Level: Anfänger
Kelci Miclaus, Senior Manager für Forschung und Entwicklung im Bereich Advanced Analytics, JMP Life Sciences, SAS
Die Durchführung von translationaler und klinischer Forschung ist mit einem hohen Preis verbunden. Angesichts von Kosten- und Zeitüberlegungen in Studien zum Verständnis der gesundheitlichen Folgen und Krankheiten sammeln Forscher häufig so viele Daten wie möglich zu Endpunkten. Dies ist weiter motiviert durch unser begrenztes Verständnis der genomischen Grundlagen von Krankheiten und der Protokolle guter klinischer Forschungspraxis, um nicht nur die Wirksamkeit neuer Therapeutika, sondern auch die Sicherheit und die operationelle Integrität zu bewerten. Im „Lebenszyklus“ von Life-Science-Daten ist das Datenvolumen eine Herausforderung für die Analyse und Kommunikation der Ergebnisse. Traditionelle Praktiken, die Hunderte von Tabellen produzieren, sind weder effizient noch effektiv. Diese Präsentation konzentriert sich auf die Visualisierung, um die Ergebnisse in verschiedenen für die Life-Science-Forschung typischen Fallstudienanalysen zu kommunizieren. Wir heben sowohl Techniken zur Visualisierung von Datenzusammenfassungen als auch Grafiken hervor, um die Ergebnisse komplexer statistischer Analysen zu kommunizieren. Beispiele hierfür sind Vulkan- und Manhattan-Diagramme, in denen Tausende bis Millionen statistischer Modelle mit Genomdaten, Verteilungsübersichten zu Sicherheit und Wirksamkeit in klinischen Studien, Trends bei Laborergebnissen (Wasserfalldiagramme, Schichtdiagramme, Spaghetti-Diagramme, Lasagne-Diagramme, Schwimmerdiagramme) und klinische Daten erstellt werden Erkennung von Betriebsstörungen. Alle Beispiele werden mit Graph Builder präsentiert und demonstrieren die Stärke und Flexibilität dieser wichtigen JMP-Plattform.
