Professor Endrenyi’s Legacy: An Evaluation of the Regulatory Requirement “Fixed Effects, Rather Than Random Effects, Should Be Used for All Terms”
Notice bibliographique
Résumé
PURPOSE: In the latest revision of the guideline for evaluation of bioequivalence (BE), European regulators introduced the requirement for using subjects as fixed factors in the underlying statistical models, even in replicate and semi-replicate studies. The implication was that estimates of within-subject variability were derived with a linear model rather than with a mixed model based on restricted maximum likelihood (REML). While REML-based methods are generally thought to give rise to less biased estimates of variance components, there have been no studies that compared the quality of REML-based estimates and estimates derived via linear models. METHODS: A publication by Endrenyi and Tothfalusi from 1999 described simulations in a fashion that is useful for testing the European Medicines Agency's (EMA) requirement. This study defines 7 scenarios within which 10,000 individual 2-sequence, 2-treatment, 4-period trials are simulated and makes a comparison of the quality of estimates. RESULTS: It is concluded that estimates based on REML are closer to the true values than estimates based on linear models, but significant differences are only shown in two of the seven scenarios tested. REML-based estimators have less variability. Both types of estimates appear negatively biased and will therefore decrease the width of the acceptance range.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,189 | 0,392 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,009 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».