756801_zh-TW

liliconcom

生物製藥的新前沿：在JMP中為基因/細胞治療建模患者/捐贈者的差異性 (2021-US-30MP-887)

Adsurgo, LLC 資深管理顧問 Andrew Karl

Heath Rushing，Adsurgo, LLC 首席顧問

生物製藥領域最新穎、最具創新性和前景的療法是基因療法和細胞療法。基因療法會修改患者現有的基因，而細胞療法則將人類細胞移植到患者體內以治療疾病。這些細胞來自患者自身或健康（細胞）捐贈者。 2017年，Kymriah 在美國獲批，這是首個獲批的此類療法。自那時起，無數公司開始探索這些用於治療患者的新方法。獲得監管部門批准的主要障礙之一是開發一種能夠始終滿足患者需求（包括療效和安全性）的流程。一個明顯的挑戰是建模患者之間或捐贈者之間的差異，這些差異可以（並且通常確實）解釋很大一部分差異。

本次演講重點在於 JMP 中建模供體間變異性的不同方法，以解答重要的研究問題：確定重要的製程參數（與病患/捐贈者無關）、建構已證實的可接受和正常的操作範圍（PAR 和 NOR），以及估算製程能力。在闡述將供體建模為固定區組效應的含義之後，作者將首先介紹 JMP 中的建模和模擬功能，然後介紹將供體建模為隨機效應的優勢。

自動產生的成績單...

揚聲器	抄本
希思·拉辛	所有那些奔跑紅海的人。
	綿帶。
羅賓·戈弗雷	是的。
	我可能有點痴迷了。
	嗨，最近怎麼樣？
希思·拉辛	很好很好，因為這是永遠的。
羅賓·戈弗雷	對你有好處哦。
希思·拉辛	是啊，是啊。
羅賓·戈弗雷	噢好的噢。
	檢查這裡的清單以確保我做得正確。
	所以要錄音，好的，所以你知道你會被錄音的。
	我是。
	你的麥克風會說話一點，這樣就能聽到你的聲音。
希思·拉辛	你好，演員 123。
羅賓·戈弗雷	百分比。
	返回。
羅賓·戈弗雷	讓您的手機和電腦都靜音。
希思·拉辛	是的，安德魯安德魯將加入。
	那是一件事，所以我不確定它是如何運作的，我確實自己做了一張海報，所以今年，我們要做的是，在某個時候他會。
	拍下螢幕。
羅賓·戈弗雷	好的。
希思·拉辛	所以我們會去找他，但我們不會來回切換，我不會。
	不要混淆事物你知道我的意思。
羅賓·戈弗雷	好吧，上次我忘了關掉電源，因為我開始錄音，確保他們喜歡這樣。
希思·拉辛	佛羅裡達。
	佛羅裡達 佛羅裡達 就住在海灘上。
羅賓·戈弗雷	很好很好。
希思·拉辛	是啊是啊。
	蘭塔科羅拉多，所以我將在九月回到那裡玩。
羅賓·戈弗雷	哦，太好了。
	是的。
希思·拉辛	是的。
羅賓·戈弗雷	我現在正處於較涼爽的環境中，這裡什麼都沒有，我厭倦了潮濕和悶熱。
希思·拉辛	是的，您住在北卡羅來納州海岸附近。
羅賓·戈弗雷	距離內陸約四英里處是鳥類飛行的地方。
	好的。
羅賓·戈弗雷	是的，我真的很靠近河流，然後是恐懼角河。
	是的。
羅賓·戈弗雷	所以那裡有一條河，然後沿著路走下去就是電影《雪的天空》，就像是從河流到水道的一條通道。
	是的，現在真的有很多人靠近。
	但它並不像海灘通道或類似的東西。
	是的，我記得內陸水道，但海洋稍微遠一點。
	但是今天早上我在海灘上跑步，所以這就是住在這裡的好處，我可以。
	如果早上我去的時候交通不太擁擠，你就可以去海灘，當時正下著傾盆大雨，我們看到了美麗的日出。
	所以不要再對視網膜做任何改變了。
	那很好。
希思·拉辛	是的，對我來說，我住在海灘附近，那裡是盡頭，所以距離國家海岸方向 10 英里。
	沒什麼比這 10 英里更遠的了。
	所以，有一輛腳踏車。
	自行車車道。
	是的，這裡有一條大約三英里長的自行車道，然後七英里長的自行車車道一直到酒吧。
	好的。
羅賓·戈弗雷	賓州。
希思·拉辛	將會海灘海灘是的。
羅賓·戈弗雷	我們在德斯坦。
	聖誕節。
	是的。
羅賓·戈弗雷	是的，就像整個 38 個區域一樣。
希思·拉辛	歲的好地方。
	哦，是的。
羅賓·戈弗雷	好吧，我們得等安德魯。
希思·拉辛	你還好嗎是的，不，不，不，不我們一定會等他的。
羅賓·戈弗雷	好的。
希思·拉辛	好的，讓我來。
	給我發個訊息，稍等一下。
	先生。
	如果您剛剛給我發了一條訊息。
	我要做的是，在第一部分中，我會用幾張投影片來介紹基因療法。
	然後我會說，嘿，我要像科學家和安德魯一樣玩，我剛剛給你發送了一個數據集，我需要一些幫助，然後我會和​​他進行交談，然後他會從那裡和約翰一起接受它。
	我認為這是一個好方法。
	實際上，我們只是弄清楚了這種互動方式。
	週一
	你知道，就像我們有一個要做的事情，然後我想，但是我們需要某種方式來互動，試圖解決這個問題。
羅賓·戈弗雷	需要像報紙上的男人一樣的還有我和羅布以及我的同事泰德。
	整個影片非常滑稽。
希思·拉辛	我們一直試著這樣做。
	我支持一些熱水，但我們總是試著確保在裡面投入一些東西。
	因為它很有趣。
	玩一會兒，聊一會兒，特別是當你在螢幕上的時候。
	是的，你們可以談談嗎？
羅賓·戈弗雷	我們按照我們設定的場景去做了。
	人們喜歡在生產環境中搖擺，就像在製造環境中搖擺一樣。
	是的，我們確實喜歡這樣一個場景：一位經理決定聘請一位顧問來創建一個應用程式。
	然後顧問離開了，他們試圖讓你知道密封件能夠正確製造，但他們失敗了，顧問離開了，代碼不起作用。
	所以，如果他們採用 JMP 路線，他們就會擁有什麼，你知道，我們剛才討論了 4R，即可重複性、穩健性、快速性、響應性等等。
	我們只是專注於創建三種不同的場景，因此我們稱之為對你的數據進行賭博，所以我們做了整個賭博主題。
	行走，最後，是最好的部分，因為我們有肯尼羅傑斯的歌聲，而且，就像我們製作這個視頻的花絮一樣，就是這樣。
	刪減片段總是最有趣的部分，對吧，所以羅伯在片末剪掉了所有這些刪減片段，就像肯尼羅傑斯飾演的賭徒一樣，他有這些非常有趣的片尾，所以它有點像是從現場直播開始的。
	但說實話這真的很有趣，你知道我們會扮演不同的角色，例如專案經理或工程師，你知道就像處理不同的場景和我們的生產、環境以及他們如何做得更好。
	如果他們有的話。
希思·拉辛	是啊是啊。
羅賓·戈弗雷	然後搶劫各種演示，你知道使用分析器做的不同的事情，這就是我所能說的。
希思·拉辛	我們不喜歡做很多投影片。
	但我們會看看誰加入了我們。
	看看什麼時候加入我們吧。
	嘿嘿安德魯。
安德魯卡爾	嘿，快跑。
希思·拉辛	你這麼早。
安德魯卡爾	是的，我提前四分鐘到達。
	是的。
羅賓·戈弗雷	所以他有點像你的相機。
希思·拉辛	你好，我的名字。
羅賓·戈弗雷	是的，你需要把它放低一點，以便更多地了解你自己。
	做吧兄弟。
安德魯卡爾	我不要那個。
希思·拉辛	我不知道，我也不是，我也不是，我的意思是我的臉。
羅賓·戈弗雷	就像就在你的下巴下面。
希思·拉辛	我總是決定去，就像昨天一樣，找到年度皮膚科預約，他們也知道去除污垢，所以你可能會看到。
	是的，上面有紅點，是的，我的意思是，我總是像我什至沒有想過的那樣，嘿，我有一天休息時間，你知道他們經常這樣做嗎？
	其中很大一部分是為了以防萬一我需要對演示做些什麼，然後你就知道你會去花園。
羅賓·戈弗雷	大插槽不費吹灰之力。
希思·拉辛	是的，相當多。
	是啊是啊。
	是的。
羅賓·戈弗雷	好的，我要關掉我的相機。
	並尋求，我必須這麼做。
	迷失在這裡，我們走吧。
希思·拉辛	嘿，所以安德魯在某一時刻只是說嘿，我要扮演我要做的科學家，我會說幻燈片的第一部分。
	嘿，我要扮演科學家，所以你知道你扮演統計學家安德魯，我真正扮演的是科學家的數據。
	然後我會說安德魯，我會說好的，那麼讓我開始吧，安德魯，我剛剛給你發送了一個資料集，我的兩個回應或某人的能力和副產品。
	你明白了嗎，然後你就從那裡開始吧，好的，所以每當我說這些事情的時候，你就可以繼續並開始分享你看到他們說的螢幕。
安德魯卡爾	明白了，是的。
羅賓·戈弗雷	你想讓安德魯來這裡嗎？
	當你說話的時候，他可以隱藏自己。
	直到你準備好迎接他的出現。
希思·拉辛	是的，我們可以同時。
羅賓·戈弗雷	好的，現在就像雙螢幕一邊毀了，另一邊毀了。
希思·拉辛	是的，是的。
	意思是，就像什麼時候，什麼時候，當我們開始的時候，我都會停下來，你只能看到我們醜陋的杯子，所以我會分享我的屏幕，然後我們會集中精力，真的不會像我現在要分享的三個那樣說話，我會做一些幻燈片只是為了介紹這個話題。
	然後介紹主題不會花很長時間，然後我們要做的就是，我不知道，你做一個介紹或什麼，或者你想介紹你自己，我聽說那行得通。
羅賓·戈弗雷	你們。
	我會像做一個小介紹一樣去做，你知道，就像你一樣，如果你是一個發現的話。
	好的，他們不想讓我這麼做，他們不想讓我同時參與其中，好吧。
	所以你們把電腦上的所有內容都隱藏起來了，例如新電子郵件會彈出或類似的東西。
希思·拉辛	是的。
	錯了，我不是那樣的。
	聽起來。
羅賓·戈弗雷	好的，所以我自己關閉了相機並將其靜音，然後我就會讓你們。
	開始，我會打斷你，如果你需要重新開始就讓我來。
希思·拉辛	知道你只是習慣告訴我們你什麼時候說什麼時候我們就開始我會得到一個介紹安德魯你正在做一個介紹我會在你完成後立即說。
	我要做的就是開始共享我的螢幕，聽起來不錯。
羅賓·戈弗雷	聽起來不錯，好吧。
	在我告訴你離開之後，請給我大約五秒鐘的時間，因為。
	我的狗正在看著。
	每個人都把我靜音，然後開始錄音，所以我現在要開始做更糟糕的事情，給我五秒鐘。
	好的。
希思·拉辛	好的，早安。今天早上，安德魯卡爾和我將就生物製藥領域的應用進行演講，並專注於細胞和基因療法。這是一種非常獨特的治療方法。
	簡單介紹一下我的背景。我先簡單說幾句，然後請安德魯介紹一下他的背景。我以前在軍隊服役，後來成了大學教授，教授應用統計學和能源部（DOE）。後來我進入生物製藥行業，在一家小型生物技術公司工作。
	一家名為 Applied Molecular Genetics 或簡稱 Amgen 的公司，我從事他們的製造工作，然後從事他們的研發工作，
	之後，我擔任了多年的培訓經理，然後成為 SAS 的顧問。
	我們真正做的是專注於製藥、醫療器材領域的生物製藥，並進行大量的教學和諮詢，解決許多獨特的問題，從而為公司創造價值。安德魯，你想說幾句話嗎？
安德魯卡爾	是的，我的名字是安德魯·卡爾 (Andrew Karl)，2012 年我從亞利桑那州立大學獲得統計學博士學位後就開始在 Heath 工作。
	我和 Heath 以及 Jim Wisnowski 在那裡做了各種有趣的事情，最近還做了很多藥物應用，
	從配方開發到工藝特性，以及其間的一切，所以我很高興今天能和 Heath 一起在這裡討論我們的應用。
希思·拉辛	好的，讓我們開始吧，我馬上就要分享我的螢幕了。
	和
	我有幾張投影片，我不喜歡…我不喜歡
	專注於 JMP 簡報中的幻燈片，但我想做的是向您介紹這個主題，只是簡潔而獨特的應用程序，實際上，我認為更重要的是，我們今天要討論的非常獨特的挑戰。
	你知道這很有趣，我們做了這個，我們可能寫了這個摘要
	在四月初，我看到一篇在創新上寫的文章，非常像這樣，所以
	想確保沒有人……沒有人認為我們抄襲了任何文章。但我們真正在做的是，你知道如何建模
	您知道，我們說患者/捐贈者的變異性是什麼，就是如何在生物製藥中非常獨特的應用中考慮捐贈者/捐贈者的變異性。
	接下來我們要討論基因和細胞療法。我們首先要討論的是，為什麼這是一個新的前沿領域。
	好的，我們將稍微討論一下基因療法和細胞療法是什麼，然後我們將真正探討兩者之間的差異。
	關鍵在於，我們如何模擬不同捐贈者之間的差異？是將其視為固定效應，還是隨機效應？
	我們可能對哪些非常具體的應用感興趣呢？首先，每當我說這是新領域時，它就代表著非常創新，非常有前景。目前，只有不到10個
	這類療法，如基因療法和細胞療法，目前市面上都有。不過，目前有超過1000種療法正在研發中。
	你將會看到，這些基因和細胞療法面臨一些非常獨特的挑戰，好吧，這是一種非常創新的治療方法
	疾病，尤其是罕見疾病，面臨一些非常獨特的挑戰。當然，其中之一就是我們如何……如何確保它有效？如何確保它的安全性？
	好的，另一個是我們真正要解決的問題，那我們要如何解決捐贈者之間的差異呢？
	就像我所說的是患者與患者之間的差異，但我們想關注的是捐贈者與捐贈者之間的差異，對吧。
	那麼，我們來談談基因和細胞療法。那麼，什麼是……什麼是……什麼是基因療法？嗯，
	你們很多人都知道，許多疾病，例如癌症，實際上都是由於天生基因缺陷或某種基因隨著時間的推移而變異而引起的。
	所以這是一種非常獨特的治療方法，其中一種就是基因療法，對吧？你知道我們在基因療法中做什麼嗎？現在，我說我們替換一個基因
	移植到另一個健康的，但實際上，我們正​​在轉移某種遺傳物質，或者我們可能在添加…添加、修改或關閉某個基因。這可以透過兩種方式實現，所以對於…已經…的患者來說
	患有某種疾病的人。我們可以做的一件事是，我們可以注射（我會用「輸送」這個詞）
	那些健康的基因，好的，那麼那些遺傳物質......那些健康的遺傳物質進入病人體內。
	我們能做的另一件事是，我們可以提取某種血液或骨髓
	從病人身上，我們可以…我們可以把遺傳物質植入病人體內，然後再送回病人體內，好的，所以這可以在體內或體外進行。現在每當我說我們…
	當我們將某種健康基因注射到病人體內或骨髓時，我們需要某種傳遞方式。好吧，我們稱之為載體。
	我們經常說，嘿，這是將遺傳物質傳遞給患者的載體，現在我們稱之為
	載體，好的。我們稱之為載體，它實際上…它擁有非常獨特的技術。很多時候，載體就是一種病毒。
	病毒確實能夠將遺傳物質植入細胞。那麼，它面臨哪些獨特的挑戰呢？首先，它有效嗎？其次，它安全嗎？
	我們常說的那個價值十億美元的問題是，如果我將這種遺傳物質注入
	注射到病人體內，他們會排斥它嗎？對吧？他們會排斥它嗎？還是身體會認為發生了什麼事？
	並且會真正開始殺死這些細胞，對吧。另一個真正獨特的挑戰是，每個病人都是獨立的群體，
	對。想想製造、開發和物流，對吧？基因療法和細胞療法有什麼不同？
	有很多重疊之處，但就細胞療法而言，你做的是植入細胞，好吧，不一定是遺傳物質。現在這些細胞可能已經修改了基因
	材料，而是提取真實的細胞，然後將它們植入患者體內來治療這些疾病。所以現在，這些細胞可以來自患者本身，
	對，或者說他們能做的是，這些器官可以從捐贈者體內獲取，好嗎？想想骨髓移植，他們每次做這種事，都是從健康的捐贈者體內取出一些東西，然後植入到
	注射到病人體內，對吧。現在要知道，這些都是體外進行的。你實際上是把這些健康細胞注射到病人體內，對吧。
	你每次這麼做的目的是什麼？你是想替換任何缺少的細胞，或者說，真的替換
	患病的，好。所以同樣的事情是，你面臨著我們之前討論過的那些同樣獨特的挑戰。
	另一件事是，這兩者面臨的另一個障礙是，這是小規模的製造，無法大規模進行，對吧。
	現在你稍後會看到，或者說，你知道，其中一個挑戰是如何大規模地做到這一點？我們如何…
	我們不僅在實驗室中可以做到這一點，而且可以在更大範圍內實現。
	好的，正如我之前所說，真正的障礙之一就是有效性和安全性。這是主要挑戰之一。
	另一個巨大的挑戰是，如果你仔細觀察的話…這需要在不同的病人或不同的捐贈者身上進行。你知道，你如何解釋
	捐贈者之間的差異？大約一個小時前，我上課的時候，有人也說了同樣的話，
	你知道，我們必須考慮到細胞療法中捐贈者之間的差異，你知道，這解釋了我們在過程中看到的大部分差異，
	對。然後想想看。嗯，你怎麼解釋這一點呢？
	很多時候，你會說，嘿，希斯，我正在做過程特性研究，也許我們需要在一個捐贈者身上做這個，對吧？所以這可能是可行的…
	這也許是可行的，但你稍後會看到，我該如何解釋，每當我推進商業製造過程時，
	我是否會考慮捐贈者之間的差異，並嘗試讓我的流程對不同的捐贈者更加穩健？
	所以大多數時候，我們不想這麼做。大多數時候，這是不可行的，即使可行，我們也不想這麼做。
	所以我們要做的是，我們會有多個捐贈者。所以現在…我們今天要試著回答的一個問題是…有哪些不同的方法可以解釋不同捐贈者之間的差異？
	並且，任何了解實驗設計的人都應該立即想到的是，讓我們繼續進行並阻止它。
	那麼下一個問題應該是...它應該是一個固定區塊還是應該是一個隨機區塊？
	這些會有什麼效果呢？那我們來談談科學家需要用到它的不同應用。我們接下來要做的是
	我要扮演……我要扮演科學家，對吧。安德魯要扮演幫助科學家的統計學家，好嗎？所以他的名字叫安德魯，我扮演科學家。
	需要幫助，好的。那我就叫布雷迪吧。那麼，你知道，布雷迪這個需要幫助的科學家會怎麼做…
	需要幫助嗎？嗯，一個是推理和過程特性研究，Brady 還需要估算製程能力。這很重要，因為
	在進行製程驗證和商業化生產之前，我們需要了解我們的製程能力如何。所以我們先討論一下傳統方法。
	我們將向你介紹一種叫做正常操作範圍的東西，你真正要做的是考慮
	你不會總是保持在設定點，它可能會圍繞設定點變化，對吧。另外，我會做一些事情，讓你看看…
	向你展示另一種評估過程能力的方法，稱為「已證實的可接受範圍」。如果你問這個問題，如果一切都在設定點，
	但有一個變數是允許變化的，對吧？那就是你的工藝能力是多少？最後，我們討論了大規模生產的一大挑戰。我該如何比較小規模和大規模生產？那麼
	安德魯，就像我之前說的，我要扮演需要幫助的科學家布雷迪。我希望你打開你的信箱，看看我寄給你的資料集。
	安德魯，我們可以談談我發給你的那個資料集嗎？是的，就是它，沒錯。安德魯，我就是這樣做的。我的流程是…
	我做了一個優化設計和製程表徵，並改變了時間、溫度和pH值。我還測量了細胞活力，
	副產品。安德魯，你可能已經注意到了，我已經在 JMP 資料表的列屬性中完成了這個操作，因為這是你教我的。
	但如果你看看細胞活力，它有具體的指標。指標……就是這樣……在70到90之間，好嗎？現在
	安德魯，我們通常希望最大限度地提高細胞活力，但我們想向人們展示如何實現雙面的工藝能力，好的，這就是為什麼我說細胞活力將實現雙面性，好的，所以觀眾中有人可能會說，
	你不想最大限度地提高細胞活力嗎？我們想做的是向他們展示一些雙面的東西。
	好的，我們還有一個…是的，讓我們開始吧…好吧，有一個???，也就是我們希望保持在35以下的副產品。現在我們把產品放進去，但想想
	在基因和細胞治療領域，這可能是內毒素之類的物質。我們希望確保將內毒性百分比，或某種內毒素，降到最低。好的，沒錯，這就是…這就是資料集，安德魯，好的。
安德魯卡爾	謝謝，Brady。我還看到你在這裡發了第一版…第一遍的模型腳本。
	我看了看，發現你…你設計了一個…然後運行了這三個因素的RSM研究。你研究了時間、溫度和pH值。
	我注意到的是，我實際上只是看到了很多噪音。我沒有發現這些因素和你的反應之間有任何關聯。事實上，如果我打開
	變異數分析表，
	我可以看到什麼都沒有…這裡沒有太多訊號，所以沒有什麼可預測的，即使我嘗試透過後向選擇來減少模型，消除不重要的影響，
	我什麼都沒看到。所以我想問的是，當你運行這個程式時，除了這三個因素之外，是否還有其他因素可能會改變…
希思·拉辛	不不不，我控制了一切
	我的過程。現在我確實想告訴你…
	我們確實需要在不同的捐贈者身上進行實驗，所以好吧，我不能……我沒法在同一個捐贈者身上進行所有24個實驗，所以我實際上必須做的是，在不同的捐贈者身上進行實驗。如果我在不同的捐贈者身上進行實驗，這真的有關係嗎？
安德魯卡爾	我現在看到了。這是一個隱藏列，我們把它隱藏起來。
希思·拉辛	是的，我只是......是......我真正做的是，安德魯，捐贈者只是為了我們的目的而記錄下來，但我真的不確定該如何處理。
安德魯卡爾	好的，讓我快速看一下這個。
	讓我們嘗試將其納入模型中
	作為...
	起到了阻擋效果。哇。
希思·拉辛	所以看起來有點不同。
安德魯卡爾	是的，為了把它納入模型對話框，我在這裡做的就是在建立模型效應下添加了供體，這樣就把它作為附加效應添加了進來。現在我們看到供體對細胞活力很重要。現在我們來看看副產品。
	捐贈者對副產品也非常重要。不僅如此，當我們把捐贈者納入考慮範圍，並考慮到這種差異性時，
	現在我們看到了一些重要的影響，至少對副產品來說，pH 值是其中之一。然後我們得到了一些…一些對…的重要影響
	細胞活力。現在你知道嗎，你在建造這個模型時，是否把這個因素納入了客製化設計中？你有沒有考慮到供體因素？
希思·拉辛	你知道，我的確也這麼做了。你知道，我們剛開始做這件事的時候，我不太明白。我們沒有把它納入設計中。
	我不知道您是否記得這件事，但那是幾個月前的事了，我想我之前提起過這件事。
	你確實幫了我大忙。所以，你說的沒錯，就是這樣。
	這就是我們很久以前做的事。我只是真的不明白該如何分析，但看起來
	我們提前設計這一點是有道理的。我記得你告訴我。你剛才說，
	嘿，你知道，還有什麼可以改變的嗎？我說，嗯，當然，我們會考慮不同捐贈者之間的差異。你說，那我們就先設計好吧。如果我們要結束…
	確保我們在設計中考慮到了這一點，因為設計可能基於...您有多少捐贈者以及每個捐贈者進行了多少次運行。
安德魯卡爾	好的，你這麼做很好，因為這可以防止
	你在模型中建構的這些因素，也就是RSM，與捐贈者這三個因素之間存在著混雜或混淆。例如，
	你不需要把所有高pH值都用一個供體來處理，把所有低pH值都用另一個供體來處理。這些因素會在這個供體上得到平衡。所以這很好。
	這裡還有幾個問題。那麼，這些捐贈者，按照你們的流程，你們只使用這四個人作為捐贈者，還是會邀請其他捐贈者來呢？
希思·拉辛	天哪，不。你知道，這就像…所以當我們繼續前進，把這些…這些療法帶給病人的時候，
	哥們，我們將會有許多健康的捐贈者，對吧？我的意思是……我之所以稱他們為“健康捐贈者”，是因為我們當然會把這些細胞植入病人體內。
	所以你知道，這只是我從我們的細胞庫中挑選出來的四個，我記得你之前告訴我，你知道，當
	當我們第一次開始這樣做的時候，你說過…這是很久以前的事了，但你說，你知道，你需要確保如果你有多個捐贈者，我們確實有，我們沒有
	你知道，捐贈者數量很多，但你說過，你可以嘗試隨機選擇捐贈者……你確實這麼做了。所以我們的做法是隨機選了一些捐贈者，最後選出了四位。
	但你說得對。未來我們不會只選擇四個捐贈者，我也不想只針對這四個人下結論。我希望能夠對所有可能出現的捐贈者下結論，安德魯。
安德魯卡爾	好的。嗯，我們這裡要考慮的一件事是，當我們看一下這個，這就是我剛才展示的，你知道，這是一個…
	這是一個簡化的模型，我們...
	我們用反向選擇剔除了不顯著的效應。我們還可以做的一件事是，除了將捐贈者作為固定效應納入，還可以將其納入隨機效應。我們這樣做的原因可能是
	是……我打開圖表產生器給你看看。這是細胞活力和副產物，細胞活力在左邊。
	每種顏色代表不同的捐贈者，這些都是實驗結果。現在固定效應模型…只是估計值
	一個變異數分量，即誤差或殘差變異數分量，這就是您在每個單獨的分佈中看到的。
	然後假設它是常數，它將保持不變，因此它將把它們匯總在一起以得出該估計值。
	為了使用固定效應，我們將使用每個分佈的平均值來表示，好吧，細胞活力有一個平均偏移，副產品有一個平均偏移。
	但它沒有考慮到的是，我們在這裡看到的這些分佈之間的差異性。例如，綠色部分代表左側供體3的細胞活力。
	然後是右邊的紫色部分。所以，不同捐獻者之間存在差異。所以，如果你想
	建立信賴區間，或嘗試取得參數估計的標準誤差，
	如果你不考慮這個額外的變異源，你就會錯過一些資訊。所以，把這些當作隨機效應來處理，這是一個優勢。
	由於有四個捐贈者，所以這是可行的。如果只有兩個捐贈者，那就不可能了。
	三個差不多是你所能做的極限了，因為你實際上做的是估算一個額外的變異成分，僅僅針對…跨捐贈者的數量。所以在這種情況下，你現在得到了一個額外的變異成分
	樣本量基本上是4個，所以這是可行的。我們來看看會是什麼樣子。
希思·拉辛	安德魯，我可以問個問題嗎？能再提一下嗎？那看起來…我很喜歡…
安德魯卡爾	是啊是啊。
希思·拉辛	我可以就此簡單問個問題嗎？無論何時…無論何時進行這項實驗，我都沒有考慮到捐贈者之間的差異，它會…它會做什麼？我的意思是，它會把所有這些加在一起，形成一個大的分佈嗎？
安德魯卡爾	好吧，為了更好地了解這一點，讓我來回答這個問題
	隨著我們
	監測報告都是如此，但
	它的作用是幫助你預測未來，
	是你的固定效應模型（讓我在這裡打開十字準線），所以你的固定效應模型會說，這四個捐贈者平均在一起
	80. 它要做的是，無論寬度是多少，它都會用到。假設你能計算出一個標準
	對於其中任何一個單獨的偏差，它將具有該分佈，其中的變異數量是您僅使用以 80 為中心的捐贈者內部變異所看到的。
	隨機效應模型的作用是，當你預測額外的細胞活力結果時，
	我們不僅在內部進行抽樣，我們是否有這個可變區域，而且我們還會隨機挑選一個看起來與人群相似的捐贈者...
	和這四個人來自同一個群體。所以平均值可能其實不是80，而是更接近75。
	這裡接近 82，所以額外的變化源就是它將會形成的地方，
	不一定是您對平均值的估計，而是您對置信區間和預測區間的變數估計，因此這些估計將會更寬以反映額外的變異性。
	否則你會…你會對你的預測以及這些間隔有多寬變得過於自信。
希思·拉辛	我不喜歡驚喜，所以這很有幫助。
安德魯卡爾	是的，所以這是一件值得一看的好事。
	所以讓我提出這些。
	左邊我們已經看過了。這裡包括了捐贈者，這是一個固定效應。右邊，我將捐贈者當作一個
	隨機效應。現在我唯一做的就是把它擬合出來，就像一些模型對話框一樣，我在這裡做的就是把它改成隨機效應
	然後運行這個。
	好的，這就是我右邊所看到的內容。
	有幾點需要強調。首先，你可能會注意到捐贈者不再列在效應摘要中，而且在參數估計中也看不到它，這是因為捐贈者在模型中的建構方式有所不同；它不再是固定效應了。
	還有一些…你會看到，實際值和預測值之間有很大差異。所以這其實看起來比較適合固定效應模型。
	乍一看，它比隨機效應模型更明顯，然後，如果我們一直向下滾動到聯合分析器，
	我們可以看到，這兩個縱軸是相同的，而且置信區間要寬得多
	對於隨機效應模型來說，這可能有點令人反感。但我們需要更深入地挖掘，才能明白其中的原因。
	舉個例子，我們來看看下面這個乘積的預測表達式。看看這兩個乘積的參數估計，
	我們看到我們有...
	因此，pH 值是我們唯一重要的效應，在兩個模型中都是顯著的，此外在固定效應模型中還有供體的影響。在我們的預測表達式中…
	對於隨機…對於固定效應模型，我們的預測表達式取決於你擁有哪個捐贈者。因此，為了得出一個預測表達式，你需要包含pH值訊息，然後
	我們也掌握了哪些捐贈者的資訊。我們在這裡控制捐贈者。你會看到 else=> 零。這有點像
	啟發式解決方案。它實際上並非內建在固定效應模型中，但我們假設，如果是新捐贈者，我們就假設它為零。捐贈者本身沒有影響。
	而這種普遍性…對新捐贈者的概括並沒有真正融入固定效應模型；它更多地融入了隨機效應模型，你可以看到，在這種情況下，它是一種…
	我們很幸運地看到，固定效應模型和隨機效應模型的截距和斜率的參數估計值相同。這種情況並不總是會發生。
	這裡主要指的是這些功能接近來自您的客製化設計的正交設計。
	但我們這裡沒有關於陽性捐贈者的任何資訊。
	因為右邊這個是隨機效應模型，是混合模型，叫做邊際模型，也就是說，它能給出捐贈者的平均反應，
	而在左邊的固定效應模型中，我們得到了一個條件模型，它以這些
	捐贈者。所以我們實際上可以看到，在混合模型的預測分析器中，如果我們選擇條件預測，
	現在我們可以看到我們已經得到了...
	這些現在與我們在左側看到的相對相似，而且這有助於我們看到依賴關係
	現在在捐贈者身上。所以這是……這是每個捐贈者體內的響應曲面。
	在固定效應模型的預測分析器中，它是隱藏的，可能有點令人困惑。
	它被隱藏的原因是因為它是一個阻塞因素，而且它們不會自動顯示在預測分析器中，但我們可以透過重置因素網格來開啟它。
	我們可以展示捐贈者，現在我們可以看到這種反應是如何依賴捐贈者的。所以，如果我們想讓我們的推論推廣到捐贈者之外，
	這就是混合模型的優勢所在，因為現在我們計算的是所有捐贈者的平均數，而不是依賴單一捐贈者。最後，在我之前我想向大家展示的是
	把它還給你，布雷迪，是無法解釋的，為什麼這看起來更糟
	我預測的固定效應模型的實際結果是多少？這是因為這種方法可以控制那些捐贈者
	使用這些預測表達式。這樣就消除了噪音，而這給出了實際的 I 預測值，而無需控制捐贈者。如果您剛好有 JMP Pro，可以看看
	同一型號。
	如果你切換到混合模型，而不是標準最小平方法，它會給你這兩張圖
	標準最小平方法。但在幕後，如果你控制這些
	隨機效應…隨機效應預測，那麼我們得到的結果基本上和擬合結果一樣…固定效應模型。所以，並不是說固定效應模型比較好，只是它展現的是條件模型與兩者之間的邊際模型。
希思·拉辛	好的。
	那麼，我們來看看兩件事。第一，謝謝你給我看了那個固定方塊上的重置因子網格。別評斷什麼的，我只是…我只是
	我只是個科學家。我不是 JMP 專家，所以我什至不知道它的存在，所以這真是太棒了。
	第二件事是，我真的很喜歡這種方法。我很喜歡把它當作一個隨機???效應，我認為這很有意義，尤其是對於我接下來真正需要做的事情……我接下來真正需要做的是，我需要評估過程能力。
	而實際上，我想知道的是......
	對這兩者而言，我們對它們都有規範。
	是嗎？隨著我進一步推進，我需要提供我的製造設施，以及我的設施在製程能力方面達到我們的預期。超出規格的百分比是多少？ CPK 是多少？諸如此類。您能幫我嗎？
安德魯卡爾	是的，您把規格限值的規格作為列屬性放入這裡，這很好，我們已經將其加載進去了。所以現在我們得到了它......
	這些訊息，所以現在繼續前進，我們將會看到......當你重複這個過程時，你會得到更多的捐贈者，並且當你處於不同的因素設定下時，這些新觀察結果中有多少百分比會超出這些規範限制？
	所以我們要進入預測分析器，並使用這裡的模擬器來幫助我們。
	我想提一下...我應該早點跟你提一下，這些額外的...這些置信區間的額外寬度，再次強調，這是因為這裡較小，因為它控制的是捐贈者。
	但這種額外的改變從何而來？
	它來自上面的 REML 表，所以現在我們得到兩個方差分量，我之前提到過，所以這個...我們得到誤差方差，這裡稱為殘差方差。
	我們也得到了差異，即捐贈者之間的差異。在這個例子中，對於副產品，93% 的差異來自捐贈者。聽起來對嗎？
希思·拉辛	是的，是的。真的，就像我之前說的…在那之前，我有過這樣的對話，
	我剛才說了，每當你問我，你知道，你會使用任何我們需要阻止的不同的東西嗎？我說，我認為我們會......你會看到很多捐贈者之間的差異，所以這並不讓我感到驚訝。
安德魯卡爾	好的，我要指出的一點是，它在固定效應模型中有點隱藏，但如果您想在這裡看到您的錯誤變異性，您可以查看變異數分析表。
	如果你看一下均方誤差，這就是你的誤差變異性，你的殘差變異性，所以副產品的值為 .8477。
	如果我們看看混合模型中的副產品，我們會看到這個數字是0.847。它們不是……所以它們接近的原因是，這是兩個模型的殘差變異性。
	兩個模型估算的數量基本上相同。但是…這個模型，混合模型，為我們提供了捐贈者的額外方差分量，這將有助於我們了解這個過程的特徵…對於這個
	你問的能力分析。讓我們繼續深入研究一下。那麼，我們該如何…
	固定效應模型？
	嗯，再說一次，我們知道…你會得到不同的捐贈者，所以你的價值觀可能會改變。所以如果我們打開模擬器，你唯一的選擇就是
	如果你有不只一個……不只幾個捐贈者，這個近似值還不錯，但讓我們來看看。所以我們打開添加隨機噪聲，我們會看到這個
	這些值來自 MSE 的平方根，所以這是方差，而這個 .8477 的平方根將是誤差變異的標準差。
	因此，我們也可以看到，在 REML 表中，它預設並未打開，但如果您右鍵單擊並打開列平方根變異數分量，現在我們可以在這裡看到它。
希思·拉辛	又一個妙招。謝謝。
安德魯卡爾	是的。
	所以是 .92，所以這是一樣的...這就是 .92 的來源，因此包括它已經在您的模型中檢測到的錯誤變化。
	如果我們現在模擬一下，
	現在我們得到了這個狹窄的範圍，但這是針對捐贈者 1、捐贈者 2 的模擬，你可以看到平均值是如何向上移動的，所以平均值向上移動
	對於捐贈者 4。如果我轉移到捐贈者 3，它比這裡的要小，所以我將向下移動。
	所以，為了達到近似值，你可以將捐贈者設定為隨機，這相當於對你現有的捐贈者進行引導。現在你可以看到，我們的標準差已經達到 2 到 3了。
	看看混合模型，其中有捐贈者的隨機效應，所以我們有總變異性，這不僅是殘差變異性，而且
	包括捐贈者在內的變異性。大約是3.5。所以，如果你這樣做，你會得到一個人為製造的、不均勻的模擬分佈，這是因為只有四個捐贈者。所以
	這不是最好的方法，但這是...使用固定效應模型所能做到的最好的事情。
	另外，我想指出的一點是，這裡沒有太多細節，而是捐贈者的估計
	固定效應模型中的預測與混合模型中的隨機效應預測非常相似。差異在於，混合模型中的預測會根據變異數比進行適當的收縮。這被稱為
	這些估計值的縮小屬性會給你更好的預測，更好的捐贈者變異性估計...
	捐贈者效應。所以，我不會過多地討論這個問題，我只想指出它們非常相似，但還是有一點區別，以防你需要自己去觀察。
	但是現在來看看，我們如何在具有隨機捐贈者效應的模型中做到這一點，我可以打開模擬器。
希思·拉辛	好的。
安德魯卡爾	在我向你們展示正確的方法之前，需要注意的是，我注意到，如果你在這裡打開條件預測，並嘗試添加噪音，
	現在雜訊設定為那些......它與我們在固定模型中看到的非常相似，但那隻是現在，包括現在的殘差變異性。
	但如果我嘗試用這個條件分析器來做到這一點...
	所以我發現…換到捐贈者3，注意，如果我換了捐贈者，這不會上下移動，所以不要…不要在那裡嘗試同樣的效果。這裡的條件預測和模擬器之間肯定存在一些問題。所以
	不要模擬條件預測。我們想從…開始模擬。
	該選項預設為關閉。
	但現在您可以看到，相對於更寬的置信區間，這裡的分佈比較窄。
	原因是這個預設標準差不是我們想要的正確值。我們想要使用…去到上面的REML表…我們不想要捐贈者本身的變異性，而是想要整體變異性。
	因此這裡的總變異標準差是 3.53。
希思·拉辛	好的。
安德魯卡爾	對於按產品，我們想要使用 REML 表來改變這一點。
	我之前沒有控制和廣播，所以我要添加這個
	再次是平方根變異數分量；它在這裡，3.16。
	現在，當我這樣做並進行模擬時，你可以看到
	我得到了更廣泛的分佈，
	是的，這將
	更好地反映您將會​​看到來自同一人群的更多捐贈者的情況，並讓您更好地估計您的缺陷率。
	現在你可以把它和這裡看到的這個凹凸分佈、這個人工凹凸分佈做比較
	在固定模型中。現在，如果你有1000名捐贈者，顯然你的預算不足以支付這部分費用，但如果有的話，這些分佈就會相互接近，你可以看到標準差相差不大。它們都更接近3.1和3.5。
希思·拉辛	是的，我認為......我認為隨機效應模型正是我們真正期望的。
	是的，這正是我們所期望的，尤其是如果我們有大量捐贈者的話。好的，很好。
安德魯卡爾	我注意到你現在把這些……都修好了。你想在能力分析中這樣做嗎？因為你
	你看，你只得到了來自捐贈者的變異性，然後是誤差變異性，然後你就修復了這些問題？
希思·拉辛	你知道，這就是我們傳統上的做法......我們已經這樣做了，但是，我真正想談的是兩件事。
	一個叫做正常工作範圍，請問您能舉例嗎？但真正的正常工作範圍是…
	比如說，如果你看看時間之類的東西，好嗎？時間是我們可以固定的。假設我們想把它固定在5.5。如果我們輸入5.5，它就會從5.5小時開始走，然後就停止了。
	但是，溫度和 pH 值不是這樣的，如果我們將溫度設定在，你知道，
	大約 27.45 或某個設定點，但它會做的是，你知道，它會有一些自然的變化，就像一個???能力，
	或者只是，你知道，這只是生物製藥。所以，你知道，溫度不會固定不變，那麼我們能否從製程能力的角度來考慮這一點呢？
	正常工作範圍
	???
安德魯卡爾	好的，你知道它們的歷史變化有多大嗎？什麼可以作為標準？因為我們可以在 JMP 中將其作為固定隨機變數。
	我們可以說，好吧，它的平均值是
	27.45。
	如果您有任何想法，我們也可以對 pH 值進行相同的操作，如果您知道那些...合理的標準偏差是多少，它們的差異有多大。
希思·拉辛	是的，是的，你知道的。我對我們過去做過的一些事情做過數據分析，你知道，如果你看一下類似的東西，你會發現它看起來像一個分佈，我想說，95% 的情況下是這樣。
	讓我們看看，天哪，它必須介於正負一之間，所以我認為標準差可能是 0.5。
	對於溫度。好的，對於pH值…對於pH值，如果我設定為6.54，它應該在兩者之間，如果我發送6.5，可能差不多，我不知道是說…
	你知道，
	那裡的標準差是.1，好的。
	我認為我們的設定點...
	我想，我們的設定點，讓我們看看，溫度是多少？是27.45和6.54嗎？
	6.5，我覺得是6.5。
希思·拉辛	讓我們來看看...
希思·拉辛	20……是的，6.5。應該是6.5，溫度的話，應該是27.5。就是這樣。就是這樣。是的，是的，好的。這就是我要說的，安德魯。這叫做正常操作範圍，我想在估算過程能力時考慮這一點。
安德魯卡爾	好的，現在我們已經啟用了這些設置，並且我們有了捐贈者的總變異性，加上誤差變異性，
	現在，當你…當我們模擬時，我們現在得到了額外的變化
	這是由其因素的變化引起的，你可以在缺陷率中看到這一點。
	而且，
希思·拉辛	我在這裡也想指出，
安德魯卡爾	你也可以，因為運行時間不長，你可以增加運行次數
	以獲得更準確的估計值。你也可以透過模擬來了解如何獲得更平滑的分佈。
	然後，您還可以將這些值模擬到一個表中，現在，對於每個模擬，您都會得到不同的行，並且您可以看到在該模擬器設定下預測的細胞活力和副產品，並且您可以用它進行其他分析，
希思·拉辛	是的，在這種情況下你會得到類似
	CPK，對吧？我的意思是，如果你那樣做，就能得到某種 CPK 估算值嗎？
安德魯卡爾	是的，是的，你們可以把它們放在一起。
希思·拉辛	好的，太棒了。好的，首先，如何解釋正常的操作範圍，但還有一件事——我想談談製程能力。你知道，這沒有必要
	然而，我們喜歡看所謂的「已證實可接受範圍」。這就是「已證實可接受範圍」。
	意思是，如果我將溫度和 pH 值設定在設定點，並且不允許它們變化，
	但我允許時間在低設定和高設定之間變化，並且同樣有可能它會這麼低或這麼高
	高設定值時，我的預期是多少？我的製程能力是多少？我們實際上要做的是，試圖證明，如果其中兩個是設定點，其中一個發生變化，那麼它仍然在可接受的製程能力範圍內。那麼，我們該如何解決這個問題呢？
安德魯卡爾	好的，所以您說，時間和...溫度和 pH 值都處於設定點。
希思·拉辛	沒錯。
安德魯卡爾	然而，隨著時間的流逝，它會發生變化。
	因此，我們要做的是，不是說正常，而是將其設為統一。
	這些是目前實驗的低設置和高設置，1.9 到 9.1。
	您可以根據需要進行更改，但是…
	我沒聽錯吧？是…
希思·拉辛	就是這樣...就是這樣...
	就是這樣。所以如果我…如果我做了那樣的事…真的，真的…
	在這種情況下，我們能改變這些數字嗎？我們可以說我們在實驗中已經說過了，但我想看看我們已證實的可接受範圍，也就是介於2到9之間，我的意思是，我可以…我能以任何方式改變它嗎？
	是的，你可以。好吧，我什至不知道這一點。
	是的，所以你可以改變它們，甚至可以模擬它會是什麼樣子，這就是所謂的經過驗證的可接受範圍，好的，
	我們正在修復這兩個問題。那麼，我們會怎麼做呢？謝謝你給我演示這個，但是，夥計，我要自己嘗試一下，我會對每個問題都這樣做，對吧？我會對時間這樣做，對溫度這樣做，我會這樣做
	這是pH值。這只是為了確保我們擁有可接受的工藝能力。
安德魯卡爾	好的，好消息是，這裡真的很容易做到。
希思·拉辛	你能再給我示範嗎？好嗎？沒錯，就照著做，就在 25 到 30 之間，均勻分佈在 25 到 30 之間。 25 到 30。好的，可以用表格模擬一下嗎？
	製作表格並查看...我不...只查看細胞活力和副產品的分佈。
	哦，對了。它確實能提供處理能力。我很喜歡這一點。
安德魯卡爾	因為你投入了你節省的工作
	將其作為這些規格限制的列屬性。
希思·拉辛	這……太簡單了。好吧好吧，我很感激。我想我唯一想問的是…我還寄了另一組資料集
	我們正在看的是，
	你知道，在可比性方面，對小規模和大規模進行比較，對吧。我們真正想做的是
	是，我進行了一些小規模的運行，我進行了一些大規模的運行，對於我的 CQA(?)，我想表明它們並不完全相同，但它們在某種範圍內...
	某種限制，好吧，某種實際意義，這被稱為等同於可比性。我知道你知道那是什麼，但我該如何解釋不同捐贈者之間的差異？
安德魯卡爾	好的，是的，我看到了。我也看到了，所以…
	首先，就像我們查看之前的資料集一樣，讓我們看看如果不包括捐贈者資訊會發生什麼。
	好的，您提到，對於細胞活力，您使用 EAC 等效值，標準為 2。
	我們在這裡看到的
	最大 P 值是…我們不拒絕零假設，在這種情況下，這意味著我們沒有檢測到等價性，
	這與我們的預期不符，您認為這些實際上是等效的過程。
	所以發生的情況是這樣的...這些訊息在捐贈者的喧囂中被遺忘了。
	並且像....
希思·拉辛	每當我看到...只需向上滾動即可
	秒，等一下……我看到了。我看到了。我看到了圖表上的那個點，它顯示了
	負.49
	在圖表上，我想，嗯，那不是太大，但看起來真的很寬。
	好的。
安德魯卡爾	這是因為額外的變異性影響了信賴區間的寬度估計。
	因為記住阻塞會消除...消除估計中的可變性。
	帳戶...
希思·拉辛	好的。
安德魯卡爾	這就是這裡發生的事情，所以在這兩種情況下，你都沒有檢測到大規模和小規模之間的等價性，
	在你的…細胞活力或副產物之間。你可以看到這份報告有很多內容。設定它需要做很多工作，我會在向你展示另一件事之後再說明這一點。我現在只想展示的是，我把捐贈者效應作為隨機效應納入了其中，
	現在你可以看到
	如果 P 值較小，我們就會拒絕，這意味著我們現在實際上得出結論……得出等價結論，考慮到細胞活力的 EAC 為 2，並且現在對於最大 P 值，我們將研究
希思·拉辛	三位。
安德魯卡爾	對於 EAC 的三個
	副產品。我們是這樣安排的，讓我給你示範一下，因為我知道你得走了，你得再過一分鐘左右就去參加另一個會議。
	我們已經確定了規模，接下來我先來測試細胞活力。這就是我們設定不包含供體效應的測試方法，但如果我們添加供體，現在就可以將其儲存為隨機效應。
	運行模型。
	我們進行估算和多重比較。
	全部兩兩一組。學生答：好的，然後從這裡開始，
	等效性檢驗。
	是的，使用我們的 EAC 2。
希思·拉辛	是的。
	然後甚至顯示從那些信賴區間到那些兩個 P 值。
	也從信賴區間可以看出。
	我的好朋友克里斯在他的博士論文中研究了間隔，所以他和我都非常喜歡它...
	熱愛區間。我們滑雪的時候他總是談論這個，但這就是它所說的95%置信區間的上下限，那也是在拿它來比較。
	是的，就這些。
安德魯卡爾	嗯嗯，還有。
	我的最後一點，你可能會說，好吧，之前我們討論了隨機效應與固定效應對捐贈者的好處，而不是…
	不是可比性檢驗，也不是等效性檢驗，只是參數檢定。我用 JMP Pro 做了功效分析，因為在 JMP Pro 中，如果你建立一個混合模型，
	在混合個性下，有一個很棒的功能叫做“保存”，列可以保存模擬公式。現在這個…
	如果你進入這裡，模擬混合模型會變得非常容易。你可以瀏覽並更改設定。
	於是我做了這個，並進行了功效分析，看看在混合模型下模擬後，哪種方法更好……將捐贈者視為固定效應還是隨機效應，至少在我運行的例子中，我獲得了更高的功效，你可以在方框中看到。我的功效是
	在相同測試下，我的隨機捐贈者效應為 .62，而... 為 .52。
	對於固定效應。兩者都維持了名目誤差率，所以我開始研究這個問題，但看起來在等效性檢定中將供體效應也視為隨機效應可能會有好處。
希思·拉辛	是的，安德魯，我想你已經讓我確信，隨著我們繼續前進，
	你知道，我們總是，因為我們從事細胞療法，所以我認為我們總是會受到這種捐贈者之間的效應的影響。這無疑讓我確信，我們將其視為隨機區組效應是合理的。
	所以我們希望大家喜歡查看過程能力和可比較性的應用，這兩點非常重要
	對於我們製藥和生物製藥領域的科學家和工程師來說。我認為我們討論的具體應用非常
	我們現在正在開發一種稱為基因和細胞療法的創新療法，我希望我們
	我們透過展示如何同時處理推理過程能力和可比性，提供了一些有價值的資訊。我們期待在會議上再次與您見面，以便我們再次展示這一點並解答您的任何問題。
安德魯卡爾	謝謝，布雷迪，非常感謝。布雷迪，我還沒記住你的姓氏。那是什麼？
	布雷迪·布雷迪。
	布雷迪。
希思·拉辛	好的，我的名字是布雷迪，我的姓氏是布雷迪，好的。
安德魯卡爾	好的。
希思·拉辛	對你來說太好了，是的，是的，是的。
安德魯卡爾	謝謝，安德魯。非常感謝。是的，謝謝大家加入我們。

進階統計建模基礎資料分析與建模消費者與市場研究實驗設計品質與工藝工程可靠度分析