Niveau: Mittelstufe
Berufsfunktion: Analyst / Wissenschaftler / Ingenieur
Branche: Gesundheitswesen
Bernard Francq, leitender Statistiker, GlaxoSmithKline
Dan Lin, Experte für Biostatistik, GlaxoSmithKline
Waldemar Miller, Statistiker, GlaxoSmithKline
Réjane Rousseau, leitende Statistikerin, GlaxoSmithKline
Sylvie Scolas, Statistikerin, GlaxoSmithKline
Walter Hoyer, Senior Manager, Innovation und Automatisierung, CMC Stats, GlaxoSmithKline
Die aktuelle Impfstoffentwicklung basiert auf dem „Quality by Design“-Paradigma. In der Versuchsplanung (DOE) wird der Designraum als Teilraum von Prozessparameterkombinationen definiert, „die nachweislich die Qualitätssicherung gewährleisten“ (ICH-Leitfaden Q8). Die Robustheit eines Prozesses ist seine Eigenschaft, nach einer Änderung der Versuchsbedingungen innerhalb der Spezifikationsgrenzen (Ziel ± Δ) zu bleiben. Ein „DOE für Flachheit“ erweitert den klassischen Äquivalenztest (zweiseitiger Test) auf den mehrdimensionalen Fall (kontinuierliche oder kategoriale Faktoren). Wir diskutieren die Verwendung der Multi-t-Verteilung, da der gesamte Versuchsbereich mit einem Referenzniveau (üblicherweise dem Mittelpunkt) verglichen wird. Der Designraum ist dann der Teilraum, in dem die prognostizierten Mittelwerte dem Referenzniveau entsprechen (Konfidenzintervalle der Mittelwertkontraste liegen innerhalb von ± Δ). Unsere Methodik wird anhand von Anwendungen in der CMC-Statistik und der Impfstoffentwicklung veranschaulicht. Wir diskutieren die Einschränkungen der Mehrfachvergleiche und des Simulators im Prediction Profiler in JMP. Wir zeigen, wie die Standardvorhersagewerte und der Contour Profiler angepasst werden, um einen interaktiven Designraum für eine bessere Kommunikation mit den Wissenschaftlern zu schaffen. Ein JSL-Skript zur Automatisierung dieses Vorgangs wird vorgestellt.
