve dentro de cada una de estas distribuciones individuales. |
| |
Y luego se supone que es constante, que será el mismo, así que se van a combinar todos esos datos para llegar a esa estimación. |
| |
Y para poder utilizar los efectos fijos, vamos a utilizar la media de cada una de estas distribuciones para decir, bien, hay un cambio medio en la viabilidad celular, hay un cambio medio en el subproducto. |
| |
Pero lo que no se tiene en cuenta es la variabilidad entre estas distribuciones que observamos aquí. Por ejemplo, el verde está completamente aquí para el donante tres y a la izquierda para la viabilidad celular. |
| |
Y luego este morado a la derecha. Así que existe esta variabilidad entre los donantes que se obtienen. Y entonces, si intentas... |
| |
Construye tus intervalos de confianza o estás intentando obtener tus errores estándar para tus estimaciones de parámetros, |
| |
Si no se tiene en cuenta esa fuente adicional de variabilidad, se pierde información. Por eso es una ventaja tratarlos como efectos aleatorios. |
| |
Y como tienes cuatro donantes, es algo factible. Si solo tienes dos, no es posible. |
| |
Tres está en el límite de lo que se puede hacer, porque, en realidad, se estima un componente de variantes adicionales solo para el número de donantes. En este caso, ahora se tiene un componente de variantes adicionales. |
| |
Con un tamaño de muestra de cuatro, algo factible. Veamos cómo se vería. |
| Heath Rushing |
Andrew, ¿puedo hacerte una pregunta? ¿Podrías mencionarlo una vez más? Eso se veía... Me gustó mucho... |
| Andrés Karl |
Sí, sí. |
| Heath Rushing |
¿Puedo hacer una pregunta rápida sobre esto? Cuando... cuando estés haciendo esto, y no tuve en cuenta la variabilidad entre donantes, ¿qué estaría haciendo? Es decir, ¿sería como juntar todo eso para que fuera una gran distribución? |
| Andrés Karl |
Bueno, entonces tendremos una mejor visión de esto, déjame responder esto. |
| |
A medida que avanzamos a través de |
| |
Los informes del monitor son ambos, pero así |
| |
Lo que va a hacer es que tus predicciones en el futuro, |
| |
es su modelo efectivo fijo (déjeme activar la mira aquí) por lo que su modelo de efectos fijos va a decir, bueno, estos cuatro donantes promedian juntos para |
| |
80. Y lo que va a hacer es usar el ancho de esto. Imagina que puedes calcular un estándar. |
| |
desviación para cualquiera de estos individualmente y tendrá esa distribución con esa cantidad de variantes que solo se ven usando la variabilidad dentro del donante centrada alrededor de 80. |
| |
Lo que va a hacer el modelo de efectos aleatorios es decir, cuando tienes... cuando estás prediciendo resultados de viabilidad celular adicional, decir, bueno, |
| |
No solo estamos tomando muestras dentro de, tenemos esta área de variabilidad aquí, sino que también vamos a elegir aleatoriamente un donante que se parezca a la población que... |
| |
Proviene de la misma población que estos cuatro. Por lo tanto, la media podría no estar en 80, sino más bien en 75. |
| |
Aquí arriba, más cerca de 82, y esa fuente adicional de variabilidad es donde se va a desarrollar. |
| |
no necesariamente su estimación para su media, sino sus estimaciones de variantes para sus intervalos de confianza e intervalos de predicción, por lo que estos serán más amplios para reflejar esa variabilidad adicional. |
| |
De lo contrario, te vas a confiar demasiado en tu predicción y en cuán amplios son esos intervalos. |
| Heath Rushing |
Y no me gustan las sorpresas y eso fue bastante útil. |
| Andrés Karl |
Sí, entonces es bueno echarle un vistazo a esto. |
| |
Así que déjenme mencionar esto. |
| |
Aquí, a la izquierda, ya hemos visto esto. Aquí es donde los donantes incluidos son un efecto fijo, y en el lado derecho, voy a tener al donante como... |
| |
Efecto aleatorio. Lo único que hice para ajustar esto, solo como recordatorio, es cambiar el diálogo del modelo a efecto aleatorio. |
| |
y luego ejecutar esto. |
| |
Bien, eso es lo que tengo en el lado derecho aquí. |
| |
Algunos puntos a destacar. En primer lugar, es posible que observen que el donante ya no aparece en el resumen de efectos ni en las estimaciones de parámetros. Esto se debe a que ahora está integrado de forma diferente en el modelo; ya no es un efecto fijo. |
| |
Otra cosa que verán es una gran diferencia entre lo real y lo previsto. Así que esto se ve mejor para el modelo de efectos fijos. |
| |
que a primera vista para el modelo de efectos aleatorios, y luego, si nos desplazamos hasta el perfilador conjunto, |
| |
Podemos ver que estos ejes verticales son los mismos entre los dos, y vemos estos intervalos de confianza mucho más amplios. |
| |
Para los modelos de efectos aleatorios, esto podría resultar un poco desconcertante. Pero necesitamos profundizar un poco más para entender por qué. |
| |
Y para un ejemplo de esto, veamos la expresión de predicción para los subproductos. Y, considerando las estimaciones de los parámetros de ambos subproductos, |
| |
vemos que tenemos... |
| |
Así que el pH es nuestro único efecto importante, un efecto significativo en ambos modelos, además del donante en el modelo de efectos fijos. En nuestra expresión de predicción... |
| |
Para el modelo de efectos fijos, nuestra expresión de predicción depende del donante. Para obtener una expresión de predicción, se incluye la información del pH y luego... |
| |
También tenemos la información sobre los donantes. Aquí controlamos a los donantes. Y verás que "de lo contrario" es cero. Es una especie de... |
| |
Solución heurística. No está realmente integrada en el modelo de efectos fijos, pero simplemente decimos que, si se trata de un nuevo donante, asumiremos que es cero. No hay efecto del donante. |
| |
Y esa generalización general hacia nuevos donantes nuevamente no está realmente incorporada al modelo de efectos fijos; está un poco más incorporada al modelo de efectos aleatorios, que, como pueden ver, en este caso es una especie de... |
| |
Tuvimos la suerte de ver que las estimaciones de los parámetros son las mismas aquí, para la intersección y la pendiente entre los modelos de efectos fijos y aleatorios. Eso no siempre sucederá. |
| |
Principalmente aquí se trata de una función de estar cerca de un diseño ortogonal a su diseño personalizado. |
| |
Pero no tenemos nada sobre el donante positivo aquí. |
| |
Porque esto a la derecha del... del modelo de efectos aleatorios es un modelo mixto que se llama modelo marginal, lo que significa que esto le da su respuesta promedio sobre los donantes, |
| |
Mientras que en el lado izquierdo con este modelo de efectos fijos, estamos obteniendo un modelo condicional, que está condicionado a cada uno de estos |
| |
donantes. De hecho, podemos ver que, aquí en el perfilador de predicciones del modelo mixto, si seleccionamos predicciones condicionales, |
| |
Ahora podemos ver que tenemos... |
| |
Estos son relativamente similares ahora a lo que vemos en el lado izquierdo, y también lo que eso ayuda es que podemos ver la dependencia. |
| |
En el donante ahora. Así que esta es la superficie de respuesta dentro de cada donante. |
| |
Eso está oculto, quizás de manera un poco confusa, aquí en el generador de perfiles de predicción para el modelo de efectos fijos. |
| |
Y el motivo por el que está oculto es porque ese era un factor de bloqueo y no aparecen automáticamente en el generador de perfiles de predicción, pero podemos activarlo con la cuadrícula de factor de reinicio. |
| |
Podemos mostrar los donantes y ahora vemos cómo esta respuesta depende de ellos. Así que, si queremos que nuestra inferencia se generalice más allá de estos donantes, |
| |
Aquí es donde entra en juego el beneficio del modelo mixto, porque ahora promediamos entre los donantes, en lugar de depender de cada uno. Y lo último que quiero mostrarles antes de... |
| |
Devuélvelo a ti, Brady, ¿es inexplicable por qué esto parece mucho peor para el...? |
| |
¿Cuál fue la predicción real para el modelo de efectos fijos? Y eso se debe a que esto tiene la ventaja de controlar a esos donantes. |
| |
Usando estas expresiones de predicción. Se ha eliminado el ruido, lo que nos da el resultado real predicho sin controlar los donantes. Si tienes JMP Pro, puedes echar un vistazo a |
| |
El mismo modelo. |
| |
En lugar de los mínimos cuadrados estándar, si cambia al modelo mixto, obtendrá ambos gráficos. |
| |
los mínimos cuadrados estándar. Pero entre bastidores, si se controlan esos... |
| |
Efectos aleatorios... predicciones de efectos aleatorios, y entonces obtenemos básicamente lo mismo que el ajuste... el modelo de efectos fijos. Así que no es que el modelo de efectos fijos sea mejor, sino que lo que muestra es el modelo condicional versus el modelo marginal entre ambos. |
| Heath Rushing |
Bueno. |
| |
Veamos, dos cosas. Primero, gracias por mostrarme la cuadrícula del factor de reinicio en el bloque fijo. No me juzgues ni nada, pero solo... solo... |
| |
Solo soy un científico. No soy experto en el JMP, así que ni siquiera sabía que estaba ahí, así que eso es genial. |
| |
En segundo lugar, me gusta mucho este enfoque. Me gusta usarlo como un efecto aleatorio, y creo que tiene sentido, especialmente para lo que realmente necesito hacer a continuación: evaluar la capacidad del proceso. |
| |
Y realmente lo que quiero saber es... |
| |
Es lo que ocurre con ambos, ¿verdad? Tenemos especificaciones sobre ellos. |
| |
A medida que avance, necesito proporcionar, ya sabes, mis instalaciones de fabricación y mis instalaciones que cumplan con lo esperado en términos de capacidad de proceso. ¿Qué porcentaje fuera de especificación, CPK, etc.? ¿Puedes ayudarme con eso? |
| Andrés Karl |
Sí, y eso es bueno que hayas incluido las especificaciones para los límites de especificaciones como propiedades de columna aquí. Ya tenemos eso cargado. Así que ahora tenemos eso... |
| |
Esa información, así que ahora, de ahora en adelante, vamos a ver a medida que... a medida que repites este proceso, tienes más donantes y, como estabas en diferentes configuraciones de factores, ¿qué porcentaje de esas nuevas observaciones estarán fuera de esos límites de especificación? |
| |
Así que vamos a ir al generador de perfiles de predicción y usaremos el simulador para ayudarnos. Y |
| |
algo que quería mencionar... debería haberlo mencionado antes, estos adicionales... el ancho adicional en estos intervalos de confianza, nuevamente, eso proviene del hecho de que aquí es más pequeño porque se está controlando al donante. |
| |
Pero ¿de dónde viene esta variabilidad adicional? |
| |
Y viene desde aquí arriba en esta tabla REML, entonces ahora obtenemos dos componentes de varianza, mencioné eso antes, entonces esto... obtenemos la varianza de error, que aquí se llama varianza residual. |
| |
Y también obtenemos la varianza, la variabilidad entre donantes. Y en este caso, para los subproductos, el 93 % de la variabilidad es entre donantes. ¿Les suena? |
| Heath Rushing |
Sí, sí. Y de verdad, ya sabes, como decía antes... antes de eso, ya sabes, tuve esta conversación, |
| |
que acabo de decir, cada vez que me preguntaste, ya sabes, si vas a usar algo diferente que necesitemos bloquear y yo dije, creo que vamos a... verás mucha variabilidad de donante a donante, así que eso no me sorprende en absoluto. |
| Andrés Karl |
Bien, algo que voy a señalar aquí es que está un poco oculto en el modelo de efectos fijos, pero si quieres ver la variabilidad del error aquí, puedes consultar la tabla ANOVA. |
| |
Y si miras el error cuadrático medio, esa es tu variabilidad de error, tu variabilidad residual, entonces 0,8477 para el subproducto. |
| |
Y si buscamos aquí los subproductos en el modelo mixto, vemos este 0,847. Y no son tan... así que la razón por la que están tan cerca es porque esa es la variabilidad residual en ambos modelos. |
| |
Y estimando básicamente la misma cantidad en ambos modelos. Pero este modelo, el modelo mixto, nos da el componente de varianza adicional para el donante, lo cual nos ayudará en este proceso. |
| |
Análisis de capacidad sobre el que preguntas. Analicémoslo. ¿Cómo podríamos... qué haríamos en el...? |
| |
¿modelo de efectos fijos? |
| |
Bueno, de nuevo, sabemos que... recibirás diferentes donantes, por lo que tus valores pueden variar. Así que, si activamos el simulador, tu única opción aquí... |
| |
Y no es una mala aproximación si tienes más de uno... más de unos pocos donantes, pero veamos esto. Activaremos la opción de añadir ruido aleatorio y aquí veremos esto. |
| |
Estos valores provienen de la raíz cuadrada de su MSE, por lo que esta es su varianza y, por lo tanto, la raíz cuadrada de este .8477 será su desviación estándar para su variabilidad de error. |
| |
Y también podemos ver que en la tabla REML no está activado de manera predeterminada, pero si hace clic derecho y activa el componente de varianza de raíz cuadrada de la columna, ahora podemos verlo aquí. |
| Heath Rushing |
Otro truco. Gracias. |
| Andrés Karl |
Sí. |
| |
Entonces, .92, y es lo mismo... de ahí proviene este .92, incluyendo la variabilidad de error que ya detectó en su modelo. |
| |
Y si simplemente simulamos ahora, |
| |
Ahora obtenemos este rango estrecho, pero esto es una simulación para el Donante 1, el Donante 2, y se puede ver cómo las medias se desplazan hacia arriba allí, por lo que la media se desplaza hacia arriba. |
| |
para el Donante 4. Si cambio al Donante 3, que es más pequeño que aquí, voy a cambiar hacia abajo. |
| |
Para aproximarse a ese punto, se puede configurar el donante como aleatorio, lo que funciona como un cálculo de referencia sobre los donantes disponibles. Como pueden ver, nuestra desviación estándar está llegando a este 2 o 3. |
| |
Mirando aquí el modelo mixto, donde tenemos efectos aleatorios de donantes, entonces tenemos variabilidad total que no es solamente la variabilidad residual, sino la |
| |
Variabilidad, incluyendo también a los donantes. Eso es aproximadamente 3,5. Así que, si se hace eso, se obtiene esta distribución de simulación artificialmente irregular, y eso es un artefacto de tener solo cuatro donantes aquí. |
| |
No es el mejor de los enfoques, pero es lo mejor que se puede hacer con el modelo de efectos fijos. |
| |
También otra cosa que señalaré sin entrar en demasiados detalles, son las estimaciones de donantes aquí. |
| |
Las predicciones del modelo de efectos fijos son bastante similares a las predicciones de efectos aleatorios del modelo mixto. La diferencia radica en que, en el modelo mixto, estas se reducirán según corresponda, según esta razón de varianza. Se denomina... |
| |
propiedad de contracción de estas estimaciones y le brinda predicciones un poco mejores, estimaciones un poco mejores de la variabilidad de su donante... |
| |
de los efectos de tu donante. No profundizaré en eso, pero quiero señalar que son bastante similares, pero hay una pequeña diferencia, por si necesitas revisarlo tú mismo. |
| |
Pero yendo aquí ahora, ¿cómo podemos hacer esto en el modelo con los efectos de donantes aleatorios? Puedo activar el simulador. |
| Heath Rushing |
Bueno. |
| Andrés Karl |
Y una nota de precaución antes de mostrarte la forma correcta de hacerlo: he notado que, si activas las predicciones condicionales aquí e intentas agregar el ruido, |
| |
Y el ruido ahora está configurado para aquellos... es bastante similar a lo que vimos aquí en el modelo fijo, pero eso es solo por ahora, incluida la variabilidad residual en este momento. |
| |
Pero si intento hacer esto con este generador de perfiles condicional... |
| |
Entonces encuentro que... cambio al Donante 3, fíjense que si cambié los donantes, esto no se mueve hacia arriba y hacia abajo, así que no intenten ese mismo efecto. Algo está sucediendo aquí con las predicciones condicionales y el simulador. Entonces... |
| |
No simules para predicciones condicionales. Queremos simular desde... |
| |
con esa opción desactivada, como está por defecto. |
| |
Pero ahora puedes ver que hay este tipo de distribución estrecha aquí, en relación con este intervalo de confianza más amplio. |
| |
Y la razón es que esta desviación estándar predeterminada no es la correcta que queremos usar. Queremos usar... vayan a la tabla REML... y no solo queremos la variabilidad entre donantes, sino la variabilidad total. |
| |
Y entonces la desviación estándar de la variabilidad total aquí es 3,53. |
| Heath Rushing |
Bueno. |
| Andrés Karl |
Para el producto, queremos cambiar esto usando esa tabla REML. |
| |
Y no mantuve presionado el control y transmití antes, así que voy a agregar esto. |
| |
Componente de varianza de raíz cuadrada nuevamente; está aquí arriba, 3,16. |
| |
Y ahora, cuando hago eso y simulo, puedes ver |
| |
Obtengo esta distribución más amplia, |
| |
Sí, lo cual va a suceder. |
| |
reflejar mejor lo que verá en el futuro con donantes adicionales de la misma población y le brindará una mejor estimación de su... de su tasa de defectos. |
| |
Y puedes comparar esto ahora con lo que ves aquí, esta distribución irregular, esta distribución irregular artificialmente. |
| |
En el modelo fijo. Ahora bien, si se tienen 1000 donantes, para lo cual obviamente no se cuenta con el presupuesto, pero si lo tuvieran, estas distribuciones se aproximarían, y se puede observar que las desviaciones estándar no están muy alejadas. Ambas se están acercando a 3,1 y 3,5. |
| Heath Rushing |
Sí, creo... creo que el modelo de efectos aleatorios es lo que realmente esperaríamos. |
| |
Sí, eso es más o menos lo que esperábamos, sobre todo si tuviéramos muchos donantes. Bien, bien. |
| Andrés Karl |
Y he notado que ahora tienes estos... todos estos arreglados. ¿Así es como te gustaría hacerlo para tu análisis de capacidad, porque...? |
| |
¿Ves, solo tienes la variabilidad de los donantes y luego la variabilidad de errores, y luego tienes estos arreglados? |
| Heath Rushing |
Ya sabes, así es como tradicionalmente lo hacemos... así lo hemos hecho, sin embargo, hay dos cosas que realmente quiero abordar. |
| |
Uno se llama rangos operativos normales, y veamos si tiene un ejemplo. Pero en realidad, ¿cuáles son los rangos operativos normales? |
| |
Si consideramos algo como el tiempo, ¿de acuerdo? El tiempo es algo que podríamos arreglar. Digamos que queremos fijarlo en 5,5. Si ponemos 5,5 y cuando sube, baja de 5,5 horas y luego se detiene. |
| |
Pero, sin embargo, la temperatura y el pH no son así, como si fijáramos la temperatura en, ya sabes, |
| |
alrededor de 27.45 o en algún punto determinado, pero lo que va a hacer es tener, ya sabes, cierta variabilidad natural en torno a eso, desde una capacidad ???, |
| |
O simplemente, ya sabes, es biofarmacéutica. Entonces, ya sabes, la temperatura no será fija, así que ¿podemos considerarlo en términos de nuestra capacidad de proceso? |
| |
Rangos de funcionamiento normales |
| |
??? |
| Andrés Karl |
Bien, ¿tienes una idea de cuánto varían históricamente? ¿Qué podría ser un estándar? Porque lo que podemos hacer en JMP es configurar esto para una aleatoriedad fija. |
| |
Y podemos decir que está bien, tiene un significado. |
| |
27.45. |
| |
Y si tienes alguna idea, y podríamos hacer eso también para el pH, y si sabes cuáles son esas... cuáles son esas desviaciones estándar razonables, cuánto varían. |
| Heath Rushing |
Sí, sí, lo sé. He analizado datos sobre algunas cosas que hemos hecho en el pasado y, si miras algo así, diría que parece una distribución, diría yo, el 95 % del tiempo. |
| |
Veamos, tendría que estar, caramba, entre, ya sabes, más o menos uno, así que diría que tal vez la desviación estándar sería 0,5. |
| |
Para la temperatura. Bueno, y para el pH... para el pH, estaría entre si establezco 6.54, si envío 6.5, quizás sea similar, no sé, digamos... |
| |
sabes, |
| |
La desviación estándar allí sería 0,1, ¿de acuerdo? |
| |
Y creo que nuestros puntos de ajuste... |
| |
Creo que nuestros valores de ajuste para, a ver, ¿cuál era la temperatura? ¿Eran 27.45 y 6.54? |
| |
6.5, creo que es 6.5. |
| Heath Rusing |
Vamos a ver... |
| Heath Rushing |
20... sí, 6.5. Sería 6.5 y para la temperatura, 27.5. Eso es. Ahí lo tienes. Sí, sí, vale. Eso es exactamente a lo que me refiero, Andrew. Se llama rangos operativos normales y quiero tenerlo en cuenta para estimar la capacidad del proceso. |
| Andrés Karl |
Bien, ahora que hemos habilitado esas configuraciones, y tenemos esta variabilidad total para el donante, más la variabilidad del error, |
| |
Ahora, cuando simulamos, obtenemos la variabilidad adicional ahora. |
| |
Esto se introduce por la variabilidad de sus factores y se puede ver reflejado en la tasa de defectos. |
| |
Y además, |
| Heath Rushing |
Sólo quiero señalar aquí también, |
| Andrés Karl |
También puedes, ya que no tarda tanto en ejecutarse, aumentar el número de ejecuciones. |
| |
Para obtener una mejor estimación, también puedes ver cómo se obtiene una distribución más uniforme con la simulación aquí. |
| |
Y luego también puedes simular estos valores en una tabla, donde ahora obtienes, para cada simulación, una fila diferente y puedes ver la viabilidad celular prevista y los subproductos en esa configuración del simulador, y puedes hacer análisis adicionales con esto. |
| Heath Rushing |
Sí, en ese caso obtendrías algo así como un |
| |
CPK, ¿verdad? O sea, si lo hicieras así, ¿obtendrías algún tipo de estimación del CPK? |
| Andrés Karl |
Sí, sí, puedes conseguirlo. |
| Heath Rushing |
Bien, genial. Bueno, eso fue lo primero: ¿cómo contabilizar los rangos operativos normales? Pero hay algo más: la capacidad del proceso que quiero abordar. No es necesario. |
| |
Sin embargo, nos gusta considerar lo que se denomina rango aceptable comprobado. Y esto es lo que significa un rango aceptable comprobado. |
| |
Dice que si establezco la temperatura y el pH en nuestros puntos establecidos y no permito que varíen, |
| |
pero permito que el tiempo varíe entre sus configuraciones baja y alta, y sería igualmente posible que fuera así de bajo en lugar de así. |
| |
Con un ajuste alto, ¿qué esperaría? ¿Cuál sería la capacidad de mi proceso? En realidad, lo que intentamos es demostrar que si dos de estos valores están dentro del punto de ajuste y uno varía, entonces se encuentra dentro de una capacidad de proceso aceptable. Entonces, ¿cómo abordaríamos esto? |
| Andrés Karl |
Bien, entonces dijiste que el tiempo y... la temperatura y el pH están en su punto establecido. |
| Heath Rushing |
Eso es correcto. |
| Andrés Karl |
Y luego el tiempo, por supuesto, puede variar. |
| |
Entonces, lo que haremos, en lugar de decir normal, lo que haremos aquí es establecer esto en uniforme. |
| |
Y estos son los ajustes bajos y altos del experimento ahora, 1.9 a 9.1. |
| |
Y puedes cambiar eso según sea necesario, pero ¿es eso...? |
| |
¿Te escuché bien? ¿Qué es...? |
| Heath Rushing |
Eso fue eso...eso es exactamente lo que fue... |
| |
Eso es exactamente lo que es. Así que si yo... si yo hiciera algo así es... y realmente, realmente... |
| |
En este caso, ¿podemos siquiera cambiarlos? ¿Podemos siquiera decir que eso fue lo que dijimos en el experimento? Pero quiero ver si nuestros rangos aceptables comprobados, entre dos y nueve, ¿podría... podría cambiarlos de alguna manera? |
| |
Sí puedes. Bueno, ni siquiera lo sé. |
| |
Sí, entonces puedes cambiarlos e incluso simular lo que sería y eso se llama rangos aceptables probados, ¿de acuerdo? |
| |
Donde estamos arreglando esos dos. Entonces, lo que haríamos, agradezco que me lo muestres, pero, vaya, y voy a intentarlo por mi cuenta, lo que haría es hacer eso para cada uno de estos, ¿cierto? Lo haría para el tiempo y lo haría para la temperatura y... |
| |
Eso para el pH. Y solo para asegurarnos de que tengamos una capacidad de procesamiento aceptable. |
| Andrés Karl |
Bueno, lo bueno es que es muy fácil hacerlo aquí. |
| Heath Rushing |
¿Puedes mostrarme una cosa más, de acuerdo? Sí, haz eso de ahí, justo entre el 25 y el 30, el uniforme entre el 25 y el 30. 25 y 30. Bien, ¿puedes simularlo en una mesa? |
| |
Haz una tabla y simplemente mira... No... solo mira la distribución de la viabilidad celular y los subproductos. |
| |
Ah, es cierto. Te da esa capacidad de procesamiento. Me encanta. |
| Andrés Karl |
Porque te pones a trabajar y ahorras |
| |
que como una propiedad de columna para esos límites de especificación. |
| Heath Rushing |
Eso es... eso es muy fácil. Bueno, bueno, te lo agradezco. Creo que lo único que quería preguntarte es... también te envié otro conjunto de datos. |
| |
hacia donde estamos mirando, |
| |
Ya sabes, hacer una comparación de pequeña y gran escala en términos de comparabilidad, ¿cierto? Y entonces, realmente, lo que intentamos hacer con la comparabilidad... |
| |
es decir, tengo algunas ejecuciones a pequeña escala, tengo algunas, ya sabes, algunas ejecuciones a gran escala, y para mis CQA(?), quiero mostrar que no son exactamente lo mismo, pero están dentro, ya sabes, de algún tipo de... |
| |
Algunos límites, sí, algún tipo de importancia práctica, y se llama equivalente a la comparabilidad. Sé que saben qué es eso, pero ¿cómo puedo explicar la variabilidad entre donantes? |
| Andrés Karl |
Bueno, sí, y lo vi. Y lo vi también, así que... |
| |
En primer lugar, tal como vimos el conjunto de datos anterior, veamos qué sucede si no incluimos la información del donante. |
| |
Bien, entonces mencionaste que para la viabilidad celular estás usando un equivalente de EAC, un criterio de 2. |
| |
Y lo que vemos aquí |
| |
es que el valor P máximo es...no rechazamos la hipótesis nula, lo que, en este caso, significa que no detectamos equivalencia, lo que |
| |
Esto no coincide con nuestra expectativa aquí de que usted piense que estos son procesos realmente equivalentes. |
| |
Entonces lo que está sucediendo es esto... que la información se está perdiendo en el ruido de los donantes. |
| |
Y como.... |
| Heath Rushing |
Cada vez que veo eso...simplemente desplázate hacia arriba un poco. |
| |
Segundo, un segundo... Ya veo eso. Ya veo eso. Ya veo ese punto que me muestra en el gráfico la diferencia de... |
| |
negativo .49 |
| |
en el gráfico y digo, bueno, eso no es demasiado grande, pero parece realmente muy, muy ancho. |
| |
Bueno. |
| Andrés Karl |
Esto se debe a la variabilidad adicional que entra en esa estimación para el ancho de los intervalos de confianza. |
| |
porque recuerda que bloquear elimina... elimina variabilidad de tu estimación. |
| |
cuenta... |
| Heath Rushing |
Bueno. |
| Andrés Karl |
Eso es exactamente lo que está pasando aquí, así que en ambos casos no se detecta equivalencia entre la escala grande y la pequeña. |
| |
Entre... ya sea para la viabilidad celular o el subproducto. Y pueden ver que este informe es muy completo. Es bastante laborioso configurarlo, y lo mostraré después de mostrarles algo más. Solo quiero mostrarles que incluí los efectos del donante como efectos aleatorios. |
| |
Y ahora puedes ver |
| |
con un valor P pequeño rechazamos, lo que significa que en realidad ahora estamos concluyendo que...concluyendo la equivalencia, dado el EAC de 2 para la viabilidad celular y también por ahora para los valores P máximos, uno que vamos a ver donde |
| Heath Rushing |
Los tres. |
| Andrés Karl |
Para el EAC de tres para |
| |
Para el subproducto. Y la forma en que lo configuramos es... déjame mostrarte esto porque sé que tienes que ir a otra reunión en un minuto más o menos. |
| |
Tenemos la escala y, por ahora, solo analizaré la viabilidad celular. Así configuraremos la prueba sin el efecto del donante, pero si añadimos donantes, podemos guardarlos como un efecto aleatorio. |
| |
Ejecute el modelo. |
| |
Y vamos a las estimaciones, a las comparaciones múltiples. |
| |
Todos por parejas. Estudiantes T. OK, y luego desde aquí, |
| |
prueba de equivalencia. |
| |
Sí, utilice nuestro EAC de 2. |
| Heath Rushing |
Sí. |
| |
Y luego, incluso se muestra desde esos intervalos de confianza hasta valores P como esos dos. |
| |
También se muestra a partir del intervalo de confianza. |
| |
Mi buen amigo Chris estudió intervalos en su doctorado, así que a él y a mí nos encanta. |
| |
Me encantan los intervalos. Siempre habla de ello cuando esquiamos, pero eso es lo que dice el intervalo de confianza del 95% inferior y superior; eso también lo compararía. |
| |
Sí, eso es todo. |
| Andrés Karl |
Mmmhmm y. |
| |
Mi último punto para nosotros, podría decir, está bien, antes hablamos sobre el beneficio de los efectos aleatorios versus los efectos fijos para el donante en el no... en el |
| |
No se trata de pruebas de comparabilidad ni de equivalencia, sino de pruebas de parámetros. Realicé un análisis de potencia con JMP Pro, ya que en JMP Pro, si se crea un modelo mixto, |
| |
En la sección de personalidad mixta, hay una función útil llamada "guardar", que simula la fórmula de guardado de columnas. Ahora bien... |
| |
Si accedes aquí, es muy fácil simular modelos mixtos. Puedes revisar y cambiar la configuración. |
| |
Así que hice eso y ejecuté un análisis de potencia para ver qué es mejor después de simularlo bajo un modelo mixto: usar... tratar a los donantes como efectos fijos o aleatorios y, al menos en el caso que ejecuté, obtuve una mayor potencia, que se puede ver en los cuadros aquí. Tenía una potencia de |
| |
.62 para mis efectos de donantes aleatorios bajo la misma prueba versus .52 para... |
| |
Para los efectos fijos. Ambos mantenían las tasas de error nominales, así que comencé a investigarlo. Sin embargo, parece que podría ser beneficioso tratar también los efectos del donante como aleatorios en las pruebas de equivalencia. |
| Heath Rushing |
Sí, creo, Andrew, creo que me has convencido definitivamente de que a medida que avanzamos, |
| |
Ya sabes, dado que trabajamos en terapias celulares, siempre tendremos ese efecto de donante a donante, creo. Esto me convenció de que tiene sentido considerarlo como un efecto de bloqueo aleatorio. |
| |
Así que, esperamos que hayan disfrutado de la aplicación de observar tanto la capacidad del proceso como la comparabilidad, dos cosas que son muy importantes. |
| |
Para nuestros científicos e ingenieros de la industria farmacéutica y biofarmacéutica. Creo que la aplicación específica de la que hablamos es muy... |
| |
De esta manera, estamos desarrollando terapias innovadoras llamadas terapias genéticas y celulares, y espero que podamos... |
| |
Les aportamos valor al mostrarles cómo se puede gestionar tanto la capacidad del proceso de inferencia como la comparabilidad. Esperamos verlos en la conferencia para presentar esto nuevamente y responder a sus preguntas. |
| Andrés Karl |
Gracias, Brady, te lo agradezco. No recuerdo tu apellido, Brady. ¿Cómo era? |
| |
Brady Brady. |
| |
Brady. |
| Heath Rushing |
Está bien, mi nombre es Brady, mi apellido es Brady, está bien. |
| Andrés Karl |
Bueno. |
| Heath Rushing |
Genial, sí, sí, sí, para ti, sí, sí, sí. |
| Andrés Karl |
Gracias, Andrew. Te lo agradezco. Sí, gracias a todos por acompañarnos. |
