理解实验设计(DOE)及它在药品开发和生产中的合理应用

实验设计(DOE)是一个确定影响工艺和工艺产出的各因子间关系的系统方法。它可以有效地解决常见问题，同时也是一个可以用来做高效设计、改进或优化产品及生产工艺的方法。一个设计良好、执行到位的实验设计(DOE)可以减少新产品和工艺开发时间，改善现有工艺表现，提升现有产品的可靠性和表现，获取强健的产品和工艺，评估原料、设计代替方案、设定元件和系统偏差等。

培训旨在提供介绍性的理解设计和运用实验设计(DOE)的基础知识，包括目标、原则、设计要求和考虑事项，执行实验设计(DOE)前的前期准备工作，选择合适的实验设计种类及针对不同的目的测试变量，分析简单到较为复杂的结果。（例如全因子、部分因子和响应面）

理解对现代实验方法的需要以及获取实验成功的步骤；

决定是否用DOE来解决问题或优化系统；

熟悉最好的设计技术包含目标、以及不同方法的相似点和不同点，优势和劣势；

能够建立实验设计并利用软件做简单的数据分析。

在药品研究、设计、开发、测试和生产阶段的制剂或分析科学家以及工艺工程师。学员需要有数学和统计学的背景知识。

 一、试验设计基础及概述(2小时)

◎ 设计与分析介绍

◎ 设计试验的类型

    ●试验设计vs 单因子法

    ●二阶段设计(全因子，部分因子及筛选试验设计)

        (a)因子筛选

        (b)评估线性模型(包含交互作用)

    ●三阶段设计(Box-Behhken 试验设计, 中心组合设计)

    ●因子类型

    ●定性或分类(例如生产批次，操作人员，方法，仪器等等)

    ●定性(例如时间，温度，压力，速度，PH，体积等)

        (a)离散VS连续

◎运行一个试验设计前的要求

    ●问题及客观陈述

    ●确保试验设计是正确的工具

    ●选择响应变化，试验因子及合适的区间

◎试验设计考量

    ●试验设计，机制论理解及关联

        (a)鱼骨图，经验模型VS基本原理，先验知识与最佳猜想

        (b)尽量简单

    ●可控试验与潜在的交互变量

    ●信噪比，重叠

    ●统计VS实际意义

    ●确认研究

    ●在制剂与工艺开发中的特别考虑

        (a)混合限制及连续单元操作

    ●局限性与潜在缺陷

◎实用案例

    ●制剂/工艺/方法开发最优化及疑难解答

    ●支持产品/工艺理解及监管备案的正当化

二、试验设计数据分析统计工具(2小时)

◎假设检验，区组设计，重复，及随机化

◎简单线性回归与多元回归

◎统计学基础——简单全因子试验方差分析的基本原理

◎显著性试验方法；非随机试验的影响；估算显著性试验“统计效力”；置信区间；估算随机误差

◎分析图形——正态与半正态描点图；主效果与交互作用图

◎简单全因子试验的回归分析

◎历史数据的建模

◎利用软件(例如MiniTab; JMP)进行因子试验设计

    ●利用等值线图来同时使多个模型最优化

◎案例分析

三、全因子试验(2小时)

◎介绍3或4因子二水平的试验立方图

◎因子水平，重复，试验的合理精简

◎在随机与区组表格之间设定一个全因子试验设计测试矩阵

    ●用方差分析，回归，绘图方法分析并说明全因在试验设计结果

◎主要效果与交互作用

◎显著性评估

◎案例分析

四、部分(局部)因子试验(2小时)

◎交互原理——它是如何运作；在交互过程中我们丢失了什么信息(为什么我们如此不小心)

◎用交互原理设定部分(局部)因子试验设计

    ●分析并解释一个局部因子试验设计结果

◎决定运行哪一个因子组合

◎分析部分因子试验数据

◎利用软件(例如MiniTab; JMP)进行局部因子试验设计

◎案例分析

五、响应曲面建模(2小时)

◎决定什么时候一个响应曲面试验设计应该运行

    ●选择合适的响应曲面曲面设计(筛选试验设计，Box-Behnken试验设计，中心组合设计，或D-Optimal 试验设计)

    ●解释响应曲面输出

◎什么响应曲面模型做到最好？

◎合适的响应曲面试验设计(筛选试验设计，Box-Behnken试验设计等)——用每个响应曲面试验设计类型的理想情况；每个响应曲面试验设计的立方图设定

◎分析响应曲面试验数据

◎发现最佳因子值的方法

◎使用软件(例如MiniTab, JMP)进行响应曲面试验

邱怡虹博士

邱怡虹于1982年获中国药科大学药学学士学位, 1985年获药剂学硕士学位。毕业后留校任教，1987年出国留学，1992年获美国爱荷华大学(Iowa)药学院药剂学博士学位后被雅培制药聘为研究科学家，从事药物释放技术的研究与制剂产品研发。而后历任研究科学家，资深科学家，有业绩的资深科学家，Volwiler学会副研究员(部门经理)，高级研究员(总监)，资深高级研究员(资深总监)。

邱博士是美国药学科学家学会(AAPS)终生Fellow, 美国药典专家委员会委员(2010-2015)，长江学者计划特聘海外评委(2013-2014), 并常任 AAPS 芝加哥药学研发论坛主委，以及许多国际专业杂志，诸如:J. Pharm.Sci.；Int. J. Pharm.; J.Controlled Release；Pharm. Res.; AAPS J. 等杂志审委。邱博士定期受邀请至国际会议，专业组织/机构讲演或讲课, 包括 AAPS, 国际控释学会(CRS)和 FDA，同时在休斯顿大学药学院开设药剂研究生课程，并曾在爱荷华大学，中国药科大学研究生班授课。他曾多次代表 AAPS 主持并参与分别在京沪宁杭等地与中国药学会(CPA)联合举办有关高品质制剂产品研发和 CMC 法规的型培训班和研讨会。

Yuchuan Gong, Ph.D.

龚博士是美国艾伯维公司的主任研究员。他在中国东南大学获得化学工程学士，在波多黎各大学获得理化博士。他在工业界的职业生涯开始于Vertex 制药，后来进入艾伯维公司。在此之前，他是明尼苏达大学药学院的科研人员。在过去的10 年里，龚博士经历了CMC 的各职能部门包括固态开发，处方前开发，处方开发和运营。

龚博士直接参与了4 个上市产品及许多临床阶段的产品开发。他拥有超过10 项专利，发表了很多科学论文和书籍。龚博士的专长包括固态开发(结晶化、固态筛选、固态表征)，口服剂型开发(制剂道工艺开发)，及生产技术(工艺放大和优化,QbD)。

陈蓓博士

陈蓓博士毕业于美国阿克伦大学化学工程系，目前，任职于美国艾伯维公司口服药品生产技术部。陈博士拥有10 年以上的跨国公司专利药以及仿制药工作经验，她成功地领导跨部门团队进行了数个口服制剂工艺开发、放大、技术转移、临床/ 商业批生产以及持续改进的项目。同时，她还在质量源于设计(QbD)和 CMC 全球法规要求以及申报方面有着丰富的知识以及经验。另外，在产品开发、转移以及放大过程中，陈博士对于“设计空间 (Design Space)”以及“精益六西格玛(Lean Six Sigma,LSS)”等工具的应用也极为擅长。

陈博士与同事共同开发开发的包衣工艺的放大模型既可保证工艺生产的稳定性又提供足够的灵活性。目前该工艺模型已在艾伯维的包衣工艺开发，放大和常规生产中广为使用。陈博士拥有4 项专利以及专利申请， 在国际权威期刊上发表了17 篇文章，编写专著2 个书籍章节，以及多次受邀演讲。陈博士是美国药学科学家协会的项目指导委员会成员，同时还任美国化学工程师协会药品研究/ 开发/ 生产分会的主席。她已获得六西格玛黑带证书。

培训将2017年7月27日(周四上午)开课

Best Media正在进行的培训