Stratégies de validation de modèles pour des expériences conçues utilisant des techniques d'amorçage avec des applications aux produits biopharmaceutiques (EU2018 201)Niveau : Intermédiaire
Philip Ramsey, maître de conférences, Université du New Hampshire ; et propriétaire, North Haven Group
Chris Gotwalt, JMP Directeur de la recherche et du développement statistiques, SAS
La modélisation statistique a deux objectifs différents : l'explication et la prédiction. Les modèles explicatifs prédisent souvent mal (Shmueli, 2010). Souvent, les analyses d'expériences conçues (DOE) sont explicatives, mais les objectifs expérimentaux sont la prédiction. Le DOE est une pratique exemplaire pour le développement de produits et de processus où l'on prédit les performances futures. La modélisation prédictive nécessite le partitionnement des données en ensembles d'apprentissage et de validation où l'ensemble de validation est utilisé pour évaluer les modèles prédictifs. La plupart des EOD ont des observations insuffisantes pour former un ensemble de validation empêchant une évaluation directe des performances de prédiction. Nous démontrons une technique "d'auto-validation équilibrée" utilisant les données d'origine pour créer deux copies de ces données, l'une un ensemble d'apprentissage et l'autre un ensemble de validation. Les ensembles diffèrent par les pondérations des lignes. Les poids sont distribués de Dirichlet et « équilibrés » ; les observations contribuant davantage aux données d'apprentissage contribuent moins à l'ensemble de validation (et vice versa). L'approche nécessite uniquement de copier les données et de créer une colonne de formules pour les pondérations. La technique est générale, permettant d'appliquer des techniques de modélisation prédictive à des ensembles de données plus petits communs aux études de laboratoire et de fabrication. Deux études de cas de développement de procédés biopharmaceutiques sont utilisées pour la démonstration. Les deux cas ont de grands ensembles de validation combinés à des conceptions de dépistage définitives. JMP est utilisé pour démontrer les analyses.
Modélisation prédictiveObjet : Stratégies de validation de modèles pour des expériences conçues à l'aide de techniques d'amorçage avec des applications à la biopharmaceutiquecette technique semble changer la donne pour les chercheurs en médecine aux prises avec des problèmes de petits échantillons. y a-t-il des citations d'articles publiés dans des revues à comité de lecture auxquelles je peux être référé ? un grand merci pour ce cadeau.
Objet : Stratégies de validation de modèles pour des expériences conçues à l'aide de techniques d'amorçage avec des applications à la biopharmaceutiqueOui, ne négligez pas le Functional Data Explorer. En fait, dans 14.2, la FDA (tous les jeux de mots) et l'autovalidation pourraient bien fonctionner ensemble étant donné que l'on peut connecter directement les PC fonctionnels et les facteurs expérimentaux.
Vraiment ravi que vous trouviez l'autovalidation utile et amusante.
Phil
Objet : Stratégies de validation de modèles pour des expériences conçues à l'aide de techniques d'amorçage avec des applications à la biopharmaceutiqueMerci Phil,
Je m'amuse tellement avec ça - ça me distrait d'essayer l'explorateur de données fonctionnelles - que je veux essayer ensuite. Il faut beaucoup de temps pour exécuter les simulations de modèles - mais je pense que cela en vaut la peine pour ce que je fais et nous aide à identifier les facteurs importants pour une expérimentation plus poussée !
Merci!
Patti
Objet : Stratégies de validation de modèles pour des expériences conçues à l'aide de techniques d'amorçage avec des applications à la biopharmaceutiqueSalut Patti,
Vraiment agréable d'entendre que vous vous amusez avec la méthode d'autovalidation. La méthode est très générale et peut facilement être appliquée aux données d'observation ou DOE et je vous encourage à essayer. La méthode est effectuée exactement de la même manière, qu'elle soit observationnelle ou DOE. Je l'ai également appliqué à de petits ensembles de données d'observation et j'ai obtenu des résultats très utiles pour déterminer quels effets semblent les plus importants.
Phil Ramsey
Objet : Stratégies de validation de modèles pour des expériences conçues à l'aide de techniques d'amorçage avec des applications à la biopharmaceutiqueMerci Phil et Chris - Cela a été amusant de jouer avec mes données DOE. Y a-t-il une raison de ne pas le faire avec les données du DOE plus les données historiques ? Les ensembles d'échantillons sont encore petits et ne feraient pas de bonnes conceptions s'ils étaient analysés sur la plate-forme DOE - pourrais-je simplement créer des ensembles de données en double et suivre toutes les étapes ? ou y a-t-il une raison de ne pas le faire - Merci Patti
Objet : Stratégies de validation de modèles pour des expériences conçues à l'aide de techniques d'amorçage avec des applications à la biopharmaceutiqueMerci Phil. J'ai maintenant téléchargé JMP14, et l'option de proportion sur zéro est maintenant incluse 
Objet : Stratégies de validation de modèles pour des expériences conçues à l'aide de techniques d'amorçage avec des applications à la biopharmaceutiqueBonjour,
Oui, la solution simple est d'utiliser la fonction NZero (nombre de fois 0)
et ensuite vous pouvez calculer la proportion nulle ou non nulle.Si tu regardes
dans les études de cas, vous verrez que j'ai utilisé la fonction NZero pour
créer divers schémas de pondération.
Phil Ramsey
Objet : Stratégies de validation de modèles pour des expériences conçues à l'aide de techniques d'amorçage avec des applications à la biopharmaceutiqueC'était une présentation vraiment intéressante. Merci pour le partage des fichiers. J'essaie de reproduire cela sur l'un de mes DOE.
Cependant, je suis resté bloqué à l'étape 10 des diapositives : Calculer la proportion non nulle. Cette option n'est pas disponible pour moi (voir photo ci-dessous) ?? Est-ce que quelqu'un sait pourquoi cela pourrait être le cas? J'utilise JMP Pro 14EA.
J'ai contourné ce problème en utilisant N Zero à la place et en effectuant un calcul supplémentaire pour obtenir la proportion non nulle. Fonctionne bien merci !!
