Conférencier | Transcription |
| Kelci J. Miclaus | Bonjour et bienvenue sur JMP Discovery Online. Aujourd'hui, je vais parler de la synthèse des résumés d'événements indésirables et de l'analyse des essais cliniques. |
| Je suis directeur principal du groupe d'analyse avancée de la division JMP Life Sciences chez SAS, et nous travaillons étroitement avec des clients utilisant des données génomiques et cliniques dans leurs recherches. |
| Donc, avant de passer en revue le résumé et les détails sur l'utilisation de JMP avec les analyses d'événements indésirables, je souhaite présenter le logiciel JMP Clinical créé par notre équipe. |
| JMP Clinical fait partie d'une famille de produits qui comprend désormais cinq produits officiels ainsi que des compléments, qui peuvent étendre JMP pour vous permettre d'avoir autant de types d'applications verticales ou d'extensions de JMP que vous le souhaitez. |
| Mon équipe de développement prend en charge JMP Genomics et JMP Clinical. JMP Genomics et JMP Clinical sont respectivement des applications verticales personnalisées, construites sur JMP, utilisées pour la recherche génomique et la recherche sur les essais cliniques. |
| Et aujourd'hui, je vais parler de la façon dont nous avons créé des revues et des analyses dans JMP Clinical pour |
| les industries pharmaceutiques qui effectuent des essais cliniques sur la sécurité et des analyses précoces d’efficacité. |
| L'objectif initial de JMP Clinical et l'instigation de ce produit sont en réalité nés de l'assistance apportée à la FDA, qui est un grand utilisateur de JMP. |
| Et leur groupe CDER, le Centre d'évaluation et de recherche sur les médicaments. Leurs évaluateurs médicaux utilisaient couramment JMP pour les aider à examiner les soumissions de médicaments. |
| Et ils adorent ça. Ils sont très accomplis avec ça. L’une des choses qu’ils ont découvert est que certaines actions répétitives, en particulier sur des données cliniques très standard, pouvaient être assez pénibles. |
| Un exemple ici est l'idée de ce qu'on appelle un graphique de décalage qui est destiné aux mesures en laboratoire. |
| où vous comparez la moyenne des essais d'un laboratoire par rapport à la référence par rapport aux groupes de traitement. Pour créer cela, il a fallu au moins huit à dix étapes |
| dans l'interface JMP, ouvrir les données, normaliser les données, les diviser en référence par rapport à l'essai, faire des statistiques, respectivement, pour les groupes qui les fusionnent, puis diviser ces données par des tests en laboratoire afin que vous puissiez créer ce type de tracé pour chaque laboratoire. |
| Et il ne s’agit même pas du nombre d’étapes nécessaires à la construction de Graph Builder. |
| JMP peut donc clairement le faire, mais ce que nous voulions faire, c'est résoudre leurs problèmes liés à ce type très standard de données cliniques. |
| avec des tracés de décalage en laboratoire en un clic, par exemple. En fait, nous voulions créer des revues cliniques dans notre infrastructure que nous appelons le générateur d'avis. |
| qui sont des revues reproductibles standardisées en un clic pour de nombreuses analyses et visualisations standard très courantes requises ou attendues dans la recherche d'essais cliniques pour évaluer l'innocuité et l'efficacité des médicaments. |
| JMP Clinical a donc évolué depuis cette première initiative consistant à créer une application personnalisée pour un tracé de décalage. |
| en un logiciel complet d'analyse d'essais cliniques... qui couvre la surveillance médicale et la science des données cliniques, les équipes de rédaction médicale, la biométrie et les biostatistiques, ainsi que la gestion des données autour des données d'étude impliquées dans la collecte d'essais cliniques. |
| Cela vaut à la fois pour la sécurité et l'efficacité, mais également pour l'intégrité opérationnelle ou les anomalies opérationnelles qui pourraient également être détectées dans la collecte de données cliniques. |
| Certaines des fonctionnalités clés de JMP Clinical que nous trouvons |
| particulièrement utile pour ceux qui utilisent l'interface JMP pour tout type d'analyse |
| sont des choses comme les jointures virtuelles. On a donc une idée de filtre global de sujets d'avis, que je vous montrerai lors des démonstrations pour les événements indésirables, |
| qui vous permettent réellement d'intégrer et de relier les informations démographiques ou les données démographiques de nos sujets participant à un essai clinique à toutes les données du domaine clinique collectées. |
| Et cette architecture, activée par des jointures virtuelles au sein de l'interface JMP avec synchronisation de l'état des lignes, |
| vous permettent d'avoir réellement des évaluations interactives instantanées avec très peu ou pas de manipulation de données sur tous les types d'analyses que vous pourriez effectuer dans le cadre d'une analyse de données d'essai clinique. |
| Une autre nouvelle fonctionnalité que nous avons ajoutée au logiciel exploite également une partie de la puissance du filtre de données JMP, ainsi que |
| création de colonnes d'indicateurs JMP, cette capacité, pendant que vous examinez de manière interactive les données des essais cliniques, |
| trouvez des signaux intéressants qui disent, dans cet exemple, la capture d'écran montrée représente des sujets qui ont eu un événement indésirable grave au cours de l'essai clinique, trouvez ces signaux intéressants, |
| et tout de suite, créez un indicateur qui est stocké dans les métadonnées de votre étude dans JMP Clinical. |
| qui est disponible pour tous les autres types d'analyses que vous pourriez effectuer. Vous pouvez donc dire, je veux maintenant examiner mes résultats de laboratoire pour les patients qui ont eu un événement indésirable grave par rapport à ceux qui n'en ont pas eu, pour voir s'il existe également des anomalies qui pourraient être liées à un événement indésirable de gravité. |
| Une autre fonctionnalité que je présenterai également avec JMP Cclinic et la démonstration autour de l'analyse des événements indésirables est la |
| API clinique JMP que nous avons intégrée au système. L'une des choses les plus difficiles lors de la fourniture, de la création et du développement d'une application verticale |
| qui propose des rapports prêts à l'emploi en un clic, c'est que |
| vous parvenez à 90 % du chemin et le client pourrait alors dire : oh, eh bien, je voulais vraiment le peaufiner, ou je voulais vraiment le voir de cette façon, ou je dois changer la façon dont la vue des données apparaît. |
| L'une des choses sur lesquelles nous avons travaillé dur au sein de notre équipe de développement est d'utiliser les scripts JMP JSL. |
| faire apparaître une API dans l'examen clinique, avoir le contrôle sur les objets, les affichages, les tableaux de bord, les analyses et même les ensembles de données qui entrent dans nos examens cliniques. Je vais donc également en montrer une partie dans l’analyse des événements indésirables. |
| Revenons donc un peu en arrière et entrons dans le vif du sujet des événements indésirables et des essais cliniques, maintenant que nous avons un aperçu de JMP Clinical. |
| Il y a en réalité deux manières principales d’envisager la question. Il y a cet aspect d'examen de la sécurité d'un essai clinique où il s'agit généralement du nombre et du pourcentage des événements indésirables qui pourraient survenir. |
| Et beaucoup de médecins, de moniteurs ou d'examinateurs utilisent souvent ces données pour comprendre les anomalies médicales, vous savez, un certain événement indésirable commence à apparaître. |
| le plus souvent, avec l’un des traitements pouvant avoir des implications médicales. |
| Il y a aussi la détection de signaux statistiques, l'idée d'évaluer statistiquement nos événements indésirables se produisant à un rythme inhabituel. |
| dans l'un des groupes de traitement par rapport à l'autre. Voici donc, par exemple, un tableau statique traditionnel que vous voyez dans de nombreux types de recherches, de soumissions ou de communications concernant l'analyse des événements indésirables d'un essai clinique. |
| Fondamentalement, il s'agit d'un tableau statique avec des pourcentages et s'il est plus orienté statistiquement, vous verrez également des éléments tels que des intervalles de confiance et des valeurs p. |
| autour de choses comme les rapports de cotes ou les risques relatifs ou les différences de taux. |
| Une autre façon de voir cela peut également être visuellement au lieu d'un format tabulaire afin de détecter le signal, en regardant, par exemple, le rapport de cotes ou la différence de risque. |
| pourrait utiliser le Graph Builder dans ce cas pour montrer les résultats d'une analyse statistique de l'incidence de certains événements indésirables et comment ils diffèrent entre les groupes de traitement, par exemple. |
| Voilà donc deux exemples. Et en fait, d'après le travail que nous avons effectué et les clients avec lesquels nous avons travaillé sur la façon dont ils perçoivent et doivent analyser les événements indésirables, |
| le système JMP Clinical propose désormais plusieurs analyses d'événements indésirables courants, depuis les simples comptes et pourcentages jusqu'aux taux d'incidence ou aux occurrences. |
| en mesures statistiques telles que la différence de risque, le risque relatif, le rapport de cotes, y compris certaines analyses de temps jusqu'à l'événement ajustées en fonction de l'exposition. |
| Nous pouvons également devenir beaucoup plus complexes avec les types de modèles que nous ajustons et utiliser également des modèles mixtes ou bayésiens pour trouver certains signaux avec nos différences d'événements indésirables. |
| Et nous utilisons également largement ces données pour examiner uniquement les données médicales dans un récit de rédaction médicale ou dans le profil du patient. |
| Je vais donc maintenant passer directement à JMP Clinical avec une revue que j'ai construite autour de bon nombre de ces analyses courantes. |
| L'une des choses que vous remarquerez à propos de JMP Clinical est qu'il ne ressemble pas exactement à JMP, mais c'est le cas. |
| Il s'agit d'une solution intégrée combinée qui contient de nombreux scripts JSL personnalisés pour créer nos propres types d'interfaces. Ainsi, notre fenêtre de démarrage présente ici des études, des critiques et des paramètres, par exemple. |
| Et j'ai déjà une critique construite |
| ici |
| cela utilise notre exemple de données sur la nicardapine. Il s'agit de données fournies avec le produit. Il est également disponible dans la bibliothèque d'exemples JMP. |
| Il s'agit d'un véritable essai clinique portant sur l'hémorragie sous-arachnoïdienne. C'était avec environ 900 patients. |
| Et donc, ce premier onglet de notre revue examine simplement la répartition des caractéristiques démographiques de ces patients, combien étaient des hommes par rapport aux femmes, leur répartition raciale, |
| quel groupe de traitement ils ont reçu, leurs sites d'où les données ont été extraites, etc. C'est donc très courant, tout comme la première étape de la compréhension de vos données cliniques pour un essai clinique. |
| Vous remarquerez ici que nous avons un navigateur de rapports qui montre le reste des types d'analyses qui sont disponibles dans cette revue construite. |
| Je vais parcourir chacun de ces onglets, juste rapidement pour vous montrer toutes les différentes manières dont nous pouvons examiner les événements indésirables avec l'ensemble de données des essais cliniques. |
| Désormais, la manière habituelle dont les données sont collectées lors des essais cliniques est une norme internationale appelée format CDISC, |
| ce qui signifie généralement que nous avons un format d'ensemble de données très empilé. Ici, nous pouvons le voir, où nous avons plusieurs enregistrements pour chaque sujet indiquant les différents événements indésirables qui auraient pu survenir au fil du temps. |
| Ces données seront associées aux données démographiques, qui représentent une ligne pour chaque sujet, comme on le voit ici dans ce groupe démographique. Nous avons donc environ 900 patients et vous verrez dans ce premier rapport, nous avons environ 5 000 ou 5 500 enregistrements de différents événements indésirables survenus. |
| Il s’agit donc probablement du rapport le plus couramment utilisé par de nombreux moniteurs médicaux et évaluateurs médicaux qui évaluent les signaux d’événements indésirables. |
| Ce que nous avons ici est essentiellement un tableau de bord qui combine un tracé de décomptes Graph Builder avec un tableau d'accompagnement, car ils sont habitués à voir ce type de tableaux. |
| Désormais, la véritable valeur de JMP réside dans son interactivité et ce lien dynamique directement vers vos données afin que vous puissiez sélectionner n'importe où dans les données et les voir aux deux endroits. Ou, plus puissant encore, vous pouvez contrôler vos vues avec |
| commutateurs de colonnes. |
| Maintenant, nous pouvons passer de la distribution des traitements à la question du sexe par rapport à la race. Vous remarquerez qu'avec la race, si nous nous en souvenons, nous en avions pas mal qui étaient |
| blanc dans cette étude, ce n'est donc pas un bon graphique lorsque nous l'examinons en pourcentage ou en nombre, nous pourrions donc normaliser et afficher les pourcentages à la place. |
| Et nous pouvons également simplement décider d’examiner le décompte global des événements indésirables. |
| Une autre partie de l'utilisation de ceci comme sélecteur de colonnes est la possibilité de savoir catégoriser de quel type d'événements il s'agissait. Était-ce un événement indésirable grave ? Quelle en était la gravité ? |
| Est-ce que le résultat qu'ils ont obtenu lorsqu'ils s'en sont remis ou non ? Quelle en était la cause ? Était-ce lié au médicament à l’étude ? |
| Ce sont toutes des questions que les revues médicales posent souvent pour trouver des signaux intéressants ou anormaux avec des événements indésirables dans leurs occurrences. |
| Maintenant, l'une des choses que vous avez peut-être déjà remarquées dans ce tableau de bord est que j'ai ici un groupe de contrôle en tant que sélecteur de colonnes qui contrôle à la fois mon graphique et mon tableau. Ainsi, lorsque je suis passé à la gravité, ce tableau change également. |
| Cela a été réalisé avec de nombreux scripts JSL personnalisés spécifiquement adaptés à nos besoins, mais |
| Je vais vous dire un secret, dans 16, le développeur du sélecteur de colonnes va nous permettre d'avoir ce type de flexibilité afin que vous puissiez lier plusieurs objets de plate-forme dans le même sélecteur de colonnes pour conduire une analyse complexe. |
| Je vais revenir sur cette intrigue d'occurrence, même si elle paraît simple. En voici un autre exemple qui examine réellement l'occurrence globale où certains événements indésirables pourraient se produire plusieurs fois chez le même sujet. |
| Je vais y revenir, mais je passerai rapidement en revue le reste des analyses et ces examens avant de revenir à certaines des complexités du simple générateur de graphiques et de la tabulation des rapports de distribution. |
| La section suivante de notre examen est un examen des incidents liés aux événements indésirables. Nous progressons donc ici en examinant simplement les nombres et les fréquences ou éventuellement les taux d'incidence. |
| dans un cadre plus statistique de test de la différence d'incidence de certains événements indésirables dans un groupe de traitement par rapport à un autre. |
| Et ici, nous représentons cela avec un tracé de volcan. Nous pouvons donc constater que la phlébite, l'hypotension et l'isothénurie surviennent beaucoup plus souvent dans notre groupe de traitement, ceux qui ont été traités par nicardipine, par rapport à ceux sous placebo. |
| Nous pouvons donc les sélectionner et accéder à une vue très courante des événements indésirables, qui correspond également à notre risque relatif pour un tracé cellulaire. |
| ce qui est bien souvent encore plus facile à lire lorsque vous regardez uniquement les signaux intéressants qui présentent éventuellement des différences cliniques ou statistiques significatives. |
| Parfois, les essais cliniques prennent beaucoup de temps. Parfois, ils le prennent pendant quelques semaines, comme cette étude ne durait que quelques semaines, mais parfois ils le prennent pendant des années. |
| Il est donc parfois intéressant de réfléchir aux différences en matière d'événements indésirables au fur et à mesure que l'essai progresse. Nous avons également cette capacité au sein |
| le rapport d'écran d'incidence dans lequel vous pouvez réellement diviser la journée d'étude, les journées d'étude en sections pour voir comment les incidents d'événements indésirables évoluent au fil du temps. |
| Et un bon moyen de démontrer cela pourrait être d’utiliser ici un tracé de volcan en explosion qui montre comment ces signaux changent au cours de la progression de l’étude. |
| Donc, une autre idée puissante, d'autant plus que vous avez des essais cliniques plus longs ou des essais cliniques plus complexes, |
| est qu'au lieu d'examiner uniquement l'incidence directe parmi les sujets, vous pouvez considérer leur délai avant l'événement ou la vitesse ajustée de leur exposition à laquelle ces événements indésirables se produisent. |
| Et c'est ce que nous proposons dans le cadre de notre temps d'analyse des événements, qui une fois de plus, comme le montre un graphique de volcan observé ici à l'aide d'un test de Kaplan Meier à |
| les différences dans le délai avant l'apparition de certains événements qui se produisent lors d'un essai clinique. L'un des avantages ici est que vous pouvez sélectionner ces événements et accéder au JMP. |
| plate-forme de survie pour obtenir tous les détails sur chacun des événements indésirables dont le délai d'apparition des événements était peut-être différent entre les groupes de traitement. |
| Un autre type de temps jusqu'à l'événement est souvent appelé rapport de densité d'incidence, qui est l'idée de densité d'incidence ajustée par l'exposition. Fondamentalement, la différence ici est qu'au lieu d'utiliser certains des risques proportionnels les plus traditionnels ou les analyses de Kaplan Meier, il s'agit plutôt d'un |
| une distribution de style poisson qui est ajustée en fonction de la durée pendant laquelle ils ont réellement été exposés à un médicament. Et encore une fois, nous pouvons examiner ces principaux signaux |
| et explorez le rapport analogue dans JMP en utilisant un modèle linéaire généralisé pour ce type spécifique de modèle avec une détection de signal d'événement indésirable. |
| Et nous proposons même des analyses bayésiennes très complexes. Donc, ce type de données concerne généralement les événements indésirables. |
| existent au sein de certains systèmes ou classes du corps... classes d'organes. Il y a donc beaucoup de postes… ou de connaissances préalables que nous pouvons imposer dans ces modèles. C'est pourquoi certains de nos clients, leurs équipes biométriques, décident d'utiliser des modèles assez sophistiqués pour examiner leurs événements indésirables. |
| Donc, jusqu'à présent, nous sommes partis de ce que je considère comme des vues de distribution assez simplistes des données. |
| en distributions et comptez simplement les tracés des événements indésirables dans des analyses statistiques très complexes. |
| Je vais revenir maintenant sur ce qui est considéré comme de simples informations de comptage et de fréquence et je souhaite passer un peu de temps ici à montrer la puissance de l'interactivité JMP dont nous disposons. |
| Comme vous vous en souvenez, l'une des différences ici est que ce tableau est un tableau empilé qui contient toutes les occurrences de nos événements indésirables pour chaque sujet, |
| et notre tableau démographique, dont nous savons qu'il compte 900 sujets, est séparé. Donc ce que nous voulions n'était pas un graphique statique, |
| comme nous l'avons ici, ou ce que nous aurions dans un rapport typique sous forme PDF, mais nous voulions pouvoir explorer nos données de manière interactive |
| et regardez des sous-groupes de nos données et voyez comment ces pourcentages changeraient. Maintenant, la difficulté est que le calcul du pourcentage doit provenir du nombre de sujets dans un tableau différent. |
| Nous avons donc fait cela par formule... comme créer des formules de colonnes pour contrôler dynamiquement le recalcul des pourcentages lors de la sélection, soit dans le cadre de la catégorisation des événements |
| ou, plus efficacement, en utilisant notre outil de filtrage des sujets d'avis. Ici par exemple, nous regardons tous les sujets par traitement. |
| Peut-être des événements indésirables graves ou non, mais nous pouvons utiliser ce filtre de données global qui affecte chacun des rapports au niveau sujet de notre examen. |
| et changer instantanément nos groupes démographiques et changer nos pourcentages pour être |
| interactif à ce type d’exploration de sous-groupes. Donc ici, nous pouvons maintenant regrouper les femmes blanches et voir quel est leur pourcentage d'événements indésirables et leurs talents, ou peut-être souhaitez-vous aller plus précisément et comprendre pour chaque site, comment leurs données changent pour différents sites. |
| Donc, ce que nous avons réellement ici, c'est au lieu d'un dossier de soumission ou d'une analyse clinique où l'équipe de biométrie |
| remet 70 tracés et tableaux différents au réviseur médical pour qu'il les parcoure, les passe au crible, il a le pouvoir de créer des centaines de tableaux différents, différents sous-ensembles et différents graphiques, le tout dans une seule interface. |
| En fait, vous pouvez vraiment filtrer dans ces catégories intéressantes. Donc, s'ils envisageaient, par exemple, des événements indésirables graves |
| et ils voulaient connaître très rapidement les événements indésirables graves liés au traitement médicamenteux, nous sommes maintenant parvenus à un très petit sous-ensemble de nos 900 patients à environ |
| neuf patients ayant présenté des événements indésirables graves considérés comme liés au traitement. Ainsi, en tant qu'évaluateur médical, c'est un endroit où Ithen pourrait vouloir comprendre tous les détails cliniques de ces patients. |
| Et très rapidement, je peux utiliser l'un de nos boutons d'action du rapport pour accéder à ce qu'on appelle une sorte de profil complet du patient. |
| Donc ici, nous voyons toutes les informations maintenant, au lieu d'être résumées, au niveau individuel, de tout ce qui est arrivé à ce patient au fil du temps, |
| y compris lorsqu'ils ont eu des événements indésirables graves et leurs mesures de laboratoire ou vitales qui ont été prises parallèlement à cela. |
| L'une des autres utilisations principales de notre système JMP Clinical, outre cet examen médical, le moniteur médical, concerne les équipes de rédaction médicale. Donc, une autre façon de voir les choses au lieu de visuellement dans un graphique ou même dans un tableau qui sont des tableaux de profils de patients, vous pouvez en fait monter ici |
| et générer un récit automatisé. |
| Donc ici, nous allons réellement lancer |
| à notre génération de récits d’événements indésirables. Encore une fois, l'un des avantages et des valeurs de notre JMP Clinical est d'être une application verticale s'appuyant sur des données standards. |
| est que nous apprenons à connaître toutes les données et la façon dont elles sont formatées dès le départ, simplement en étant pointé vers l'étude. Donc ce que nous pouvons faire ici, c'est mener ce récit |
| ça va nous écrire |
| l'histoire réelle de chacun de ces événements indésirables survenus. |
| Et cela va ouvrir un document Word |
| qui contient tous les détails sur ce sujet, sa démographie, ses antécédents médicaux, puis chacun des événements indésirables et les résultats ou autres problèmes liés à ces événements indésirables. |
| Et nous pouvons le faire pour un patient à la fois ou nous pouvons même le faire pour les 900 patients à la fois et inclure |
| des détails plus complexes comme les mesures de laboratoire, les signes vitaux, soit une référence ou avant. Ainsi, les évaluateurs médicaux trouvent extrêmement précieux de pouvoir utiliser de manière standard des sources de données et de ne pas commettre d'erreurs lors du transfert de données d'un tableau numérique vers un récit réel. |
| Je pense donc qu'avec cela, vous pouvez vraiment voir une partie de la puissance de ces vues de distribution, ces |
| comptez des tracés qui vous permettent d'explorer des niveaux très granulaires des données. Cette possibilité d'utiliser des filtres de sujet pour |
| examinez soit l'ensemble de la population de vos patients participant à un essai clinique, soit les sous-groupes pertinents que vous avez peut-être trouvés. |
| Maintenant, une chose à propos de la façon dont notre filtre global fonctionne à travers nos jointures virtuelles est qu'il s'agit uniquement d'informations qui affichent généralement des informations sur la démographie. |
| L'un des autres outils personnalisés que nous avons intégrés à ce système est cette capacité à sélectionner tous les sujets présentant un événement indésirable grave. |
| Et nous pouvons soit dériver un indicateur de population, puis l'utiliser dans des analyses plus approfondies. |
| ou nous pouvons même ajouter le filtre de ce sujet à notre filtre global et maintenant nous examinons uniquement les cas graves... un sujet qui a eu un événement indésirable grave, soit environ... près de 300 patients de l'essai clinique ont eu un effet indésirable grave. événement indésirable grave. |
| Maintenant, même ce rapport, comme vous le verrez, est en fait filtré. Ainsi, le deuxième rapport présente un type différent d'aspect de la répartition des événements indésirables qui était nouveau dans notre dernière version, à savoir les taux d'incidence. |
| Et ici, l’idée est au lieu de normaliser ou de diviser de calculer un pourcentage par le nombre de sujets qui ont eu un événement. Si vous envisagez des essais en cours, des essais longs ou des études dans différents pays qui ont des délais de démarrage différents, |
| vous voudrez peut-être examiner la vitesse à laquelle les événements indésirables se produisent. Et c’est donc ce que cela calcule. Donc, dans ce cas, nous regroupons en fait tous les sujets ayant eu un événement indésirable grave. Et nous pouvons voir le taux d'occurrence |
| en années patients. Ainsi, par exemple, ce tout premier cas, voyez-vous, a un taux d'environ 86 occurrences toutes les 10 années-patients sous placebo, contre 71 occurrences. |
| En nicardipine. Il s'agissait donc en fait de traiter l'hémorragie sous-arachnoïdienne, une augmentation de la pression intracrânienne se produisant probablement si vous n'êtes pas traité avec un médicament actif. |
| Ces pourcentages sont aussi complètement dynamiques, ces taux d’incidence. Encore une fois, tout cela est effectué par des formules JMP qui alimentent automatiquement le tableau. |
| qui respectent différentes populations car elles sont sélectionnées par ce filtre global. Nous pouvons donc regarder uniquement aux États-Unis, par exemple, et voir les taux et leur évolution, y compris les années-patients normalisées basées sur les patients originaires uniquement des États-Unis, par exemple. |
| Ainsi, même si ces rapports semblent assez simples, la complexité du codage JSL qui va au-delà de la création d'un tableau de bord est essentiellement ce que notre équipe fait toute la journée. |
| Nous essayons de faire cela pour que vous disposiez d'un tableau de bord qui vous aide à explorer les données comme vous le savez, facilement et sans toutes ces manipulations qui pourraient devenir très complexes. |
| Maintenant, la dernière chose que je voulais montrer, c'est l'idée de cette coutume. |
| rapport ou rapport personnalisé. C'est donc un excellent endroit pour le montrer également, car nous examinons ici les taux d'incidence des événements indésirables. Nous examinons donc chaque événement. |
| Et nous avons le décompte, ou vous pouvez également changer cela en taux d'incidence de la fréquence à laquelle cela se produit par année de patient. Et puis une vision alternative pourrait consister à vouloir réellement observer ces occurrences d’événements indésirables au fil du temps. |
| Et je veux donc le montrer très rapidement avec notre API clinique. Le tableau de données ici est donc entièrement à votre disposition. |
| L'une des choses que je dois faire en premier est simplement de créer une variable de date numérique, pour laquelle nous avons un petit widget pour le faire dans la table de données, et je vais la transformer en une date numérique. Maintenant, vous remarquerez qu'il y a une nouvelle colonne à la fin |
| de la date et heure numérique du début de l’événement indésirable. Vous remarquerez également que c'est ici que tout ce pouvoir vient des formules. Ce sont toutes des formules qui sont régénérées dynamiquement en fonction des populations pour créer ces vues. |
| Alors maintenant que nous disposons d’une date numérique avec ces données, nous souhaiterons peut-être augmenter cette analyse pour inclure un nouveau type de tracé. |
| Et j'ai un script pour faire ça. L'une des choses que je vais faire dès le départ est simplement de créer quelques colonnes supplémentaires dans notre ensemble de données pour le mois et l'année. |
| Et puis ce prochain morceau de JSL concerne nos appels d’API cliniques. Et je ne vais pas entrer dans les détails, sauf que c'est une façon de s'accrocher à |
| la revue clinique et l’accès aux sections. Alors quand j'exécute ce code, |
| cela va en fait insérer une nouvelle section dans mon examen clinique. Et maintenant, j’ai une nouvelle vision des événements indésirables tels qu’ils se sont produits d’année en mois pour tous les sujets de mon essai clinique. |
| Donc, encore une fois, l'un des avantages, même avec cette vue personnalisée, est que cette table, étant toujours virtuellement jointe à notre groupe principal, peut toujours être entièrement |
| répondez à ce filtre de sujet global de jointure virtuelle. Et donc, juste avec un peu de code API JSL personnalisé, nous pouvons prendre ces rapports prêts à l'emploi très standard et les personnaliser également avec nos propres types d'analyses. |
| Je sais donc que c'était un aperçu assez complet de JMP Clinical mais, outre les types d'analyses d'événements cliniques indésirables que le système peut effectuer et qui sont courantes pour ceux qui travaillent dans l'industrie pharmaceutique ou dans l'industrie pharmaceutique pour les essais cliniques, |
| mais j'espère que vous avez trouvé cette section utile et intéressante même si vous ne travaillez pas dans le domaine pharmaceutique. Un des meilleurs |
| Des exemples de ce qu'est JMP Clinical ne sont qu'une extension extrême et la puissance de JSL pour créer des applications incroyablement personnalisées. |
| Alors peut-être que vous ne travaillez pas avec des événements indésirables, mais vous voyez ici des éléments qui peuvent vous inciter à créer des tableaux de bord personnalisés ou des compléments personnalisés pour vos propres types d'analyses dans JMP. |
| Merci. |
