Nivel: principiante
Kelci Miclaus, gerente sénior de I + D de análisis avanzado, JMP Life Sciences, SAS
La realización de investigación traslacional y clínica tiene un alto precio. Teniendo en cuenta los costos y las consideraciones de tiempo en los estudios para comprender los resultados de salud y la enfermedad, los investigadores suelen recopilar tantos datos sobre tantos puntos finales como sea posible. Esto está motivado por nuestra comprensión limitada de las bases genómicas de la enfermedad y los buenos protocolos de práctica de investigación clínica para evaluar no solo la eficacia de las nuevas terapias, sino también la seguridad y la integridad operativa. En el "ciclo de vida" de los datos de ciencias de la vida, el volumen de datos plantea desafíos para analizar y comunicar los resultados; Las prácticas tradicionales que producen cientos de tablas no son ni eficientes ni efectivas. Esta presentación se centrará en la visualización para comunicar los resultados en varios análisis de casos de estudio típicos de la investigación en ciencias de la vida. Destacamos tanto las técnicas de visualización de resumen de datos como los gráficos para comunicar los resultados de análisis estadísticos complejos. Los ejemplos incluyen parcelas de volcanes y parcelas de Manhattan cuando se realizan miles o millones de modelos estadísticos con datos genómicos, resúmenes distribucionales de seguridad y eficacia en ensayos clínicos, tendencias de hallazgos de laboratorio (parcelas en cascada, parcelas de turnos, parcelas de spaghetti, parcelas de lasaña, parcelas de nadador) y clínicas detección de anomalías de integridad operacional. Todos los ejemplos se presentarán con Graph Builder, mostrando la fuerza y flexibilidad de esta plataforma clave de JMP.
