Buenos días. Me llamo Ray Bunkofske y trabajo en Regeneron Pharmaceuticals. Les presentaré una aplicación que desarrollé en JMP para facilitar la detección de variaciones en nuestros indicadores clave de rendimiento (KPI) de análisis y, posteriormente, identificar la causa raíz de cualquier resultado anómalo. Cada análisis genera diversas estadísticas resumidas, y los KPI son combinaciones lineales de estas que, según he comprobado, resultan útiles para detectar problemas con dichos resultados.
En toda la empresa, se realizan decenas de ensayos diferentes, cada uno con varios parámetros que deben supervisarse y revisarse cuando se detectan problemas. La idea es proporcionar una única aplicación donde los usuarios puedan detectar qué ensayos presentan problemas y determinar las posibles fuentes de variación en dichos ensayos. También permite visualizar métricas para la gestión sobre el estado a largo plazo e identificar fuentes de variación sistemática. Aprovecha el análisis multivariante compatible con JMP para proporcionar una única página con los resultados normalizados de cada ensayo, lo que facilita la identificación de tendencias emergentes. Las principales métricas que utilizo son el coeficiente T² de Hotelling y la distancia al modelo. Estas son útiles ya que se pueden incorporar múltiples indicadores clave de rendimiento (KPI) en un único gráfico de control, lo que elimina la necesidad de revisar múltiples gráficos para cada ensayo.
También admite gráficos univariados convencionales, lo que permite a los usuarios acceder a un parámetro específico, revisar los resultados y analizar en detalle las posibles causas de cualquier resultado anómalo. Ahora pasaremos a JMP. Aquí es donde se pueden revisar los gráficos de control individuales. Para cada parámetro, los límites de control se almacenan en una columna, y en la parte superior izquierda se muestra la lista de los ensayos disponibles y la cantidad de veces que se ha ejecutado cada ensayo en el último año. A continuación, se muestran un par de columnas con los parámetros que han sido marcados como los más altos para una semana determinada. Finalmente, hay un gráfico de semáforo: verde si todo está dentro de 1 sigma, amarillo si está entre 1 y 3 sigma, y rojo si está fuera de 3 sigma. Para ver un gráfico específico, simplemente seleccione el que le interese. Haga clic en «Mostrar parámetros». Estos parámetros aparecerán aquí, y podrá seleccionar cuáles desea revisar, ya sea uno o varios. A continuación, puedes seleccionar Crear gráficos y los parámetros se muestran a continuación. Aquí puedes ver un ejemplo con un par de puntos que se encuentran muy fuera de los límites de control.
Si desea ampliar la escala, la forma más sencilla es hacer clic en los puntos atípicos, volver a crear los gráficos y, a continuación, los valores extremos (tanto altos como bajos) se mostrarán como estrellas en el límite de control de 3 sigma. Puede navegar entre los gráficos con las opciones "Siguiente" y "Anterior". Dispone de una función de leyenda básica donde puede seleccionar puntos con fallos de laboratorio, avisos de eventos o fallos generales. Puede colorear según la versión del ensayo. ¿Quién realizó el análisis? Se trata de seudónimos. Los responsables tienen una clave, por lo que saben que el nombre 8 corresponde a Sally y el nombre 35 a Johnny.
También se indica el tipo de muestra: no rutinaria, de liberación o de estabilidad. Estas se colorean según corresponda. Otra opción es acceder a la página de resumen. Aquí hay mucha información, así que empezaré por la esquina superior izquierda. Se puede seleccionar un periodo de tiempo. En este caso, los últimos 60 días. Aquí se muestran los ensayos con datos de los últimos 60 días, la cantidad, el valor máximo de T² de Hotelling y el valor máximo de DModX. Cualquier muestra con al menos uno de estos valores por encima del límite superior de control de 1 se muestra en rojo.
Aquí tenemos los ensayos que no contaban con datos en los últimos 60 días. A continuación, se muestran las observaciones individuales que generaron los puntos rojos. Deslizando hacia abajo, vemos un gráfico del T² de Hotelling para todos los ensayos. Cada punto representa el valor máximo del T² de Hotelling para una semana laboral determinada. Todos los valores se han normalizado, por lo que el límite es 1. Estas dos barras verticales representan las últimas dos semanas, a modo de referencia. Se puede observar que algunos ajustes de spline presentan irregularidades y carecen de puntos. Esto se debe a que dichos puntos se encuentran fuera del gráfico. Al hacer clic en "Rail", se volverán a trazar esos puntos en el límite de 3 sigma para facilitar la comprensión de la situación. Para ver los detalles de alguno de estos puntos, basta con hacer clic en el gráfico, lo que le llevará a la página de detalles. Este es el CTP número 21. Aquí se muestra el análisis de capacidad que realiza JMP. Tenemos la estabilidad en el eje X y la capacidad en el eje Y. Este gráfico no tiene muy buen aspecto. Si recuerdan, teníamos algunos valores atípicos.
Voy a eliminar esos valores atípicos y volver a generar el informe para ver si cambia la distribución de los datos. Efectivamente, cambia. Mi capacidad ahora supera el 1,33 y mi estabilidad sigue siendo buena. Los datos detallados se encuentran aquí arriba. Más abajo, aquí están los valores individuales de T² de Hotelling, donde cada punto representa un ensayo (ya no el máximo semanal) y el DModX. De nuevo, puedo colorear por LTIF, notificación de evento o fallo general. También por la versión del SOP, el analista o el tipo de muestra. Si coloca el cursor sobre un punto, JMP muestra un pequeño diagrama de Pareto de los parámetros individuales, indicando la situación. Puede hacer clic y volver a colocar el cursor sobre él para obtener el gráfico de control de ese parámetro, que se muestra en una ventana aparte, donde puede consultar los detalles. Lo ocultaré por ahora.
Otra opción es analizar en detalle los resultados. Aquí al final tenemos varias pruebas de laboratorio. ¿Qué diferencias hay entre estos puntos? A este grupo lo llamaré Grupo A. El resto lo asignaré al Grupo B. Luego realizaré una prueba predictiva, que se muestra así: la diferencia entre los dos grupos radica en la pipeta número 5, la pipeta número 3, el reactivo número 1, etc.
Se crea un gráfico para cualquier valor superior a 0.1. Puede deslizar hacia abajo para ver diferentes tipos de gráficos, según los datos. Usted decide si esto justifica una investigación. En este caso, parece que probablemente no. Tenemos una pipeta muy diferente aquí abajo, y ocurre lo mismo con esta. Otra opción es seleccionar puntos y hacer clic en "Crear lista de placas". Verá una lista como esta, que para cada punto seleccionado, muestra si debe haber tres placas y si todas deben indicar "verdadero", es decir, que superaron la prueba. Tenemos algunos puntos donde solo una placa superó la prueba, y otros donde todas la superaron. Esto facilita ver cuántas placas se procesaron para cada ensayo. Si hay notas asociadas, aparecen aquí, y puede acceder a nuestro sistema de seguimiento para ver la información. Para ver más detalles, consulte las observaciones y los puntos seleccionados. Haga clic en "Mostrar observaciones". Luego, lo que verá es, para cada uno de los ensayos, ese número nuevamente, el número de referencia y, a continuación, las notas que el analista incluyó en el momento en que se realizó el experimento.
Sigamos explorando. Para el ensayo que seleccionó, se muestran los parámetros. Si desea obtener más detalles sobre alguno de ellos, simplemente selecciónelo. Haga clic en "Crear gráfico". Esto genera un gráfico de control para el parámetro con todas las estadísticas asociadas. En otras pestañas, tenemos un Informe de Validez. Aquí a la izquierda, se encuentra el análisis de todos nuestros PNT individuales: el porcentaje de veces que se cumplieron los requisitos y el porcentaje en que no. Si desea más detalles, puede consultar la sección de la derecha. En este caso, tenemos el mismo ensayo seleccionado. Aquí puede ver la información por mes: cuántos ensayos se realizaron durante cada mes, el porcentaje de veces que se registraron errores de laboratorio conocidos y los detalles en la tabla inferior, que muestra el porcentaje de veces que cada parámetro presentó dificultades, en concordancia con la leyenda de la parte superior derecha. Si quieres profundizar un poco más, por ejemplo, aquí en marzo de 2025. Seleccionaremos marzo de 2025 y lo representará gráficamente por semana laboral.
Puedes ver los resultados de una semana específica o graficarlos por alícuota y consultar los resultados de cualquier ensayo. La ventaja es que, si observas resultados anómalos mientras que el resto se comporta correctamente, es probable que tu ensayo esté bien, aunque quizás haya habido un nuevo analista o un problema con el reactivo en ese momento, por lo que conviene investigar un poco más. Otra función de informes disponible es la de errores de laboratorio conocidos. Por defecto, se muestran todos los ensayos en la parte inferior, codificados por color según el mes. Se puede observar que los ensayos número 1 y 33 parecen presentar la mayor cantidad de problemas. También puedes consultar diferentes tipos de errores y visualizarlos en gráficos circulares o de barras apiladas, según lo que mejor se ajuste a tus necesidades. Si deseas obtener información más detallada, puedes seleccionar un ensayo específico y se graficará una barra por cada mes, o bien, puedes seleccionar un mes y ver los resultados de todos los ensayos. Voy a volver a usar PowerPoint.
Creamos esta herramienta para realizar revisiones semanales y proporcionar un espacio sencillo para demostrar que los ensayos se ejecutan correctamente. Cuando algo falla, ofrece una forma directa de determinar las causas probables de la variación. Ha sido útil poder incluir reactivos y lotes, así como identificar ciertas combinaciones de pipetas de analista que quizás no funcionan tan bien como deberían. Por último, quiero agradecer a mis compañeros que hicieron posible todo esto. No lo habría logrado sin ellos. Contamos con el equipo de ensayos. Este equipo está formado por los responsables de los grupos que realizan los ensayos, los desarrolladores, los grupos que proporcionan el equipo y el soporte de reactivos, y el equipo de automatización que se encarga de la puesta en marcha para que el equipo funcione o se conecte a nuestras aplicaciones de análisis. Gracias. ¿Alguna pregunta?
