Niveau: Fortgeschritten
Sam Gardner, leitender Forschungswissenschaftler, Elanco Animal Health
In vielen Situationen der pharmazeutischen Produktentwicklung sind die relevantesten Daten Werte, die eine Funktion der Zeit darstellen (eine Kurve). Herkömmliche Ansätze zur Behandlung von Kurven ignorieren oft die vollständige Zeitabhängigkeit des Ergebnisses und konzentrieren sich nur auf einen Aspekt der Kurve. Dies führt häufig zu Informationsverlust.
Es werden drei Analyseansätze besprochen, die die gesamte Kurve nutzen: 1) Wenn Daten zeitlich ausgerichtet sind, können multivariate Methoden zur Charakterisierung der Daten verwendet werden. 2) Wenn Daten durch ein parametrisiertes Modell beschrieben werden können, führt die Anpassung dieses Modells an jede Kurve zu Modellparametern, die zu den neuen Daten werden. 3) Wenn die Daten in der Kurve nicht zeitlich ausgerichtet sind oder zu komplex für die Beschreibung mit einem parametrisierten Modell sind, kann mit dem Functional Data Explorer ein Glättungsmodell an jede Kurve angepasst werden. Auch hier werden die Parameter dieser geglätteten Kurvenanpassung zu den neuen Daten. DOE kann mit diesen Methoden kombiniert werden, um zu verstehen, wie die Kurven von den DOE-Faktoren abhängen. In diesem Vortrag wird anhand realer Beispiele aus der pharmazeutischen Produktentwicklung gezeigt, wie sich diese Ansätze mit JMP und DOE anwenden lassen.
Link zum öffentlichen JMP-Bericht für Beispiel 2: https://public.jmp.com/packages/Using-a-Parametric-Model-to-Reduce-a-Cur/js-p/f9wjDHcLJQ4C5kF3vsQSl
