Vocero | Transcripción |
| mandi | Bien, bienvenidos a nuestra discusión de hoy. Hablemos de mesas. Mi nombre es Mandy Chambers y soy ingeniera de pruebas principal del equipo de pruebas de JMP. |
| Y mi compañera de trabajo y amiga que me acompaña hoy es Kelci Miclaus. Es directora senior de I+D en el equipo de ciencias biológicas de JMP. |
| De hecho, Kelci y yo comenzamos a trabajar juntos hace unos años cuando un producto clínico comenzaba a ser un gran consumidor de todas las cosas que pruebo. |
| Así que llegué a conocer bastante bien a su grupo y trabajé estrechamente con ellos en diferentes cosas que estaban tratando de implementar. |
| Y fue realmente valioso para mí poder ver una aplicación en vivo en la que un cliente realmente usaría las cosas que realmente probé en JMP y cómo las usarían en el producto clínico. |
| En el pasado hicimos esta presentación. Es mucho más largo y decidimos que lo mejor que podíamos hacer aquí era |
| darle el documento completo. Eso es lo que se adjunta con esta grabación, junto con dos conjuntos de datos y archivos zip. Debería tener tablas de datos, scripts, |
| algunos diarios y diferentes cosas que necesitas y poder recorrer cada una de las aplicaciones, incluso si termino no mostrándote o Kecli no te muestra algo que está allí. Deberías poder hacer eso. Permítanme comenzar compartiendo mi pantalla aquí. |
| Para que veáis de qué os voy a hablar hoy. Entonces, como dije, el diario que tenía, si fuera a mostrar esto en su totalidad, hablaría sobre cómo unir tablas y las diferentes formas en que se pueden unir tablas. |
| Y esta es la parte en la que no voy a entrar en muchos detalles, sino solo una unión de mesa básica. Si hago clic en esto, |
| ejecuciones de portátiles y temas de portátiles. Y en el menú de tablas, si eres nuevo en JMP o tal vez no hayas hecho esto antes, |
| Puedes unirte a una mesa y esta es para una unión física. Esto unirá las mesas. Así que uniría las carreras de portátiles a los temas de portátiles. |
| Dentro de este diálogo, seleccionas las cosas que quieres unir. Puede unirse haciendo coincidir, unión cartesiana, unión de filas y luego se unirá a la tabla. No voy a hacer eso ahora, sólo por |
| Consumo de tiempo, pero eso es lo que harías. Y también aquí, en el menú de tablas, otra cosa de la que hablaría sería el generador de consultas JMP. |
| Y este tiene la capacidad de poder unir más mesas entre sí. Lo será, si tienes 3, 4, 5, 6, cuantas tablas tengas, puedes juntarlas y crearemos una tabla que contenga todo. Pero repito, en realidad no voy a hacer eso hoy. |
| Así que si yo |
| Vuelvo a aquí y cierro estas tablas. |
| Comencemos explicando cómo surgió la unión virtual. Así que primero hablemos de unir mesas. |
| Tienes que decidir qué tipo de unión quieres utilizar. Entonces... si sus mesas son pequeñas, podría ser más fácil hacer una unión física. Para simplemente unir tablas, como las dos tablas que les mostré no eran muy grandes. |
| Si obtiene tres o cuatro, tal vez más tablas, el generador de consultas JMP es una herramienta maravillosa para crear una tabla. |
| Y es posible que desee que todos sus datos estén en la misma tabla para que eso sea exactamente lo que desea. Sólo hay que tener en cuenta el espacio en disco |
| y rendimiento, y comprenda que si tiene cinco o seis mesas colocadas por separado y luego las une físicamente, está haciendo copias duplicadas. |
| Así que esas son las formas en las que puedes determinar cuál usarías. La unión virtual surgió en JMP 13 y se agregó con la capacidad de |
| tome un enlace, un ID de enlace común y una varias tablas. Es una especie de concepto de unirse sin unirse. Ahorra espacio y también evita la duplicación de datos. |
| Y así... en 13 empezamos con eso. Y luego, del 14 al 15, agregamos más funciones, cosas que los clientes solicitaron. Vincular tablas con filas sincronizadas... sincronización de estados de filas. Puede acortar los nombres de las columnas. Agregamos la posibilidad de abrir automáticamente tablas vinculadas. |
| Pudiendo tener un ID de enlace y una referencia de enlace en la misma columna. Y también agregamos estos pequeños consejos de desplazamiento que le mostraré dónde puede indicarle cuál es la fuente de la tabla de fuentes de su columna. |
| Esas son las cosas que agregamos y voy a intentar configurarlas y demostrárselas. Así que tengo estos datos que en realidad obtuve de un... |
| es sólo una empresa imaginaria de alta tecnología. Y son datos de recursos humanos e incluyen cosas como compensación, plantilla, cierta diversidad y cumplimiento, |
| historial educativo y otros factores laborales. Y si lo piensas bien, es un tipo de datos perfecto para vincular porque tienes |
| generalmente una variable de identificación única, como la identificación de un empleado o algo que pueda vincular y tal vez tener varios datos para su equipo de recursos humanos que se encuentran en diferentes lugares. |
| Así que voy a abrir estas dos tablas y simplemente explicaré lo que harías si intentaras vincularlas. |
| Entonces esta tabla aquí es Puntajes de Empleado 1 y luego tengo Maestro de Compensación 1 en la parte de atrás. Estas tablas, Puntajes de empleados 1, es mi tabla fuente. |
| Y Compensation Master es mi tabla de referencia. Entonces pueden ver estos ID, esta variable de ID aquí en esta tabla. Y también está en la tabla maestra de compensaciones. |
| Entonces voy a configurar mi ID de enlace. Entonces hay un par de maneras diferentes de hacer esto. Puede ir a las propiedades de la columna. |
| Y puede ver aquí abajo que tiene un ID de enlace y una referencia. La forma más sencilla de hacerlo es haciendo clic con el botón derecho, de modo que aparezca el ID del enlace. |
| Y si miro aquí, puedo ver que esta clave de identificación se ha asignado a esa columna. |
| Entonces voy a entrar en mi mesa maestra de compensación. Y voy a entrar en esta columna. Y nuevamente, puedes hacerlo con las propiedades de la columna. |
| Pero puede hacerlo de la forma más sencilla yendo directamente aquí para vincular la referencia, la tabla tiene el ID. Entonces aparece en esta lista. Voy a hacer clic en esto y listo, ahí está mi referencia de enlace. |
| icono justo ahí. Y ahora puedo ver que todas las columnas que estaban en esta tabla están... están disponibles para mí en esta tabla. Puedes ver que tienes una gran cantidad de columnas. |
| También pueden ver aquí que tienen... son nombres de columnas algo largos, tienen los nombres de las columnas, además de este identificador aquí mismo que les muestra que esta es una columna de referencia. |
| Entonces, voy a ejecutar esta pequeña tabla simple que he guardado aquí y les mostraré muy brevemente que se trata de un informe y simplemente les mostraré que se trata de una columna virtual de duración del servicio. |
| Y luego el tipo de compensación es en realidad parte de mi tabla de compensación y luego el género es una columna virtual. Así que estoy usando... construyendo esto usando columnas virtuales y también columnas que residen en la tabla. |
| Una cosa que quería señalarles rápidamente es que debajo de este pequeño triángulo rojo... digamos que están trabajando con estos datos y deciden: |
| "Oh, realmente quiero hacer esta mesa. Realmente quiero todas las columnas en una tabla." Aquí hay una pequeña herramienta secreta llamada fusionar datos de referencia. |
| Y mucha gente no sabe que esto existe exactamente. Pero si quisiera, podría hacer clic en eso y fusionar todas las columnas en |
| Esta mesa. Y entonces, pero por razones de tiempo, no voy a hacer eso ahora, pero quería señalar dónde está ubicado. |
| Y déjame mostrártelo aquí en el diario, muy rápidamente. Esto se puede hacer con secuencias de comandos, por lo que puede establecer la referencia del enlace de propiedad y apuntar a su tabla y |
| enumere eso para usar las columnas de enlace. Así que cerraré esto rápidamente y luego volveré a la misma aplicación donde tenía |
| Las mismas dos tablas en las que tengo algunos scripts guardados adicionales aquí, un par de cosas más que quiero mostrar. De nuevo, tengo las puntuaciones de los empleados. Esta es mi tabla fuente. |
| Y luego tengo el maestro de compensación y ya están vinculados y puedes ver esto aquí. Así que quiero volver a ejecutar esa tabulación y quiero mostrarles algo. |
| Como puede ver, los nombres de estas columnas son más cortos ahora. Por eso quiero mostrar lo que agregamos en JMP 14. Si hago clic derecho y abro el cuadro de diálogo de información de la columna, |
| Puedo ver aquí que dice usar nombres de columnas vinculadas aquí mismo. Y eso establece que estos estos nombres serán más cortos. |
| Y esa es realmente una característica interesante porque, al final del día, cuando compartes este informe con alguien, realmente no le importa dónde están las columnas. |
| provenientes, ya sea en la mesa principal o en la mesa virtual. Así que es un informe agradable y limpio para usted. El script se guarda para que pueda ver en el script que es... |
| guarda el script que le muestra una tabla de referencias. Entonces si miro esto, puedo ver. Entonces sabrías de dónde viene esta columna, pero |
| alguien con quien estás compartiendo no necesariamente necesita saberlo. Así que quiero mostrarles esta otra cosa que agregamos con este envío de estados de fila. |
| Ejemplo muy rápido, voy a ejecutar esta distribución. Y notarás de inmediato que en esta distribución tengo un título que dice que estos números están equivocados. |
| Entonces déjame señalar de qué estoy hablando. Las puntuaciones de los empleados son mi tabla de base de datos de empleados y tiene alrededor de 3600 empleados. |
| Esta es una referencia única a los empleados y es una base de datos de empleados actual, digamos. Mi tabla maestra de compensación se parece más a una tabla de historial y tiene 12.000 |
| filas en él, por lo que potencialmente tiene en esta tabla múltiples referencias al mismo empleado, digamos, un empleado cambió de trabajo y obtuvo un aumento, o se mudó. |
| O podría tener empleados que ya no están en la empresa. Entonces, ejecutar este informe desde esta tabla |
| no proporciona la información que realmente quiero. Puedo ver aquí abajo que mi conteo está fuera de lugar, tengo conteos más grandes, no tengo exactamente lo que estaba buscando. |
| Esta es una de las razones por las que creamos esta sincronización de estados de fila y Kelci también hablará un poco más sobre esto en una aplicación de la vida real. |
| Pero simplemente voy a mostrarles cómo configurarían el envío de estados de fila. Así que lo que estoy haciendo es simplemente agrupar |
| marcador de color de selección. Y lo que estoy haciendo es enviar desde el maestro de compensaciones a las puntuaciones de los empleados, |
| Estoy enviando la información a esta tabla porque (lo siento), esta es la tabla desde la que quiero que se ejecute mi información. |
| Entonces, si vuelvo atrás y vuelvo a ejecutar esa distribución, ahora tengo esta distribución (son columnas un poco diferentes), pero tengo esta distribución. Y si miro los números aquí mismo, |
| Tengo los números exactos de mi base de datos de empleados. Y eso es exactamente lo que quería ver. Por lo tanto, debes tener cuidado al enviar y aceptar y Kelci hablará más sobre eso. Pero ese fue solo un ejemplo simple de cómo se haría eso. |
| Y les mostraré muy rápidamente que hay un enlace de ayuda en línea que muestra |
| un ejemplo de cómo unir columnas virtualmente y mostrar los estados de las filas. Te guiará a través de eso. También hay otros ejemplos aquí. |
| de utilizar la unión virtual. Si necesita más información sobre cómo configurar esto. Y nuevamente, solo para recordarles, todo esto se puede programar. Así que puedes escribir esto aquí mismo, configurando los estados de tus filas y las diferentes cosas que quieras con eso. |
| Entonces, a medida que avanzamos hacia JMP 15, agregamos un par de cosas más. Entonces, lo que agregamos fue que agregamos la capacidad de abrir automáticamente una tabla y también de pasar el cursor sobre las columnas y descubrir de dónde vienen. Y te explicaré qué significa exactamente. |
| Entonces, si hago clic en estos. Creamos algunas tablas nuevas para JMP 15, Employeemaster.jmp, que todavía forma parte de estos datos de recursos humanos. Entonces, si rastreo esto un poco y miro, señalaré un par de cosas sobre esta tabla. |
| Tiene un ID de enlace y una referencia de enlace. Y esa fue la otra cosa que agregamos a JMP 15, la capacidad de poder tener un ID de enlace y una referencia de enlace en la misma columna. |
| Entonces, si miro esto y voy y miro la ventana de mi casa aquí, puedo ver que hay dos mesas más abiertas. Se abrieron automáticamente para mí. |
| Así que voy a abrirlos porque quiero separarlos para que puedan ver cómo funciona. Pero esta tabla maestra de empleados está vinculada a |
| a... apilarlos uno encima del otro... está vinculado a la tabla de historial educativo, que, a su vez, ha estado vinculada a mi tabla de terminación prevista. Y puedes ver |
| Hay un ID de empleado que tiene una referencia de enlace y el ID de enlace, ID de empleado aquí. Lo mismo, y luego la determinación de predicción solo tiene una identificación. |
| Y si tuviera otra tabla o dos que tuvieran datos únicos de ID de empleado y necesitara ingresarlos, podría continuar la cadena asignando una referencia de enlace aquí y puede continuar. Así que... sólo para mostrarles rápidamente, si hago clic derecho y miro esta columna aquí, |
| Puedo ver que mi ID de enlace está configurado, también puedo ver que mi referencia de enlace está configurada. Y me dice que el historial de educación es una tabla a la que esta tabla está vinculada. |
| Lo tengo en apertura automática y tengo los nombres más cortos. No envío estados de fila, por lo que no hay nada configurado allí. Entonces, todas las columnas que están en estas otras dos tablas están disponibles para mí, para mi tabla de referencia aquí llamada maestra de empleados. |
| Y muy rápidamente, pueden ver que tienen una gran cantidad de columnas aquí que están disponibles para ustedes, y las columnas de enlace se muestran como columnas agrupadas aquí abajo. |
| Entonces, otra pregunta que hicieron los clientes, como dicen, ¿hay alguna manera de decirnos de dónde provienen estas columnas? |
| entonces queda un poco mas claro? Así que agregamos este pequeño y agradable consejo sobre el desplazamiento. Si paso el cursor sobre |
| esto, esto me dice que esta bandera de discapacidad de columna en particular proviene de la terminación prevista. Entonces, en realidad proviene de la última tabla de mi serie. |
| Y si bajo aquí y hago clic en uno de estos, dice que el código del programa de estudios proviene del historial educativo. |
| Entonces, esa es una pequeña característica agradable que lo ayudará a elegir sus columnas, tal vez en lo que intenta ejecutar con plataformas, etc. |
| Pero si ejecuto esta distribución, este es solo un ejemplo de distribución simple que muestra el nivel de empleado. |
| en realidad proviene de mi tabla maestra de empleados. Esta descripción de grado proviene de la tabla de historial educativo y esta evaluación de desempeño proviene de mi tabla de terminación predictiva. Y luego puedes mirar un poco más con |
| algunos de estos otros ejemplos que están aquí. yo construí |
| Aquí hay una ventana contextual de paneles que muestra un generador de gráficos que muestra un diagrama de caja. Tenemos una distribución aquí, una tabulación y un mapa de calor, |
| usando todas las columnas virtuales, algunas, ya sabes, algunas columnas que son de la tabla, pero también las columnas virtuales tienen un filtro. Entonces, si quiero mirar a las mujeres y a los profesionales. |
| Siempre me gusta señalar las rarezas aquí. Entonces, si entro aquí y miro estos dos pequeños lugares que están ahí. Esto es muy interesante para mí porque los ratios de compensación muestran cómo se les paga a las personas. |
| Básicamente, si se les paga en la proporción adecuada o no para la descripción de su trabajo. Y parece que estos dos valores atípicos son |
| superando constantemente las expectativas, parece que tal vez estén mal pagados. Así como este de aquí arriba |
| es todo por sí solo y parece que rara vez cumplen con sus expectativas, pero es posible que les paguen un poco más o que se trate de errores. Pero en cualquier caso, a medida que se concentra en ellos, también puede ver que se están realizando las selecciones. |
| aquí. Entonces, en este mapa de calor, puedo ver que se está gastando algo de dinero en rendimiento y en capacitación. Entonces tal vez entrene a esa persona. Eso es realmente bueno, bueno, bueno de ver. |
| Así que eso es |
| sobre todo lo que quería mostrar. Quería mostrar esto, solo para recordar, solo para reiterar. El historial educativo tiene acceso a las columnas que están en terminación prevista. |
| Y entonces esas dos mesas pueden comunicarse entre sí por separado. Y si ejecuto este script gráfico, |
| Tengo dólares de rendimiento y capacitación similares, pero estoy mirando el promedio de calificaciones y el rango de clase, en cuanto a dónde las personas caen dentro de los límites aquí usando combinaciones de columnas de solo esas dos tablas. |
| Así que voy a transmitir esto. Creo que eso era la mayor parte de lo que quería compartir. Voy a dejar de compartir mi pantalla. Y le pasaré esto a Kelci y ella se encargará de ello desde aquí. |
| Kelci J. Miclaus | Gracias, Mandy. |
| Mandy dijo que hemos dado esta charla un par de veces y, realmente, fue este esfuerzo combinado de |
| Yo trabajando en mi grupo, que es ciencias de la vida para las soluciones verticales JMP Clinical y JMP Genomics, |
| y encontrar ejemplos perfectos de dónde realmente podría aprovechar las uniones virtuales y trabajar estrechamente con el equipo de desarrollo sobre cómo se lanzaron esas funciones en las últimas versiones de JMP. |
| Por eso, en esta sección analizaré algunos de los ejemplos, específicos de nuestra investigación clínica y de cómo realmente hemos aprovechado esta idea de la mesa parlante en torno a la sincronización del estado de las filas. |
| Como Mandy mencionó, esto es ahora, y si tenemos tiempo hacia el final, esta idea de uniones virtuales con sincronización de estado de fila es ahora la arquitectura completa que impulsa cómo se utilizan los informes y revisiones de JMP Clinical. |
| para evaluar informes tempranos de eficacia y seguridad y ensayos clínicos con nuestros clientes. Y una de las razones por las que encaja tan bien es por el formato de los datos típicos de los ensayos clínicos. |
| Entonces, el ejemplo de datos que voy a usar para todos los ejemplos que tengo sobre la sincronización del estado de las filas o la propagación del estado de las filas, como a veces lo llamo, |
| son datos de ejemplo de un ensayo clínico que cuenta con unos 900 pacientes. Fue un ensayo clínico real realizado hace unos 20-30 años. |
| analizando la hemorragia subaracnoidea y el tratamiento con nicardipina en estos pacientes. |
| Lo mejor de los datos clínicos es que trabajamos con estructuras de datos normalizadas muy estándar, lo que significa que se recopila cada componente de un ensayo clínico, de forma similar a los datos de FC que Mandy nos mostró... nos mostró... nos mostró. |
| está normalizado, de modo que cada tabla tiene su propio contenido y podemos rastrearlo por separado, pero luego usar uniones virtuales para crear historias completas. |
| Los tres conjuntos de datos que analizaré son esta tabla demográfica que tiene alrededor de 900 pacientes. |
| de ensayos clínicos, donde aquí tenemos una fila por paciente en nuestro ensayo clínico. Y esto se llama demografía, que tendrá información sobre su nacimiento, edad, sexo, raza, qué tratamiento recibieron, ciertos indicadores de sucesos que les sucedieron durante el ensayo clínico. |
| Del mismo modo, podemos tener tablas separadas. Entonces, en un ensayo clínico, generalmente recopilan en cada visita qué eventos adversos le han sucedido a un paciente mientras estaba en un nuevo |
| medicamento o estudio. Esta es una tabla que tiene alrededor de 5000 registros. Todavía tenemos este identificador de sujeto único, pero tenemos duplicaciones, por supuesto. Entonces esto registra cada evento o evento adverso. |
| que se informó para cada uno de los pacientes en nuestro ensayo clínico. Y finalmente, también usaré un conjunto de datos de laboratorio o un conjunto de datos de laboratorio, |
| que también sigue el tipo similar de formato de registro apilado que vimos en los eventos adversos. |
| Aquí estamos pensando en las visitas regulares, donde toman varias mediciones de laboratorio y podemos rastrearlas durante el transcurso del ensayo clínico para buscar anomalías y cosas así. |
| Entonces, estas tres tablas son un formato normalizado estándar de lo que se llama el estándar internacional CDISC para datos de ensayos clínicos. |
| Y nos conviene mucho utilizar la unión virtual. Como ha dicho Mandy, es fácil crear una tabla de combinación de laboratorios. |
| Pero aquí tenemos 6.000 registros de laboratorios y, al fusionarlos en nuestra demografía, se produciría una duplicación de todas las instancias únicas de sus descripciones demográficas. Por eso queremos configurar una unión virtual con esto, lo cual podemos hacer muy fácilmente. |
| Si creamos en nuestra tabla demográfica, configuraremos un identificador de sujeto único como nuestro ID de enlace. |
| Y luego, muy rápidamente, porque normalmente querríamos ver los resultados de laboratorio y usar algo como el grupo de tratamiento en el que se encuentran para ver si hay diferencias en los laboratorios, |
| ahora podemos hacer referencia a esos datos y crear visualizaciones o informes que realmente evaluarán y observarán las diferencias de los grupos de tratamiento en nuestros resultados de laboratorio. |
| Y entonces no tuvimos que hacer la fusión. Acabamos de obtener acceso a estas... esta columna de brazo planificada desde nuestra tabla demográfica a través de esa simple configuración de dos pasos de las propiedades de la columna de una unión virtual. |
| También es muy fácil observar anomalías de laboratorio. Así que aquí hay un gráfico de cada uno de los diferentes brazos o grupos de tratamiento que tuvieron pruebas de laboratorio anormalmente altas en las visitas de un ensayo clínico. |
| Es posible que también queramos hacer este mismo tipo de análisis con nuestro evento adverso, y también querríamos ver si hay diferentes ocurrencias en los eventos adversos. |
| entre esos grupos de tratamiento. Entonces, una vez más, también podemos vincular esta tabla a nuestra demografía de referencia y crear muy rápidamente recuentos de la distribución de eventos adversos que ocurren por separado para, digamos, una nicardipina, el tratamiento activo, versus un placebo. |
| Por eso ahora queremos que hablen de verdad. Los siguientes dos ejemplos que quiero mostrar con estos datos son las opciones de sincronización del estado de fila que tenemos. |
| Así que viste rápidamente en la parte de Mandy que ella mostró que en las propiedades de las columnas ahora tenemos la capacidad de sincronizar los estados de las filas entre tablas. |
| Por eso nuestra charla se llama mesas parlantes, porque esa es la forma en que se pueden comunicar ahora. Y puede enviar estados de fila, lo que significa que la tabla en la que está configurando la referencia a algún ID de enlace puede enviar información de esa tabla a su tabla de ID de referencia. |
| Y explicaré un ejemplo rápido, pero como mencioné... como mencionó Mandy, esto es, con diferencia, el más |
| A veces es un caso peligroso porque es muy fácil llegar a momentos en los que se pueden obtener resultados no concluyentes, pero voy a mostrar un caso en el que funciona y en el que es útil. |
| Como habrás notado, solo a partir de este análisis, digamos con los eventos adversos, fue muy fácil, ya que la tabla a la que configuramos un enlace de referencia (la tabla de ID) para obtener acceso a las columnas y observar las diferencias de los grupos de tratamiento en esta tabla. |
| Aunque en realidad no hay nada que vaya en sentido contrario. Como había dicho Mandy, no querrás usar esta nueva tabla de unión para ver una distribución de, digamos, ese grupo de tratamiento, |
| porque lo que realmente tienes aquí son números que no coinciden. Parece que hay 5.000 sujetos cuando en realidad, si vuelves a nuestro |
| tabla demográfica, tenemos menos de 900. Así que aquí está la verdadera distribución de aproximadamente 900 sujetos por grupo de tratamiento. |
| con todas sus otras distribuciones. Ahora, sin embargo, llega el momento en que esta tabla es lo que desea utilizar como tabla de análisis o como objetivo de dónde va a crear un análisis. |
| Y desea obtener información de aquellas tablas que están virtualmente vinculadas a él. El laboratorio, por ejemplo, y los eventos adversos. |
| Así que aquí vamos a usar esta tabla para crear una visualización que anotará estos sujetos en esta tabla con cualquiera que haya tenido una prueba de laboratorio anormal o un evento adverso grave. |
| Y ahora he hecho trampa, porque he preparado estos datos. Lo notarás en mis datos de eventos adversos |
| Ya hice el análisis para encontrar cualquier caso de sujetos que fueran... cualquier evento adverso que se considerara grave y usé el marcador de estado de fila para anotar aquellos registros que tuvieron... fueron un evento adverso grave. |
| De manera similar, en el conjunto de datos de laboratorios, |
| He usado color rojo para anotar... anotar cualquiera de los resultados de laboratorio que fueron |
| anormalmente alto. Así, por ejemplo, podemos ver todos aquellos que tenían altas anomalías. He coloreado de rojo la mayor parte de esto, solo la selección del estado de las filas y luego controlando los estados de las filas. |
| Entonces, con estos datos donde tengo estos dos estados de fila, podemos volver a nuestra tabla demográfica. |
| y crear una vista |
| esa es una distribución por sitio de las edades de nuestros pacientes en un ensayo clínico. |
| Y ahora, si volvemos a cada una de las tablas vinculadas, podemos controlar la incorporación de esta información anotada con la sincronización del estado de las filas. |
| Así que vamos a cambiar esta opción aquí de estados de fila con tabla de referencia a ninguno, a enviar y en este caso quiero tener cuidado. Lo único que quiero que esta tabla le diga a la tabla de referencia de enlaces es un conjunto de marcadores. |
| Voy a hacer clic en Aplicar |
| Y notarán automáticamente que mi visualización que creé a partir de esa tabla demográfica ahora tiene los marcadores de cualquier sujeto que haya experimentado un evento adverso en esa otra tabla. |
| Podemos hacer lo mismo ahora con los laboratorios. |
| Elija enviar. En este caso sólo queremos enviar color. |
| Y ahora, con solo controlar las propiedades de las columnas, estamos en un lugar donde tenemos una visualización o un análisis creado a partir de nuestra tabla demográfica que ha obtenido acceso a la información de estas tablas virtualmente unidas mediante la sincronización o propagación del estado de la fila de despacho. |
| Eso es realmente genial. Creo que es una característica realmente poderosa. Pero hay muchas trampas y cosas con las que debes tener cuidado con la opción de envío. |
| Es decir, toda la forma en que funcionan las uniones virtuales es |
| la tabla de ID de enlace, la fecha... la tabla de datos que configuró, en este caso demografía, es una fila por ID y la está usando para fusionar o unirse virtualmente en una |
| tabla de datos que tiene muchas copias de ese ID de uso. Entonces estamos haciendo uno a muchos; está bien. El envío hace muchos a uno |
| conversación. Entonces, en el documento tenemos un... en el recurso proporcionado con este video, hay muchos |
| comentario sobre el uso cuidadoso de esto. No debería ser algo que sea altamente interactivo. |
| Si luego decide cambiar los estados de las filas, puede ser muy fácil que esto se vuelva confuso o sin sentido. |
| eso, digamos que si he marcado ambos con color y marcador, no sabría qué hacer porque algunas filas podrían decir: "Colorea esto de rojo". |
| pero la otra tabla vinculada podría decir colorearlo de azul o negro. Por lo tanto, hay que tener mucho cuidado de no mezclar y combinar y de no interactuar demasiado con esa idea de fusión de muchos a uno. |
| Pero en este ejemplo, se trataba de una herramienta realmente valiosa que habría requerido bastante manipulación de datos para llegar a este punto. |
| Así que voy a cerrar estos ejemplos del ejemplo de unión virtual de despacho y pasaré a lo que probablemente se usará con más frecuencia es aceptar... |
| Estado de la fila de aceptación de las mesas parlantes de unión virtual. Y para este caso, voy a repasar esto con un guión. Entonces, en lugar de guiarme interactivamente a través de la unión virtual y |
| propiedades de la columna de estado de fila, veremos los resultados de esta secuencia de comandos. |
| Y el ejemplo aquí, lo que queríamos hacer, es poder usar estas tres tablas (nuevamente, la demografía, los eventos adversos y los datos de laboratorio en un ensayo clínico) para crear realmente lo que ellos llaman un |
| perfil de seguridad integral. Y esta es realmente la justificación y el fundamento de nuestro uso en JMP Clinical para nuestros clientes. |
| Esta idea es que queremos poder tomar estos conjuntos de datos, mantenerlos separados pero permitir que se utilicen en un análisis único e integral para que no se sientan separados. |
| Entonces, con este ejemplo, queremos poder abrir nuestra demografía y configurarla como ID de enlace. Esto es similar a lo que acabo de hacer de forma interactiva: creará la tabla demográfica y creará la propiedad de la columna ID del enlace en un identificador de sujeto único. |
| Así que hemos terminado allí. Verá la clave allí que muestra que ahora es la propiedad de ID del enlace. Luego queremos abrir el conjunto de datos de los laboratorios. |
| Y vamos a establecer una propiedad en el identificador de sujeto único en esa tabla para usar la referencia del enlace a la tabla demográfica. |
| Y un par de opciones y opciones aquí. Queremos mostrar esa propiedad de usar nombres más cortos. Utilice el nombre de la columna vinculada para acortar el nombre de nuestro |
| columnas provenientes de la tabla demográfica a la tabla de laboratorios. Y aquí queremos configurar la sincronización del estado de la fila como una aceptación de seleccionar, excluir y ocultar. |
| Y vamos a hacer esto también para la tabla AE. Entonces ejecutaré estos dos siguientes fragmentos de código, |
| lo que abrirá mi AE y mi mesa de laboratorio. Y ahora verá que en lugar de enviar las propiedades aquí se dice que están configuradas para aceptar. |
| con estos seleccionar, excluir y ocultar. Y de manera similar la tabla de eventos adversos tiene exactamente la misma aceptación. Entonces, en este caso ahora, en lugar de este envío, que tuvimos mucho cuidado de enviar solo |
| un tipo de estado de fila de una tabla y otro de otra tabla a nuestra tabla de referencia de ID de enlace. Aquí vamos a dejar que nuestra tabla de referencia de ID de enlace transmita lo que le sucede. |
| a las otras dos mesas Y eso es lo que hace aceptar. Entonces aceptará estados de fila de la tabla demográfica. |
| Y he hecho un poco de trampa porque en realidad solo tengo un guión adjunto a nuestra tabla demográfica aquí. |
| En realidad, eso es simplemente configurar algunas de las visualizaciones que ya he mostrado, que son scripts adjuntos a cada una de las tablas en una sola ventana. |
| Y aquí tenemos lo que podría considerar su perfil de seguridad. Contamos con distribuciones de la información demográfica del paciente. Esto se obtiene de la tabla demográfica. |
| Puede ver los números correctos de los recuentos de los 443 pacientes que recibieron placebo versus los 427 que recibieron nicardipina. |
