Vocero | Transcripción |
| Kelci J. Miclaus | Hola y bienvenido a JMP Discovery Online. Hoy hablaré sobre resumir los resúmenes de eventos adversos y el análisis de ensayos clínicos. |
| Soy el gerente sénior del grupo de análisis avanzado de la división JMP Life Sciences aquí en SAS y trabajamos intensamente con clientes que utilizan datos clínicos y genómicos en sus investigaciones. |
| Entonces, antes de repasar el resumen y los detalles sobre el uso de JMP con análisis de eventos adversos, quiero presentarles el software JMP Clinical que crea nuestro equipo. |
| JMP Clinical forma parte de la familia de productos que incluye ahora cinco productos oficiales, así como complementos, que pueden ampliar JMP para permitirle tener tantos tipos de aplicaciones verticales o extensiones de JMP como desee. |
| Mi equipo de desarrollo apoya a JMP Genomics y JMP Clinical. JMP Genomics y JMP Clinical son, respectivamente, aplicaciones verticales personalizadas, construidas sobre JMP, que se utilizan para la investigación genómica y la investigación de ensayos clínicos. |
| Y hoy hablaré sobre cómo hemos creado revisiones y análisis en JMP Clinical para |
| industrias farmacéuticas que están realizando ensayos clínicos de seguridad y análisis tempranos de eficacia. |
| El propósito original de JMP Clinical y el impulso de este producto en realidad surgieron a través de la asistencia a la FDA, que es un gran usuario de JMP. |
| Y su grupo CDER, el Centro de Evaluación e Investigación de Medicamentos. Sus revisores médicos solían utilizar JMP para ayudar a revisar las presentaciones de medicamentos. |
| Y les encanta. Son muy hábiles con eso. Sin embargo, una de las cosas que encontraron es que ciertas acciones repetitivas, especialmente con datos clínicos muy estándar, podrían ser bastante dolorosas. |
| Un ejemplo aquí es la idea de algo llamado gráfico de desplazamiento que es para mediciones de laboratorio. |
| donde se compara el promedio de prueba de un laboratorio versus la línea de base contra los grupos de tratamiento. Para crear esto, se necesitaron al menos de ocho a 10 pasos. |
| dentro de la interfaz JMP de abrir los datos, normalizarlos, dividirlos en línea de base versus prueba, hacer estadísticas, respectivamente, para esos grupos, fusionarlos nuevamente y luego dividir esos datos mediante pruebas de laboratorio para poder hacer este tipo de gráfico. para cada laboratorio. |
| Y eso ni siquiera es para llegar a la cantidad de pasos dentro de Graph Builder para construirlo. |
| Entonces, JMP claramente puede hacerlo, pero lo que queríamos hacer es resolver su problema con este tipo de datos clínicos tan estándar. |
| con gráficos de turnos de laboratorio con un solo clic, por ejemplo. De hecho, queríamos crear revisiones clínicas en nuestra infraestructura que llamamos generador de revisiones. |
| que son revisiones reproducibles estandarizadas con un solo clic para muchos de los análisis y visualizaciones estándar más comunes que se requieren o se esperan en la investigación de ensayos clínicos para evaluar la seguridad y eficacia de los medicamentos. |
| Entonces, JMP Clinical ha evolucionado desde ese primer impulso de crear una aplicación personalizada para un gráfico de turnos. |
| en un software de análisis de ensayos clínicos de servicio completo que cubre el monitoreo médico y la ciencia de datos clínicos, equipos de redacción médica, biometría y bioestadística, así como la gestión de datos en torno a los datos del estudio relacionados con la recopilación de ensayos clínicos. |
| Esto se aplica tanto a la seguridad como a la eficacia, pero también a la integridad operativa o las anomalías operativas que podrían encontrarse en la recopilación de datos clínicos. |
| Algunas de las características clave de JMP Clinical que consideramos |
| especialmente útil para aquellos que utilizan la interfaz JMP para cualquier tipo de análisis |
| son cosas como uniones virtuales. Así que tenemos una idea de un filtro de temas de revisión global, que les mostraré durante las demostraciones de eventos adversos. |
| que realmente le permiten integrar y vincular la información demográfica o los datos demográficos de nuestros sujetos en un ensayo clínico con todos los datos del dominio clínico que se recopilan. |
| Y esta arquitectura, que está habilitada por uniones virtuales dentro de la interfaz JMP con sincronización de estado de fila, |
| le permiten tener realmente revisiones interactivas instantáneas con muy poca o ninguna manipulación de datos en todos los tipos de análisis que podría estar realizando en un análisis de datos de un ensayo clínico. |
| Otra característica nueva que hemos agregado al software que también aprovecha parte del poder del filtro de datos JMP, así como |
| creación de columnas de indicadores JMP, es esta capacidad de, mientras revisa interactivamente los datos de los ensayos clínicos, |
| encuentre señales interesantes que digan, en este ejemplo, la captura de pantalla que se muestra son sujetos que tuvieron un evento adverso grave durante el ensayo clínico, encuentre esas señales interesantes, |
| Y de inmediato, cree un indicador que se almacene en metadatos con su estudio en JMP Clinical. |
| que está disponible para todos los demás tipos de análisis que pueda realizar. Entonces se puede decir: quiero ver ahora mis resultados de laboratorio para los pacientes que tuvieron un evento adverso grave versus aquellos que no lo tuvieron para ver si también hay anomalías que podrían estar relacionadas con la ocurrencia de un evento adverso grave. |
| Otra característica que también mostraré con JMP Cclinical y la demostración sobre el análisis de eventos adversos es la |
| API clínica JMP que hemos integrado en el sistema. Una de las cosas más difíciles de proporcionar, crear y desarrollar una aplicación vertical. |
| que tiene informes listos para usar con un solo clic es que |
| llegas al 90% del camino y entonces el cliente podría decir, oh, bueno, realmente quería modificarlo, o realmente quería verlo de esta manera, o necesito cambiar la forma en que se muestra la vista de datos. |
| Una de las cosas en las que hemos estado trabajando arduamente en nuestro equipo de desarrollo es en el uso de secuencias de comandos JMP JSL. |
| presentar una API en la revisión clínica, tener control sobre los objetos, las pantallas, los paneles, los análisis e incluso los conjuntos de datos que se incluyen en nuestras revisiones clínicas. Así que también mostraré algo de eso en el análisis de eventos adversos. |
| Así que retrocedamos un poco y entremos en el meollo de los eventos adversos y los ensayos clínicos ahora que tenemos una descripción general de JMP Clinical. |
| En realidad, hay dos tipos de formas clave de pensar en esto. Existe ese aspecto de revisión de seguridad de un ensayo clínico en el que normalmente se cuentan y porcentajes de los eventos adversos que podrían ocurrir. |
| Y muchos médicos, monitores o revisores suelen utilizar estos datos para comprender anomalías médicas, ya sabes, un determinado evento adverso comienza a aparecer. |
| más comúnmente, con uno de los tratamientos que podrían tener implicaciones médicas. |
| También está la detección de señales estadísticas, la idea de evaluar estadísticamente nuestros eventos adversos que ocurren a un ritmo inusual. |
| en uno de los grupos de tratamiento versus el otro. Aquí, por ejemplo, hay una tabla estática tradicional que se ve en muchos de los tipos de investigaciones, presentaciones o comunicaciones en torno al análisis de eventos adversos de un ensayo clínico. |
| Básicamente es una tabla estática con porcentajes de recuento y, si está más orientada estadísticamente, también verá cosas como intervalos de confianza y valores p. |
| en torno a cosas como odds ratios o riesgos relativos o diferencias de tasas. |
| Otra forma de ver esto también puede ser visualmente en lugar de con un formato tabular para detectar la señal, observando, por ejemplo, el índice de probabilidades o la diferencia de riesgo. |
| Podría utilizar Graph Builder en este caso para mostrar los resultados de un análisis estadístico de la incidencia de ciertos eventos adversos y cómo difieren entre grupos de tratamiento, por ejemplo. |
| Entonces esos son dos ejemplos. Y de hecho, a partir del trabajo que hemos realizado y de los clientes con los que hemos trabajado sobre cómo ven y deben analizar los eventos adversos, |
| El sistema clínico JMP ahora ofrece varios análisis de eventos adversos comunes, desde simples recuentos y porcentajes hasta tasas de incidencia o ocurrencias. |
| en métricas estadísticas como diferencia de riesgo, riesgo relativo, odds ratio, incluidos algunos análisis de tiempo ajustado a la exposición hasta el evento. |
| También podemos volvernos mucho más complejos con los tipos de modelos que ajustamos y realmente recurrir a modelos mixtos o bayesianos para encontrar ciertas señales con nuestras diferencias en eventos adversos. |
| Y también utilizamos estos datos en gran medida para revisar solo los datos médicos, ya sea en una narrativa de redacción médica o en el perfil del paciente. |
| Así que ahora voy a pasar directamente a JMP Clinical con una revisión que he elaborado en torno a muchos de estos análisis comunes. |
| Una de las cosas que notará sobre JMP Clinical es que no se parece exactamente a JMP, pero lo es. |
| Es una solución integrada combinada que tiene muchas secuencias de comandos JSL personalizadas para crear nuestros propios tipos de interfaces. Entonces, nuestra ventana de inicio presenta estudios, revisiones y configuraciones, por ejemplo. |
| Y ya tengo una reseña construida |
| aquí |
| eso es usando nuestros datos de ejemplo sobre nicardapina. Estos son datos que se envían con el producto. También está disponible en la biblioteca de muestras JMP. |
| Es un ensayo clínico real que analiza la hemorragia subaracnoidea. Fue con unos 900 pacientes. |
| Entonces, lo que analiza esta primera pestaña de nuestra revisión es solo la distribución de las características demográficas de esos pacientes, cuántos eran hombres versus mujeres, sus desgloses raciales, |
| qué grupo de tratamiento se les administró, los sitios de donde se tomaron los datos, etc. Por lo tanto, esto es muy común, solo como el primer paso para comprender los datos clínicos para un ensayo clínico. |
| Notará que aquí tenemos un navegador de informes que muestra el resto de los tipos de análisis que tenemos disponibles en esta revisión integrada. |
| Voy a recorrer cada una de estas pestañas, rápidamente para mostrarles las diferentes formas en que podemos analizar los eventos adversos con el conjunto de datos del ensayo clínico. |
| Ahora, la forma típica en que se recopilan datos en los ensayos clínicos es un estándar internacional llamado formato CDISC. |
| lo que normalmente significa que tenemos un formato de conjunto de datos muy apilado. Aquí podemos verlo, donde tenemos múltiples registros para cada sujeto indicando los diferentes eventos adversos que pudieron haber ocurrido a lo largo del tiempo. |
| Estos datos se combinarán con los datos demográficos, que son una fila por cada tema, como se ve aquí en este grupo demográfico. Tenemos alrededor de 900 pacientes y, como verán en este primer informe, tenemos alrededor de 5000 o 5500 registros de diferentes eventos adversos que ocurrieron. |
| Por lo tanto, estos son probablemente los informes más utilizados por muchos de los monitores y revisores médicos que evalúan las señales de eventos adversos. |
| Lo que tenemos aquí es básicamente un panel que combina un gráfico de conteo de Graph Builder con una tabla adjunta, como están acostumbrados a ver este tipo de tablas. |
| Ahora el valor real de JMP es su interactividad y ese enlace dinámico directamente a sus datos para que pueda seleccionar cualquier parte de los datos y verlos en ambos lugares. O más poderosamente, puedes controlar tus vistas con |
| conmutadores de columna. |
| Ahora aquí podemos pasar de analizar la distribución de tratamientos a analizar el sexo versus la raza. Notarás con la raza, si recordamos, teníamos bastantes que eran |
| blanco en este estudio, por lo que este no es un gran gráfico cuando lo miramos por porcentaje o por conteos, por lo que podríamos normalizar y mostrar porcentajes en su lugar. |
| Y también podemos decidir observar el recuento holístico general de eventos adversos. |
| Otra parte de usar esto como conmutador de columnas es la capacidad de saber categorizar qué tipo de eventos fueron esos. ¿Fue un evento adverso grave? ¿Cuál fue la gravedad de esto? |
| ¿Fue el resultado que tuvieron cuando se recuperaron o no? ¿Qué lo estaba causando? ¿Estaba relacionado con el fármaco del estudio? |
| Todas estas son preguntas que las revisiones médicas suelen hacer para encontrar señales interesantes o anómalas con eventos adversos en su aparición. |
| Ahora, una de las cosas que quizás ya hayas notado en este panel es que tengo un grupo de control como conmutador de columnas aquí que en realidad controla tanto mi gráfico como mi tabla. Entonces, cuando cambié a gravedad, esta tabla también cambia. |
| Esto se hizo con muchas secuencias de comandos JSL personalizadas específicamente para nuestros propósitos, pero |
| Les contaré un secreto: en 16, el desarrollador del conmutador de columnas nos permitirá tener este tipo de flexibilidad para que pueda vincular múltiples objetos de plataforma en el mismo conmutador de columnas para realizar un análisis complejo. |
| Voy a volver a este argumento de ocurrencia, aunque parece simple. Aquí hay otro ejemplo que en realidad analiza la ocurrencia general en la que ciertos eventos adversos podrían haber ocurrido varias veces en el mismo sujeto. |
| Volveré a estos, pero repasaré rápidamente el resto de los análisis y estas revisiones antes de volver a algunas de las complejidades del generador de gráficos simple y tabular los informes de distribución. |
| La siguiente sección de nuestra revisión aquí es una pantalla de incidentes de eventos adversos. Así que aquí estamos haciendo esa progresión desde simplemente observar los recuentos y las frecuencias o posiblemente las tasas de incidencia. |
| en un marco más estadístico de pruebas de la diferencia en la incidencia de ciertos eventos adversos en un grupo de tratamiento para otro. |
| Y aquí lo representamos con un diagrama de volcán. Así que podemos ver en realidad que la flebitis, la hipotensión y la isotenuria ocurren con mucha más frecuencia en nuestro grupo de tratamiento, aquellos que fueron tratados con nicardipina, en comparación con aquellos que recibieron placebo. |
| Así que podemos seleccionarlos y profundizar en una vista muy común de eventos adversos, que también es nuestro riesgo relativo para un gráfico de celdas. |
| Lo cual es muchas veces aún más fácil de leer cuando solo se observan aquellas señales interesantes que posiblemente tengan diferencias clínicas o estadísticas significativas. |
| A veces los ensayos clínicos llevan mucho tiempo. A veces los toman durante algunas semanas, como si este estudio fuera solo unas pocas semanas, pero a veces los toman durante años. |
| Por eso, a veces es interesante pensar en las diferencias en los incidentes de eventos adversos a medida que avanza el ensayo. Tenemos esta capacidad también dentro |
| el informe de pantalla de incidencia donde puede dividir el día de estudio y los días de estudio en secciones para ver cómo los incidentes de eventos adversos cambian con el tiempo. |
| Y una buena manera de demostrarlo podría ser con un gráfico de la explosión de un volcán que muestre cómo esas señales cambian a lo largo de la progresión del estudio. |
| Entonces, otra idea poderosa con esto, especialmente porque hay ensayos clínicos más largos o ensayos clínicos más complejos, |
| En lugar de observar solo la incidencia directa entre los sujetos, se puede considerar el tiempo transcurrido hasta el evento o la tasa ajustada de exposición a la que ocurren esos eventos adversos. |
| Y eso es lo que ofrecemos en nuestro tiempo a los análisis de eventos, que una vez más, como se muestra en un gráfico de volcán que se observa aquí usando una prueba de Kaplan Meier en |
| diferencias en el tiempo hasta el evento de ciertos eventos que ocurren en un ensayo clínico. Una de las cosas buenas aquí es que puedes seleccionar estos eventos y profundizar en el JMP. |
| plataforma de supervivencia para obtener los detalles completos de cada uno de los eventos adversos que quizás tuvieron diferentes resultados en el tiempo hasta el evento entre los grupos de tratamiento. |
| Otro tipo de tiempo hasta el evento a menudo se denomina índice de densidad de incidencia, que es la idea de densidad de incidencia ajustada a la exposición. Básicamente, la diferencia aquí es que en lugar de utilizar algunos de los riesgos proporcionales más tradicionales o análisis de Kaplan Meier, esto es más como un |
| una distribución de estilo Poisson que se ajusta según el tiempo que realmente han estado expuestos a una droga. Y una vez más aquí podemos ver esas señales principales. |
| y profundizar en el informe análogo dentro de JMP utilizando un modelo lineal generalizado para ese tipo específico de modelo con una detección de señal de evento adverso. |
| Y de hecho, incluso ofrecemos algunos análisis bayesianos realmente complejos. Entonces, una de las cosas que surgen con este tipo de datos suelen ser los eventos adversos. |
| Existen dentro de ciertos sistemas o clases corporales... clases de órganos. Y entonces hay muchas publicaciones... o conocimientos previos que podemos imponer a estos modelos. Por eso, algunos de nuestros clientes, sus equipos biométricos, deciden utilizar modelos bastante sofisticados al observar sus eventos adversos. |
| Entonces, hasta ahora hemos caminado desde lo que yo diría que son visiones de distribución de datos bastante simplistas. |
| en distribuciones y simplemente contar gráficos de eventos adversos en análisis estadísticos muy complejos. |
| Voy a volver ahora, a lo que se considera información simple de conteo y frecuencia y quiero pasar algún tiempo aquí mostrando el poder de la interactividad JMP que tenemos. |
| Como recordará, una de las diferencias aquí es que esta tabla es una tabla apilada que tiene todas las ocurrencias de nuestros eventos adversos para cada sujeto, |
| y nuestra tabla demográfica, que sabemos que tiene 900 sujetos, está separada. Entonces lo que queríamos no era un gráfico estático, |
| como lo que tenemos aquí, o lo que tendríamos en un informe típico en formato PDF, pero queríamos poder explorar nuestros datos de forma interactiva |
| y mirar subgrupos de nuestros datos y ver cómo cambiarían esos porcentajes. Ahora, la dificultad es que el cálculo del porcentaje debe provenir del recuento de sujetos en una tabla diferente. |
| Así que en realidad hemos hecho esto mediante fórmula... como crear fórmulas de columna para controlar dinámicamente el recálculo de porcentajes tras la selección, ya sea dentro de la categorización de eventos. |
| o, más poderosamente, usando nuestra herramienta de filtrado de temas de reseñas. Aquí, por ejemplo, analizamos todos los temas por tratamiento. |
| Quizás eventos adversos graves versus no graves, pero podemos usar este filtro de datos global que afecta a cada uno de los informes a nivel de tema en nuestra revisión. |
| y cambiar instantáneamente nuestros grupos demográficos y cambiar nuestros porcentajes para que sean |
| interactivo para este tipo de exploración de subgrupos. Entonces, ahora podemos subgrupos en mujeres blancas y ver cuál es su porcentaje de eventos adversos y sus talentos, o tal vez desee ser más granular y comprender para cada sitio, cómo cambian sus datos para diferentes sitios. |
| Entonces, lo que realmente tenemos aquí es, en lugar de un paquete de presentación o un análisis clínico donde el equipo de biometría |
| entrega 70 gráficos y tablas diferentes al revisor médico para que los revise, los examine, tiene el poder de crear cientos de tablas diferentes y diferentes subconjuntos y diferentes gráficos, todo en una sola interfaz. |
| De hecho, realmente puedes filtrar esas categorías interesantes. Entonces, si estuvieran analizando, digamos, eventos adversos graves |
| y querían conocer muy rápidamente los eventos adversos graves relacionados con el tratamiento farmacológico, ahora nos redujimos a un subconjunto muy pequeño de nuestros 900 pacientes a aproximadamente |
| nueve pacientes que experimentaron eventos adversos graves que se consideraron relacionados con el tratamiento. Entonces, como revisor médico, este es un lugar donde Ithen podría querer comprender todos los detalles clínicos de estos pacientes. |
| Y muy rápidamente, puedo usar uno de nuestros botones de acción del informe para profundizar en lo que se llama una especie de perfil completo del paciente. |
| Así que aquí vemos toda la información ahora, en lugar de a nivel resumido, a nivel individual de todo lo que le ocurrió a este paciente a lo largo del tiempo. |
| incluso cuando tuvieron eventos adversos graves y sus mediciones de laboratorio o vitales que se tomaron junto con eso. |
| Uno de los otros usos principales de nuestro sistema JMP Clinical junto con esta revisión médica, el monitor médico, son los equipos de redacción médica. Entonces, otra forma de ver esto en lugar de visualmente en un gráfico o incluso en una tabla que son tablas de perfil de paciente, en realidad puede subir aquí. |
| y generar una narrativa automatizada. |
| Así que aquí vamos a lanzar |
| a nuestra generación narrativa de eventos adversos. Una vez más, uno de los beneficios y valores de nuestro JMP Clinical es una aplicación vertical que se basa en datos estándar. |
| es que conocemos todos los datos y la forma en que están formateados desde el principio, con solo señalar el estudio. Entonces, lo que podemos hacer aquí es ejecutar esta narrativa. |
| que nos va a escribir |
| la historia real de cada uno de esos eventos adversos que ocurrieron. |
| Y esto abrirá un documento de Word. |
| que tiene todos los detalles de este sujeto, su demografía, su historial médico y luego cada uno de los eventos adversos y los resultados u otras cuestiones relacionadas con esos eventos adversos. |
| Y podemos hacer esto para un paciente a la vez o incluso podemos hacer esto para los 900 pacientes a la vez e incluir |
| detalles más complejos como mediciones de laboratorio, signos vitales, ya sea una línea de base o antes. Por eso, los revisores médicos consideran increíblemente valioso poder tomar fuentes de datos de manera estándar y no cometer errores en la transferencia de datos de una tabla numérica a una narrativa real. |
| Entonces creo que con eso realmente puedes ver algo del poder de estas vistas de distribución, estas |
| cuente gráficos que le permitan profundizar en niveles muy granulares de los datos. Esta capacidad de utilizar filtros de tema para |
| busque dentro de toda la población de sus pacientes en un ensayo clínico o dentro de subgrupos relevantes que pueda haber encontrado. |
| Ahora, una cosa sobre la forma en que funciona nuestro filtro global a través de nuestras uniones virtuales es que esta es solo información que normalmente muestra información sobre la demografía. |
| Una de las otras herramientas personalizadas que hemos incluido en este sistema es la capacidad de seleccionar todos los sujetos con un evento adverso grave. |
| Y podemos derivar una bandera de población y luego usarla en análisis posteriores. |
| o incluso podemos colocar el filtro de ese sujeto configurado en nuestro filtro global y ahora solo estamos viendo lo grave... a un sujeto que tuvo un evento adverso grave, que fue aproximadamente... casi 300 pacientes en el ensayo clínico tuvieron un evento adverso grave. |
| Ahora, verás que incluso este informe está filtrado. Entonces, el segundo informe es un tipo diferente de aspecto de la distribución de eventos adversos que era nuevo en nuestra última versión, que son las tasas de incidencia. |
| Y aquí la idea es en lugar de normalizar o dividir calcular un porcentaje entre el número de sujetos que tuvieron un evento. Si va a realizar pruebas en curso o pruebas largas o pruebas de estudio en diferentes países que tienen diferentes tiempos de inicio, |
| es posible que desee observar la velocidad a la que ocurren los eventos adversos. Y eso es lo que se está calculando. Entonces, en este caso, en realidad estamos subdivididos en cualquier sujeto que haya tenido un evento adverso grave. Y podemos ver la tasa de ocurrencia. |
| en años-paciente. Entonces, por ejemplo, este primero tiene aproximadamente una tasa de 86 ocurrencias cada 10 años-paciente con placebo versus 71 ocurrencias. |
| En nicardipina. Entonces, en realidad, este fue uno para tratar la hemorragia subaracnoidea; es probable que se produzca un aumento de la presión intracraneal si no está siendo tratado con un medicamento activo. |
| Estos porcentajes también son completamente dinámicos, estas tasas de incidencia. Una vez más, todo esto se realiza mediante fórmulas JMP que se introducen en la tabla automáticamente. |
| que respetan a las diferentes poblaciones según son seleccionadas por este filtro global. Entonces, podemos mirar solo dentro de, digamos, EE. UU. y ver las tasas y cómo cambian, incluidos los años de paciente normalizados basados en los pacientes que son solo de EE. UU., por ejemplo. |
| Entonces, aunque estos informes parecen bastante simples, la complejidad de la codificación JSL que va más allá de incorporarlo en un panel es básicamente lo que nuestro equipo hace todo el día. |
| Intentamos hacer esto para que tengas un panel que te ayude a explorar los datos tal como los conoces, fácilmente y sin todas estas manipulaciones que podrían volverse muy complejas. |
| Ahora lo último que quería mostrar es la idea de esta costumbre. |
| informe o informe personalizado. Así que este también es un gran lugar para mostrarlo, porque aquí estamos analizando las tasas de incidencia de eventos adversos. Y entonces estamos mirando por cada evento. |
| Y tenemos el recuento, o también puede cambiarlo a esa tasa de incidencia de la frecuencia con la que ocurre por año de paciente. Y luego, una visión alternativa podría ser querer ver estas ocurrencias de eventos adversos a lo largo del tiempo. |
| Y por eso quiero demostrarlo muy rápido con nuestra API clínica. Entonces, la tabla de datos aquí está completamente disponible para usted. |
| Una de las cosas que debo hacer primero es crear una variable de fecha numérica, para la cual tenemos un pequeño widget en la tabla de datos, y la convertiré en una fecha numérica. Ahora notarás que esto tiene una nueva columna al final. |
| de la fecha y hora numérica de inicio del evento adverso. También notarás que aquí es donde todo ese poder proviene de las fórmulas. En realidad, todas estas son fórmulas que se regeneran dinámicamente en función de las poblaciones para crear estas vistas. |
| Entonces, ahora que tenemos una fecha numérica con estos datos, es posible que deseemos aumentar este análisis para incluir un nuevo tipo de gráfico. |
| Y tengo un guión para hacer eso. Una de las cosas que voy a hacer desde el principio es crear un par de columnas adicionales en nuestro conjunto de datos para el mes y el año. |
| Y luego, la siguiente parte de JSL son nuestras llamadas API clínicas. Y no voy a entrar en detalles sobre esto excepto que es una forma de engancharnos a |
| la revisión clínica y acceder a las secciones. Entonces, cuando ejecuto este código, |
| De hecho, insertará una nueva sección en mi revisión clínica. Y aquí ahora tengo una nueva visión de los eventos adversos tal como ocurrieron año tras mes para todos los sujetos de mi ensayo clínico. |
| Entonces, una de las ventajas, nuevamente, incluso con esta vista personalizada es que esta tabla, al estar todavía virtualmente unida a nuestro grupo principal, aún se puede completar por completo. |
| responder a ese filtro de asunto global de unión virtual. Y así, con solo un poco de código API JSL personalizado, podemos tomar estos informes estándar listos para usar y personalizarlos también con nuestros propios tipos de análisis. |
| Sé que fue una gran descripción general de JMP Clinical pero, además de los tipos de análisis de eventos adversos clínicos que puede realizar el sistema y que son comunes para quienes trabajan en la industria farmacéutica o en la industria farmacéutica para ensayos clínicos, |
| pero espero que esta sección te haya resultado valiosa e interesante incluso si no trabajas en el área farmacéutica. Uno de los mejores |
| Ejemplos de lo que es JMP Clinical son solo una extensión extrema y el poder de JSL para crear aplicaciones increíblemente personalizadas. |
| Quizás no esté trabajando con eventos adversos, pero aquí ve algunas cosas que pueden inspirarlo a crear paneles personalizados o complementos personalizados para sus propios tipos de análisis dentro de JMP. |
| Gracias. |
