Niveau: débutant
Kelci Miclaus, directeur principal, Recherche et développement en analytique avancée, JMP Life Sciences, SAS
La recherche clinique et translationnelle a un prix élevé. Compte tenu des coûts et du temps dont doivent tenir compte les études pour comprendre les résultats pour la santé et les maladies, les chercheurs collectent généralement autant de données sur autant de paramètres que possible. Ceci est en outre motivé par notre compréhension limitée des fondements génomiques de la maladie et des protocoles de bonnes pratiques de recherche clinique pour évaluer non seulement l'efficacité des nouveaux traitements, mais également la sécurité et l'intégrité opérationnelle. Dans le «cycle de vie» des données des sciences de la vie, le volume de données pose des difficultés pour analyser et communiquer les résultats; les pratiques traditionnelles qui produisent des centaines de tables ne sont ni efficaces ni efficaces. Cette présentation mettra l'accent sur la visualisation afin de communiquer les résultats dans plusieurs analyses d'études de cas typiques de la recherche en sciences de la vie. Nous mettons en évidence des techniques de visualisation de résumé de données et des graphiques pour communiquer les résultats d’analyses statistiques complexes. Les exemples incluent les parcelles de volcan et les parcelles de Manhattan lorsqu’on effectue des milliers, des millions de modèles statistiques avec des données génomiques, des résumés de distribution sur la sécurité et l’efficacité lors d’essais cliniques, les tendances des résultats de laboratoire (parcelles à cascade, parcelles à décalage, parcelles à spaghetti, parcelles à lasagne, parcelles de nageurs) et cliniques. détection des anomalies d'intégrité opérationnelle. Tous les exemples seront présentés avec Graph Builder, illustrant la force et la flexibilité de cette plate-forme JMP essentielle.
