Page History

La principale raison d’une convergence lente dans un modèle à 4 paramètres est la présence de valeurs aberrantes ou de données insuffisantes aux extrémités de la courbe. CombiStats émet une notification de convergence lente après 1000 itérations. Vous pouvez interrompre les itérations en appuyant sur la touche « Pause » (ou Ctrl + Échap). Une fois les itérations interrompues, vous pouvez inspecter visuellement les données et le statut de l’ajustement, ce qui suffit généralement à déterminer la source du problème. Dans le cas de valeurs aberrantes, vous pouvez décider de les exclure ou de les pondérer. En cas de données insuffisantes aux extrémités de la courbe, vous pouvez décider d’utiliser un modèle mieux adapté aux données. Il est possible, dans certains cas, que vous constatiez que les données ne présentent aucune anomalie et que l’ajustement du modèle semble acceptable. C’est notamment le cas si l’amélioration dans la gamme des doses testées est très faible, mais que le changement des asymptotes extrapolées à chaque étape demeure trop grand pour arrêter automatiquement les itérations. Il peut alors être justifié d’accepter les résultats obtenus après avoir appuyé sur « Pause ». Pour vous assurer que le changement est en effet négligeable, vous pouvez vérifier le résultat après un nombre variable d’itérations.

Remarque : la méthode itérative utilisée par CombiStats (technique p+2) est une méthode relativement stable dans le sens où elle parvient à une convergence dans de nombreux cas, là où d’autres procédés ne le permettent pas (comme la méthode de Newton, où tous les paramètres sont améliorés à chaque itération). Toutefois, la convergence n’est pas pour autant garantie, même si un optimum existe. Le principal inconvénient de l’optimisation p+2 est sa lenteur lorsque les données disponibles sont insuffisantes dans les asymptotes. Une convergence lente peut aussi être considérée comme le signe d’une analyse de mauvaise qualité et peut justifier le rejet d’un essaiTypical reasons for slow convergence of 4-parameter models are the presence of outliers or insufficient data in the extreme parts of the curve. CombiStats will issue a notification of slow convergence after 1000 iterations. You can interrupt the iterations by pressing the BREAK key (or CTRL+ESC). When you have interrupted the iterations you can do a visual inspection of the data and the status of the fit. This will usually reveal the problem. In the case of outliers you might decide to exclude them or to downweight them. In the case of insufficient data in the extreme parts of the curve you might decide to use a model that better suits the data. In some cases you may find that the data show no anomalies and that the fit of the model looks acceptable. This can happen if the improvement in the range of doses tested is very small, but the change of the extrapolated asymptotes at each step is still too large for the iterations to stop automatically. In such cases it may be justified to accept the results as shown after pressing the BREAK key. You might want to check the outcome after different numbers of iterations to convince yourself that the change is indeed negligible.
Remark: The iterative method used by CombiStats (the p+2 technique) is a fairly stable method in the sense that it will converge in many cases where other methods would fail to converge (such as Newton-Rhapson where all parameters are improved at each iteration). However, this is still no guarantee that convergence can be reached even if an optimum exists. The main disadvantage of the p+2 optimisation is that it can be slow when not enough data in the asymptotes are available. Slow convergence can also be regarded as a sign of poor assay quality and might be a reason in itself to reject an assay.