Kelci Miclaus, directeur principal, Recherche et développement en analytique avancée, JMP Life Sciences, SAS Institute Inc.
La recherche translationnelle (de la recherche fondamentale aux domaines appliqués) et la recherche clinique peuvent être coûteuses.Afin de comprendre les conséquences sur la santé et les maladies, les chercheurs collectent généralement un maximum de données sur les paramètres, en tenant compte des coûts et du temps.Ceci est en outre motivé par une compréhension limitée de la base génomique de la maladie et des protocoles de bonnes pratiques de recherche clinique pour évaluer la sécurité et l'intégrité opérationnelle ainsi que l'efficacité des nouveaux traitements. C'est attaché.Dans le «cycle de vie» des données des sciences de la vie, la quantité de données peut être un lourd fardeau pour l'analyse et la transmission des résultats (bien que les méthodes traditionnelles de création de centaines de tableaux ne soient ni efficaces, ni efficaces) )Dans cette session, nous nous concentrerons sur les visualisations pour communiquer les résultats dans une analyse d’étude de cas typique de la recherche en sciences de la vie.A propos de la synthèse et de la visualisation des données et des graphiques pour transmettre les résultats d’une analyse statistique complexe,
Je vais expliquer en détail.Exemples: parcelles volcaniques, parcelles de Manhattan, résumés de distribution d'innocuité et d'efficacité dans les essais cliniques, tendances diagnostiques en laboratoire (parcelles en cascade, déplacements) de milliers à des millions de modèles statistiques utilisant des données génomiques Parcelles, parcelles de spaghettis, parcelles de lasagne, parcelles de nageurs) et la détection d'anomalies de complétude dans les essais cliniques.Tous les exemples ont été créés à l'aide du générateur de graphes de JMP et présentent ses avantages et sa flexibilité.
