Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones a productos biofarmacéuticos (EU2018 201)Nivel: Intermedio
Philip Ramsey, profesor titular de la Universidad de New Hampshire; y propietario, North Haven Group
Chris Gotwalt, JMP Director de Investigación y Desarrollo Estadístico, SAS
Hay dos objetivos diferentes para el modelado estadístico: explicación y predicción. Los modelos explicativos a menudo predicen mal (Shmueli, 2010). A menudo, los análisis de experimentos diseñados (DOE) son explicativos, pero los objetivos experimentales son la predicción. DOE es una mejor práctica para el desarrollo de productos y procesos donde se predice el rendimiento futuro. El modelado predictivo requiere dividir los datos en conjuntos de entrenamiento y validación donde el conjunto de validación se usa para evaluar modelos predictivos. La mayoría de los DOE tienen observaciones insuficientes para formar un conjunto de validación que impide la evaluación directa del desempeño de la predicción. Demostramos una técnica de "validación automática equilibrada" utilizando los datos originales para crear dos copias de esos datos, una un conjunto de entrenamiento y la otra un conjunto de validación. Los conjuntos difieren en las ponderaciones de las filas. Los pesos están distribuidos según Dirichlet y “equilibrados”; las observaciones que contribuyen más a los datos de entrenamiento contribuyen menos al conjunto de validación (y viceversa). El enfoque solo requiere copiar los datos y crear una columna de fórmula para los pesos. La técnica es general, lo que permite aplicar técnicas de modelado predictivo a conjuntos de datos más pequeños comunes a los estudios de laboratorio y de fabricación. Se utilizan dos estudios de casos de desarrollo de procesos biofarmacéuticos para la demostración. Ambos casos tienen grandes conjuntos de validación combinados con diseños de detección definitivos. JMP se utiliza para demostrar los análisis.
Modelado PredictivoRe: Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones en biofarmacéuticaesta técnica parece cambiar las reglas del juego para los investigadores médicos que luchan con problemas de muestras pequeñas. ¿Existen citas de artículos publicados en revistas revisadas por pares a las que se me pueda referir? muchas gracias por este regalo.
Re: Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones en biofarmacéuticaEso sí, no descuides el Explorador de datos funcionales. En realidad, en 14.2, la FDA (cada juego de palabras pretendía) y la autovalidación podrían funcionar bien juntas dado que uno puede conectar directamente las PC funcionales y los factores experimentales.
Realmente me complace que encuentre la autovalidación útil y divertida.
phil
Re: Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones en biofarmacéuticaGracias Phil,
Me estoy divirtiendo mucho con él, me distrae de probar el Explorador de datos funcionales, que quiero probar a continuación. Se necesita mucho tiempo para ejecutar las simulaciones del modelo, pero creo que vale la pena por lo que estoy haciendo y por ayudarnos a identificar factores importantes para una mayor experimentación.
¡Gracias!
patti
Re: Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones en biofarmacéuticaHola patti,
Realmente es bueno escuchar que te estás divirtiendo con el método de autovalidación. El método es muy general y se puede aplicar fácilmente a los datos de observación o del DOE y le animo a que lo pruebe. El método se realiza exactamente de la misma manera, ya sea observacional o DOE. También lo apliqué a pequeños conjuntos de datos de observación y obtuve resultados muy útiles en términos de encontrar qué efectos parecen más importantes.
phil ramsey
Re: Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones en biofarmacéuticaGracias Phil y Chris: ha sido divertido jugar con mis datos del DOE. ¿Hay alguna razón para no hacer esto con los datos del DOE más los datos históricos? Los conjuntos de muestra aún son pequeños y no harían buenos diseños si se analizaran en la plataforma DOE. ¿Podría hacer conjuntos duplicados de los datos que tengo y seguir todos los pasos? o hay alguna razón para no hacerlo - Gracias Patti
Re: Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones en biofarmacéuticagracias phil Ahora he descargado JMP14, y ahora se incluye la opción de proporción en cero 
Re: Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones en biofarmacéuticaHola,
Sí, la solución fácil es usar la función NZero (número de veces 0)
y luego puedes calcular la proporción cero o distinta de cero.Si miras
en los estudios de casos, verá que usé la función NZero para
crear varios esquemas de ponderación.
phil ramsey
Re: Estrategias de validación de modelos para experimentos diseñados utilizando técnicas de arranque con aplicaciones en biofarmacéuticaEsta fue una presentación muy interesante. Gracias por compartir los archivos. Estoy tratando de reproducir esto en uno de mis DOE.
Sin embargo, me quedé atascado en el paso 10 de las diapositivas: Calcular la proporción distinta de cero. ¿Esa opción no está disponible para mí (vea la imagen a continuación)? ¿Alguien sabe por qué puede ser así? Estoy usando JMP Pro 14EA.
He solucionado esto usando N Zero en su lugar y haciendo un cálculo adicional para obtener una proporción distinta de cero. Funciona muy bien gracias!!
