具有固定批次因子的稳定性研究示例

一家制药公司的质量工程师想要确定包含新药物的药丸保质期。药丸中药物的浓度会随着时间的推移而降低。该工程师想要确定药丸何时达到预期浓度的 90%。由于这是新药物,因此该公司只有 5 个中试批次可用来估计保质期。工程师在九个不同的时间检验每个批次中的一个药丸。

为了估计保质期,工程师将执行稳定性研究。由于工程师抽取了所有批次,因此批次是固定因子,而不是随机因子。

  1. 打开样本数据稳定期.MTW
  2. 选择统计 > 回归 > 稳定性研究 > 稳定性研究
  3. 响应中,输入药物百分比
  4. 时间中,输入月数
  5. 批次中,输入批次
  6. 规格下限中,输入 90
  7. 单击图形
  8. 稳定期图下的第二个下拉列表中,选择各个批次都没有图形
  9. 残差图下,选择四合一
  10. 在每个对话框中单击确定

解释结果

要遵循人用药注册技术要求国际协调会议 (ICH) 的 2003 条准则,工程师为要包括在模型中的项选择的 P 值为 0.25。“月份*批次”交互作用项的 P 值为 0.048。由于 P 值小于显著性水平 0.25,因此工程师断定每个批次的回归方程中的斜率都不同。批次 3 具有最大斜率 -0.1630,这表示批次 3 的浓度(药物 %)下降得最快。批次 2 具有最短保质期 54.79,因此整体保质期就是批次 2 的保质期。

残差完全呈正态分布,并且随机分散在 0 附近。在残差与拟合值图上,图左侧的点比右侧的多。出现此模式的原因是质量工程师在研究早期,浓度较高时收集的数据较多。此模式未违反分析的假设。

稳定性研究: 药物百分比 与 月数,批次

方法 未使用的行 5
因子信息 因子 类型 水平数 水平数 批次 固定 5 1, 2, 3, 4, 5
模型选择,α = 0.25 来源 自由度 Seq SS Seq MS F 值 P 值 月数 1 122.460 122.460 345.93 0.000 批次 4 2.587 0.647 1.83 0.150 月数*批次 4 3.850 0.962 2.72 0.048 误差 30 10.620 0.354 合计 39 139.516 选定模型中的项: 月数, 批次, 月数*批次
模型汇总 R-sq(调 R-sq(预 S R-sq 整) 测) 0.594983 92.39% 90.10% 85.22%
系数 方差膨 项 系数 系数标准误 T 值 P 值 胀因子 常量 100.085 0.143 701.82 0.000 月数 -0.13633 0.00769 -17.74 0.000 1.07 批次 1 -0.232 0.292 -0.80 0.432 3.85 2 0.068 0.292 0.23 0.818 3.85 3 0.394 0.275 1.43 0.162 3.41 4 -0.317 0.292 -1.08 0.287 3.85 5 0.088 0.275 0.32 0.752 * 月数*批次 1 0.0454 0.0164 2.76 0.010 4.52 2 -0.0241 0.0164 -1.47 0.152 4.52 3 -0.0267 0.0136 -1.96 0.060 3.65 4 0.0014 0.0164 0.08 0.935 4.52 5 0.0040 0.0136 0.30 0.769 *
回归方程 批次 1 药物百分比 = 99.853 - 0.0909 月数 2 药物百分比 = 100.153 - 0.1605 月数 3 药物百分比 = 100.479 - 0.1630 月数 4 药物百分比 = 99.769 - 0.1350 月数 5 药物百分比 = 100.173 - 0.1323 月数
异常观测值的拟合和诊断 标准化 观测值 药物百分比 拟合值 残差 残差 11 98.001 99.190 -1.189 -2.21 R 43 92.242 92.655 -0.413 -1.47 X 44 94.069 93.823 0.246 0.87 X R 残差大 X 异常 X
估计稳定期 规格下限 = 90 稳定期 = 您可以 95% 确信至少 50% 的响应高于规格下限的时间期间 批次 稳定期 1 83.552 2 54.790 3 57.492 4 60.898 5 66.854 整体 54.790
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策