Ciao a tutti,
Gradirei un vostro parere sull'approccio statistico più appropriato per uno studio di equivalenza mediante HPLC.
Sfondo
Dobbiamo dimostrare l'equivalenza tra i nostri sistemi HPLC attuali e futuri. Tuttavia, due fattori stanno cambiando simultaneamente:
- lo strumento HPLC;
- la colonna cromatografica.
Nell'uso di routine, queste modifiche non saranno necessariamente implementate simultaneamente, ma lo studio ha lo scopo di supportare la transizione alla nuova configurazione.
Configurazioni valutate
- UN: Strumento vecchio + colonna vecchia (configurazione di routine attuale)
- B: Nuovo strumento + nuova colonna (configurazione target)
- C: Vecchio strumento + nuova colonna (configurazione intermedia)
Gli stessi campioni verranno analizzati in tutte e tre le condizioni , quindi i dati saranno appaiati .
Domanda
Quale approccio statistico raccomandereste per dimostrare l'equivalenza tra i sistemi e, se possibile, distinguere l'effetto dello strumento dall'effetto della colonna?
Sto valutando diverse opzioni.
Opzione 1: Test di equivalenza (TOST)
Opzione 2: Modello misto seguito da TOST
Per gli utenti JMP, avete implementato questo approccio utilizzando ilStruttura ripetutaopzione, in particolare con unVarianze disugualistruttura di covarianza? In caso affermativo, quali erano i vantaggi e i limiti?
Opzione 3: Approccio alternativo
- Progettazione degli esperimenti (DOE);
- Qualsiasi altra metodologia che avete applicato con successo in un contesto simile.
Determinazione della dimensione del campione
Sarei inoltre interessato a ricevere raccomandazioni in merito al calcolo della dimensione del campione per questo tipo di studio di equivalenza.
Limitazioni dello studio
Non disponiamo della configurazione aggiuntiva:
Nuovo strumento + vecchia colonna
Vi ringrazio anticipatamente per le vostre intuizioni, esperienze e raccomandazioni.
Ciao @BayesKnight : ho un sacco di cose da disfare qui. Ma, senza un ordine particolare:
1. Se avessi solo due configurazioni, un modello misto con il campione come effetto casuale e la configurazione come effetto fisso (Opzione 2 come hai descritto) è esattamente un test t a coppie. Quindi, è facilmente estendibile con più di due configurazioni tramite il modello misto. In questo modo puoi eseguire test TOST a coppie all'interno di quella struttura del modello misto (indipendentemente dalla struttura di covarianza). In generale, questo sarebbe più potente dell'opzione 1.
2. Dimensione del campione; per più di due configurazioni, sarà necessaria una simulazione per l'approccio del modello misto. Poiché i dati sono "accoppiati", è possibile ottenere un'idea abbastanza precisa della dimensione del campione tramite la piattaforma "Power for One Sample Equivalence of Means".
3. Distinguere l'effetto dello strumento dall'effetto della colonna richiederà, in generale, alcune ipotesi (nessuna interazione).
