Previsione dei dati di degradoQuale approccio di modellazione può prevedere la concentrazione a 24 mesi a partire da dati di degradazione precedenti con diversi valori iniziali?
Sono disponibili dati di degradazione misurati nel tempo (ad esempio, fino a 24 mesi) per diversi lotti/campioni.
Ogni lotto parte da una diversa concentrazione iniziale al momento del rilascio e non tutti i lotti vengono misurati in tutti i punti temporali (mancano osservazioni per i punti temporali successivi). Tutte le misurazioni sono state eseguite utilizzando gli stessi parametri. Vogliamo prevedere la concentrazione a 24 mesi, ipotizzando un valore di rilascio dell'80%, anche se tutti i lotti osservati partono da una concentrazione superiore all'85%. L'obiettivo è utilizzare simultaneamente tutti i dati disponibili per creare un modello, anche se mancano alcuni punti temporali per determinati lotti.
La piattaforma Repeated Measures Degradation non consentiva l'utilizzo dell'equazione di Arrhenius senza la variabile X (che non era disponibile poiché venivano utilizzati gli stessi parametri di misurazione). Altri modelli non si adattavano bene ai dati disponibili.
Grazie in anticipo!
Esplorazione e visualizzazione dei datiOggetto: Previsione dei dati di degradoCiao @UrsulaOrsolya ,
Potresti fornirci l'equazione/formula che stavi utilizzando e che non ha funzionato?
Grazie,
Ben
Oggetto: Previsione dei dati di degradoGrazie per la risposta! Ecco a che punto sono attualmente. Ho creato una colonna separata nei dati per la temperatura (25 °C per tutti i punti dati). Ma non sono sicuro di come usarla per prevedere il valore di rilascio ipotetico dell'80%.
Oggetto: Previsione dei dati di degradoCiao Ursula,
Solo per chiarire, qual è la temperatura target ('di riferimento' in JMP) che si intende raggiungere con il modello di Arrhenius modificato? Con una sola temperatura, diventa difficile stimare correttamente i parametri.
Quando dici che stai considerando l'80%, intendi un limite di specifica da superare? Oppure stai cercando di capire quale sarebbe il valore a 24 mesi?
Grazie!
Ben
Oggetto: Previsione dei dati di degradoSembra che il degrado segua un modello non lineare, quindi ti consiglio di provare la piattaforma Fit Curve. Dato che non hai variazioni di temperatura o altre condizioni di accelerazione, il degrado tramite misurazioni ripetute non è adatto a questo caso.
Un'altra opzione è linearizzare i dati (magari applicando il logaritmo) e adattare un modello di regressione lineare ai dati. È possibile utilizzare le previsioni ottenute da questo modello ed eseguire la trasformazione inversa per ricavare ulteriori previsioni.
Oggetto: Previsione dei dati di degradoI modelli di crescita esponenziale 3P o meccanicistica sembrano adattarsi bene a questi dati:
Oggetto: Previsione dei dati di degradoCiao @UrsulaOrsolya , ho allegato di nuovo la tua tabella dati con uno script salvato usando Fit Curve - poiché non stai esplorando diverse temperature potrebbe essere meglio adattare un'equazione di velocità del primo ordine e usare il profiler per identificare la probabile risposta a X mesi.
Oggetto: Previsione dei dati di degradoVorremmo prevedere il valore a 24 mesi per un campione ipotetico che avrebbe un valore iniziale (di rilascio) dell'80% (quindi a 0 mesi). Sarebbe utile anche un intervallo di confidenza. La temperatura in sé non è importante per noi, perché tutti i campioni sono stati conservati in condizioni identiche.
Oggetto: Previsione dei dati di degradoGrazie per l'aiuto! Questo approccio non soddisfa pienamente il nostro obiettivo, poiché la curva viene adattata all'intero set di dati senza tenere conto del fatto che il comportamento di degradazione può variare a seconda del valore iniziale. È importante considerare che campioni con diversi punti di partenza al tempo zero possono degradarsi in modo leggermente diverso nel tempo. L'obiettivo è sapere cosa potrebbe accadere se partissimo da un valore dell'80% a 0 mesi.
Oggetto: Previsione dei dati di degradoGrazie per il suggerimento! Il mio obiettivo sarebbe qualcosa di simile, ma con intervalli di confidenza:
Vorrei quindi trovare una formula generale basata sui dati misurati e poi utilizzarla per il campione ipotetico che parte dall'80% a 0 mesi.
Non so bene come utilizzare la piattaforma Fit Curve per questo scopo. Avete qualche consiglio?
Oggetto: Previsione dei dati di degradoCiao @UrsulaOrsolya ,
Non credo che tu possa trovare quello che cerchi direttamente sulla piattaforma FitCurve. Quello che ti suggerisco è il seguente:
1. Salva la formula di previsione parametrica utilizzando il modello che @Ben_BarrIngh ha adattato nel suo file JMP allegato.
2. Successivamente, utilizza la piattaforma non lineare con i tuoi dati grezzi e la formula di previsione parametrica.
3. Blocca il parametro a a 80, che è parametrizzato come il tuo valore iniziale nel modello del primo ordine con limiti che abbiamo adattato. Quindi fai clic su "Vai". Fai clic sul pulsante dell'intervallo di confidenza in modo che l'algoritmo ti fornisca l'intervallo di confidenza per i parametri b e c. Quindi apri il profiler di previsione.
Successivamente, se lo desideri, puoi salvare questa formula di previsione e i relativi intervalli di confidenza/previsione.
Devo aggiungere che questo è un metodo piuttosto rudimentale per ottenere questa previsione in JMP e che, a mio parere, un approccio statisticamente più valido per ottenere il risultato desiderato sarebbe quello di utilizzare R o Python per adattare un modello bayesiano non lineare, che permetterebbe di 1. tenere conto di qualsiasi correlazione tra il valore iniziale e il tasso di degradazione e 2. utilizzare la variabilità tra i lotti e il campionamento MCMC per effettuare previsioni per lotti futuri non osservati a qualsiasi valore iniziale.
Oggetto: Previsione dei dati di degrado
Dopo aver adattato il modello, è possibile salvare le formule di previsione nella tabella dati con la formula di previsione dell'errore standard. Sarà necessario eseguire alcuni calcoli in un'altra colonna di formule per impostare un intervallo di confidenza per la previsione della media. Un approccio semplice consiste nel moltiplicare l'errore standard per 2, ottenendo così un intervallo di confidenza approssimativo del 95%. Se si desidera quindi effettuare previsioni in un determinato momento per un determinato lotto, è sufficiente aggiungere una riga alla tabella e impostare l'ID del lotto e i momenti, e le formule di previsione verranno calcolate per tale condizione.
Oggetto: Previsione dei dati di degradoGrazie mille per l'aiuto!
Oggetto: Previsione dei dati di degradoGrazie mille!
