FDA 검토자가 사이트의 데이터를 풀링 할 때 두 사이트에 일부 샘플이 포함 된 3 개 사이트의 풀링 데이터가 포함되어 있기 때문에 FDA 검토자가 해당 변수의 오류 회귀가 유효하지 않다고 말했기 때문에 최근에 고객이 부트 스트랩 분석을 수행하게되었습니다. 똑같다.
배경
고객은 기존의 승인 된 방법과 "동등한"방법을 보여주고 자하는 새로운 분석 방법을 사용했습니다. 그들의 접근 방식은 동일한 시료에 적용된 두 방법의 결과를 비교하는 것이 었습니다. 테스트를 위해 3 개의 사이트가 사용되었습니다. 변수 내 오류 (데밍 회귀)가 각 사이트의 데이터에 적용되었습니다. 아이디어는 회귀가 기울기 매개 변수가 1에 가까우며 0에 가까운 절편을 보여 주면 두 가지 분석 기술이 거의 동일한 결과를 낳았으므로 새로운 방법이 승인되어야 함을 나타냅니다. 제 1 기지에는 45 개의 표본이있어 45 쌍의 관측치가 제공되었습니다. 사이트 2에는 40 개의 샘플이 있고 사이트 3에는 43 개의 샘플이 있습니다. 그들은 세 가지 분리 된 데밍 회귀 분석을 수행했습니다 (두 방법의 측정 오차에 대해 1의 비율을 가정). 따라서 알고리즘은 수직 거리의 제곱을 최소화했습니다.
그들의 제출에서 고객은 사이트 1과 2에서 사용 된 샘플 중 일부가 동일하다고 지적했습니다. 검토에서 FDA 검토자는 모델의 가정을 무효화하는 "간섭"을 유발하는 공통 샘플이 사용 되었기 때문에 데밍 회귀 분석이 유효하지 않다고 말했다. 그들은이 간섭을 고려하여 데밍 결과에 부트 스트랩 조정을 적용하도록 요청했습니다.
클라이언트가 부트 스트랩을 수행하는 방법을 알지 못했기 때문에 그 시점에서 나는 간섭이라는 용어가 이상했고 리뷰어가 무엇을 얻었는지 정확히 알지 못했습니다. 풀링 된 데이터에 공통 샘플이 있기 때문에 공통 샘플과의 상관 관계가 있으므로 모델 오류 항이 모두 독립적이지는 않을 것입니다.
클라이언트 분석
세 개의 개별 회귀 분석은 매우 유사했습니다. 각각의 기울기 매개 변수는 1에 가까우며 0 근처에서 차단합니다. 95 % 신뢰 구간은 각각의 경우 기울기와 절편에 대해 각각 1과 0을 포함했습니다. 주요 차이점은 3 번 사이트에서 잔류 분산이 약간 더 높았다는 것입니다. 또한 OLS를 수행 한 결과와 비교 한 결과가 매우 유사했습니다 (OLS를 기반으로 한 기울기에 대한 신뢰 구간이 1을 포함하지 않은 경우는 한 경우에만). 기울기에 대한 OLS CI가 1을 포함하지 않은 경우 간격의 상한은 0.99와 비슷했습니다.
세 사이트 모두에서 결과가 너무 비슷 해짐에 따라 사이트 데이터를 합리적으로 볼 수있었습니다. 클라이언트는 풀링 된 Deming 회귀 분석을 수행하여 비슷한 결과를 얻었습니다. 이러한 결과가 주어지면 클라이언트가 회귀가 유효하지 않다는 주장을 반박하는 보고서를 작성했습니다. 내 주장은 두 변수에 비슷한 측정 오류가 있기 때문에 클라이언트는 Deming 회귀를 동의 / 불일치를 표시하는 방법으로 사용할 수 있다는 것입니다. 주어진 사이트 내에서 샘플이 반복되지 않았기 때문에 개별 사이트 회귀는 상관 오류의 문제가 없었습니다. 더 긴밀한 신뢰 구간을 얻기 위해 데이터 풀링.
이 어려움은 단순히 사이트 1에서 나온 공통 샘플로 데이터를 풀링함으로써 간단히 해결할 수 있습니다. 또한 세 가지 개별 사이트 모델에는 문제가 없으며 유효합니다. 이것은 풀링이 없어도 강력한 동의 증거를 제공하는 것으로 보입니다. 또한 측정은 공통 사이트에 대해 사이트 1과 2에서 독립적으로 수행되었습니다. 따라서 사이트 1의 샘플에 대한 측정 오류가 사이트 2의 해당 샘플의 측정 오류와 상관 관계가 없기 때문에 모든 데이터를 사용하는 풀링 된 분석조차도 유효하다고 생각합니다. 문제가되지 않는 공간. 상관 관계 / "간섭"을 만들지 않습니다.
내 보고서에는 조정할 상관 관계가 없기 때문에 부트 스트랩 분석이 필요하지 않다고 썼습니다. 3 개의 사이트 모델이 유효했고 (사이트 내에서 "간섭"이 없을 수 있음) 풀링을 수행 할 때 사이트 1에서 공통 샘플을 제거하여 풀링 분석을 수행 할 수있었습니다. 이러한 풀링 된 분석에는 간섭 문제가 없습니다. 조정할 바이어스가 없으므로 부트 스트랩 조정이 필요하지 않습니다.
결론
고객은 저의 분석에 동의했지만 FDA에 가져가는 것을 두려워했습니다. 그들은 어쨌든 부트 스트랩 조정을 원합니다.
내 질문
A) (1) 고객 결과에 대한 나의 분석 및 (2) 부트 스트랩이 필요하지 않다는 나의 주장에 동의하십니까?
B) Deming 회귀를 부트 스트랩해야한다는 점을 감안할 때 부트 스트랩 샘플에서 Deming 회귀를 수행 할 수있는 SAS 또는 R 절차가 있습니까?
편집 : Bill Huber의 제안을 감안할 때 x의 y와 x의 y를 모두 회귀하여 변수 오류 오류 회귀에 대한 경계를 살펴볼 계획입니다. 우리는 이미 한 버전의 OLS에 대해 두 가지 오차 분산이 같다고 가정 할 때 그 대답은 본질적으로 변수 내 오차와 동일하다는 것을 알고 있습니다. 이것이 다른 회귀에 해당된다면 Deming 회귀가 적절한 해결책을 제시한다는 것을 알 수 있습니다. 동의하십니까?
클라이언트의 요청을 충족 시키려면 모호하게 정의 된 요청 된 부트 스트랩 분석을 수행해야합니다. 윤리적으로 나는 클라이언트의 실제 문제를 실제로 해결하지 못하기 때문에 부트 스트랩을 제공하는 것이 잘못 될 것이라고 생각합니다. 이는 분석 측정 절차를 정당화하는 것입니다. 그래서 나는 그들에게 분석을 제공하고 적어도 FDA에 부트 스트랩을 수행하는 것 외에도 역 회귀를하고 더 적절하다고 생각되는 데밍 회귀를 제한했다고 FDA에 요구할 것입니다. 또한 분석 결과 분석 방법이 참조와 동일하므로 데밍 회귀 분석도 적합하다고 생각합니다.
@whuber가 Deming 회귀를 부트 스트랩 할 수 있도록 그의 대답에서 제안한 R 프로그램을 사용할 계획입니다. 나는 R에 익숙하지 않지만 할 수 있다고 생각합니다. R은 R Studio와 함께 설치되었습니다. 저 같은 초보자도 쉽게 이해할 수 있을까요?
또한 SAS가 있으며 SAS에서보다 편안한 프로그래밍입니다. 따라서 누군가 SAS 에서이 작업을 수행하는 방법을 알고 있다면 그것에 대해 알고 싶습니다.