Kelci Miclaus, Senior Manager, Forschung und Entwicklung im Bereich Advanced Analytics, JMP Life Sciences, SAS Institute Inc.
Translationale Forschung (von der Grundlagenforschung bis zur angewandten Forschung) und klinische Forschung sind teuer.Um die gesundheitlichen Folgen und Krankheiten zu verstehen, sammeln Forscher in der Regel maximale Daten zu maximalen Endpunkten unter Berücksichtigung von Kosten und Zeit.Dies wird ferner durch ein begrenztes Verständnis der genomischen Grundlagen der Krankheit und guter klinischer Forschungspraxis zur Bewertung der Sicherheit und Funktionsintegrität sowie der Wirksamkeit neuer Therapien motiviert. Es ist beigefügt.Im „Lebenszyklus“ von Life-Science-Daten kann die Datenmenge eine große Belastung für die Analyse und Übermittlung von Ergebnissen darstellen (obwohl herkömmliche Methoden zur Erstellung von Hunderten von Tabellen weder effizient noch effektiv sind). ).In dieser Sitzung konzentrieren wir uns auf Visualisierungen, um die Ergebnisse in einer typischen Fallstudienanalyse in der Life-Science-Forschung zu kommunizieren.Über das Zusammenfassen und Visualisieren von Daten und die grafische Darstellung, um die Ergebnisse komplexer statistischer Analysen zu vermitteln,
Ich werde im Detail erklären.Beispiele hierfür sind Volcano-Diagramme, Manhattan-Diagramme, Zusammenfassungen der Sicherheits- und Wirksamkeitsverteilung in klinischen Studien, labordiagnostische Trends (Wasserfalldiagramme, Verschiebungen) von Tausenden bis Millionen statistischer Modelle unter Verwendung genomischer Daten Diagramme, Spaghetti-Diagramme, Lasagne-Diagramme, Schwimmer-Diagramme) und Erkennung von Anomalien in der Integrität der klinischen Studie.Alle Beispiele wurden mit dem Graph Builder von JMP erstellt und zeigen seine Vorteile und Flexibilität.
