Altoparlante | Trascrizione |
| Kelci J. Miclaus | Salve e benvenuti a JMP Discovery Online. Oggi parlerò del riepilogo dei riepiloghi degli eventi avversi e dell'analisi degli studi clinici. |
| Sono Senior Manager nel gruppo di analisi avanzata per la divisione JMP Life Sciences qui in SAS e lavoriamo intensamente con i clienti che utilizzano dati genomici e clinici nelle loro ricerche. |
| Pertanto, prima di passare al riepilogo e ai dettagli sull'utilizzo di JMP con l'analisi degli eventi avversi, desidero presentare il software JMP Clinical creato dal nostro team. |
| JMP Clinical fa parte della famiglia di prodotti che ora include cinque prodotti ufficiali oltre a componenti aggiuntivi che possono estendere JMP per consentirti davvero di avere tutti i tipi di applicazioni verticali o estensioni di JMP che desideri. |
| Il mio team di sviluppo supporta JMP Genomics e JMP Clinical. JMP Genomics e JMP Clinical sono rispettivamente applicazioni verticali personalizzate, basate su JMP, utilizzate per la ricerca genomica e la ricerca su sperimentazioni cliniche. |
| E oggi parlerò di come abbiamo creato revisioni e analisi in JMP Clinical per |
| industrie farmaceutiche che stanno effettuando analisi sulla sicurezza e sull’efficacia precoce degli studi clinici. |
| Lo scopo originale di JMP Clinical e l'ideazione di questo prodotto in realtà sono arrivati attraverso l'assistenza alla FDA, che è un grande utilizzatore di JMP |
| E il loro gruppo CDER, il Centro per la valutazione e la ricerca sui farmaci. I loro revisori medici utilizzavano comunemente JMP per esaminare le richieste di farmaci. |
| E lo adorano. Sono molto bravi in questo. Una delle cose che hanno scoperto, però, è che alcune azioni ripetitive, soprattutto su dati clinici molto standard, potrebbero essere piuttosto dolorose. |
| Un esempio qui è l'idea di qualcosa chiamato diagramma di spostamento che è per le misurazioni di laboratorio |
| dove si confronta la media degli studi di un laboratorio rispetto al basale rispetto ai gruppi di trattamento. Per crearlo, ci sono voluti almeno 8-10 passaggi |
| all'interno dell'interfaccia JMP di aprire i dati, normalizzarli, sottoinsiemi in linea di base rispetto a prova, eseguire statistiche, rispettivamente, per quei gruppi che li uniscono nuovamente, quindi suddividere i dati tramite test di laboratorio in modo da poter creare questo tipo di grafico per ciascun laboratorio. |
| E questo non basta nemmeno per arrivare al numero di passaggi necessari all'interno del Costruttore di grafici per costruirlo. |
| Quindi JMP può chiaramente farlo, ma quello che volevamo fare era risolvere il loro problema con questo tipo di dati clinici molto standard |
| con i grafici dei turni di laboratorio con un solo clic, ad esempio. In effetti, volevamo creare revisioni cliniche nella nostra infrastruttura che chiamiamo generatore di revisioni |
| che sono revisioni standardizzate riproducibili con un clic per molte delle analisi e visualizzazioni standard altamente comuni richieste o previste nella ricerca sugli studi clinici per valutare la sicurezza e l'efficacia dei farmaci. |
| Pertanto, JMP Clinical si è evoluto rispetto al primo tentativo di creare un'applicazione personalizzata per un grafico dei turni |
| in un software di analisi di studi clinici a servizio completo che copre il monitoraggio medico e la scienza dei dati clinici, i team di scrittura medica, la biometria e la biostatistica, nonché la gestione dei dati dello studio coinvolti nella raccolta degli studi clinici. |
| Ciò vale sia per la sicurezza che per l'efficacia, ma anche per l'integrità operativa o per le anomalie operative che potrebbero essere riscontrate anche nella raccolta dei dati clinici. |
| Alcune delle caratteristiche chiave di JMP Clinical che riteniamo siano |
| particolarmente utile per coloro che utilizzano l'interfaccia JMP per qualsiasi tipo di analisi |
| sono cose come i join virtuali. Quindi abbiamo un'idea di un filtro globale per argomenti di revisione, che vi mostrerò durante le dimostrazioni per gli eventi avversi, |
| che consentono realmente di integrare e collegare le informazioni demografiche o i dati demografici dei nostri soggetti in una sperimentazione clinica a tutti i dati del dominio clinico raccolti. |
| E questa architettura, abilitata dai virtual join all'interno dell'interfaccia JMP con sincronizzazione dello stato delle righe, |
| ti consentono di avere realmente revisioni interattive istantanee con una manipolazione dei dati minima o nulla in tutti i tipi di analisi che potresti eseguire nell'analisi dei dati di uno studio clinico. |
| Un'altra nuova funzionalità che abbiamo aggiunto al software che sfrutta anche parte della potenza del filtro dati JMP, oltre a |
| creazione di colonne di indicatori JMP, è questa la capacità di, mentre si esaminano in modo interattivo i dati degli studi clinici, |
| trovare segnali interessanti che dicono che, in questo esempio, lo screenshot mostrato riguarda soggetti che hanno avuto un evento avverso grave durante la sperimentazione clinica, trovare quei segnali interessanti, |
| e, in modo abbastanza immediato, creare un contrassegno indicatore memorizzato nei metadati con il proprio studio in JMP Clinical |
| disponibile per tutti gli altri tipi di analisi che potresti eseguire. Quindi puoi dire: voglio ora esaminare i risultati del mio laboratorio per i pazienti che hanno avuto un evento avverso grave rispetto a quelli che non l'hanno avuto, per vedere se ci sono anche anomalie che potrebbero essere correlate al verificarsi della gravità di un evento avverso. |
| Un'altra caratteristica che mostrerò con JMP Cclinical e la dimostrazione relativa all'analisi degli eventi avversi è il |
| API clinica JMP che abbiamo integrato nel sistema. Una delle cose più difficili nel fornire, creare e sviluppare un'applicazione verticale |
| che dispone di report pronti all'uso con un solo clic è quello |
| arrivi al 90% del percorso e poi il cliente potrebbe dire, oh, beh, volevo davvero modificarlo, o volevo davvero vederlo in questo modo, o devo cambiare il modo in cui viene visualizzata la visualizzazione dei dati. |
| Quindi una delle cose su cui abbiamo lavorato duramente nel nostro team di sviluppo è l'utilizzo dello scripting JMP JSL |
| per far emergere un'API nella revisione clinica, per avere il controllo sugli oggetti, sui display, sui dashboard, sulle analisi e persino sui set di dati che entrano nelle nostre revisioni cliniche. Quindi ne mostrerò parte anche nell'analisi degli eventi avversi. |
| Facciamo quindi un passo indietro ed entriamo nel vivo degli eventi avversi e degli studi clinici ora che abbiamo una panoramica di JMP Clinical. |
| Ci sono davvero due modi chiave di pensare a questo. C'è l'aspetto della revisione della sicurezza di una sperimentazione clinica in cui in genere si contano i conteggi e le percentuali degli eventi avversi che potrebbero verificarsi. |
| E molti medici, osservatori o revisori spesso usano questi dati per comprendere le anomalie mediche, sai, un certo evento avverso inizia a manifestarsi |
| più comunemente, con uno dei trattamenti che potrebbero avere implicazioni mediche. |
| C'è anche il rilevamento statistico del segnale, l'idea di valutare statisticamente i nostri eventi avversi che si verificano a un ritmo insolito |
| in uno dei gruppi di trattamento rispetto all’altro. Quindi ecco, ad esempio, una tabella statica tradizionale che vedi in molti tipi di ricerca, invii o comunicazioni relativi all'analisi degli eventi avversi di uno studio clinico. |
| Fondamentalmente è una tabella statica con conteggi percentuali e se è più orientata statisticamente, vedrai anche cose come intervalli di confidenza e valori p |
| su cose come i rapporti di probabilità o i rischi relativi o le differenze di tasso. |
| Un altro modo di visualizzarlo può anche essere visivamente invece che con un formato tabellare, quindi il rilevamento del segnale, osservando, ad esempio, il rapporto di probabilità o la differenza di rischio |
| potrebbe utilizzare il Costruttore di grafici in questo caso per mostrare i risultati di un'analisi statistica dell'incidenza di determinati eventi avversi e come differiscono tra i gruppi di trattamento, ad esempio. |
| Quindi questi sono due esempi. E infatti, dal lavoro che abbiamo svolto e dal modo in cui i clienti con cui abbiamo lavorato vedono e devono analizzare gli eventi avversi, |
| il sistema JMP Clinical ora offre diverse analisi comuni degli eventi avversi, dai semplici conteggi e percentuali ai tassi di incidenza o agli eventi |
| in parametri statistici quali differenza di rischio, rischio relativo, odds ratio, comprese alcune analisi del tempo all'evento aggiustate per l'esposizione. |
| Possiamo anche diventare molto più complessi con i tipi di modelli che adattiamo e utilizzare modelli misti o bayesiani, nonché trovare determinati segnali con le nostre differenze di eventi avversi. |
| Inoltre, utilizziamo pesantemente questi dati per rivedere solo i dati medici in una narrazione di scritti medici o nel profilo del paziente. |
| Quindi ora passerò direttamente a JMP Clinical con una revisione che ho costruito attorno a molte di queste analisi comuni. |
| Quindi una delle cose che noterai di JMP Clinical è che non assomiglia esattamente a JMP, ma lo è. |
| È una soluzione integrata combinata che dispone di molti script JSL personalizzati per creare i nostri tipi di interfacce. Quindi la nostra finestra iniziale qui presenta studi, recensioni e impostazioni, ad esempio. |
| E ho già costruito una recensione |
| Qui |
| che utilizza i nostri dati di esempio sulla nicardapina. Questi sono i dati forniti con il prodotto. È disponibile anche nella libreria di esempi JMP. |
| È un vero studio clinico sull'emorragia subaracnoidea. Era con circa 900 pazienti. |
| E quindi ciò che questa prima scheda della nostra analisi esamina è proprio la distribuzione delle caratteristiche demografiche di quei pazienti, quanti erano maschi rispetto a femmine, le loro suddivisioni razziali, |
| quale gruppo di trattamento è stato loro somministrato, i siti da cui sono stati prelevati i dati, ecc. Quindi questo è molto comune, proprio come il primo passo per comprendere i dati clinici per una sperimentazione clinica. |
| Noterai che qui abbiamo un navigatore di report che mostra il resto dei tipi di analisi a nostra disposizione in questa revisione creata. |
| Esaminerò ciascuna di queste schede, solo rapidamente per mostrarvi tutti i diversi modi in cui possiamo esaminare gli eventi avversi con il set di dati della sperimentazione clinica. |
| Ora, il modo tipico in cui i dati vengono raccolti negli studi clinici è uno standard internazionale chiamato formato CDISC, |
| il che in genere significa che abbiamo un formato di set di dati molto impilato. Qui possiamo vederlo, dove abbiamo più registrazioni per ciascun soggetto che indicano i diversi eventi avversi che potrebbero essersi verificati nel tempo. |
| Questi dati verranno accoppiati con i dati demografici, che sono una riga per ciascun soggetto, come visto qui in questo gruppo demografico. Abbiamo circa 900 pazienti e vedrete in questo primo rapporto che abbiamo circa 5.000 o 5.500 registrazioni di diversi eventi avversi che si sono verificati. |
| Quindi questo è probabilmente il report più comunemente utilizzato da molti monitoraggi medici e revisori medici che stanno valutando i segnali di eventi avversi. |
| Ciò che abbiamo qui è fondamentalmente un dashboard che combina un grafico di conteggio del Generatore di grafici con una tabella di accompagnamento, poiché sono abituati a vedere questo tipo di tabelle. |
| Ora il vero valore di JMP è la sua interattività e quel collegamento dinamico direttamente ai tuoi dati in modo che tu possa selezionare qualsiasi punto dei dati e vederli in entrambi i posti. O in modo più potente, puoi controllare le tue visualizzazioni con |
| commutatori di colonna. |
| Ora qui possiamo effettivamente passare dalla distribuzione dei trattamenti al sesso rispetto alla razza. Noterai che con la razza, se ricordiamo, ne abbiamo avute parecchie |
| bianco in questo studio, quindi questo non è un grafico eccezionale quando lo guardiamo in percentuale o in base ai conteggi, quindi potremmo normalizzarlo e mostrare invece le percentuali. |
| E possiamo anche semplicemente decidere di considerare anche il conteggio olistico complessivo degli eventi avversi. |
| Un'altra parte dell'utilizzo di questo come commutatore di colonna è la capacità di sapere classificare che tipo di eventi erano. È stato un evento avverso grave? Qual è stata la sua gravità? |
| Il risultato è stato quello che hanno ottenuto quando si sono ripresi oppure no? Cosa lo stava causando? Era correlato al farmaco in studio? |
| Tutte queste sono domande che le revisioni mediche spesso pongono per trovare segnali interessanti o anomali con eventi avversi nel loro verificarsi. |
| Ora, una delle cose che potresti aver già notato in questo dashboard è che qui ho un gruppo di controllo come commutatore di colonne che in realtà controlla sia il mio grafico che la mia tabella. Quindi, quando sono passato alla gravità, anche questa tabella cambia. |
| Ciò è stato fatto con molti script JSL personalizzati specifici per i nostri scopi, ma |
| Ti svelo un segreto, in 16 lo sviluppatore per il commutatore di colonne ci consentirà di avere questo tipo di flessibilità in modo da poter collegare più oggetti della piattaforma nello stesso commutatore di colonne per condurre un'analisi complessa. |
| Tornerò su questa trama degli eventi, anche se sembra semplice. Ecco un altro esempio che esamina effettivamente l'evento complessivo in cui determinati eventi avversi potrebbero essersi verificati più volte allo stesso soggetto. |
| Tornerò su questi, ma esaminerò rapidamente il resto delle analisi e queste revisioni prima di tornare ad alcune delle complessità del semplice generatore di grafici e della tabella dei rapporti di distribuzione. |
| La sezione successiva della nostra recensione qui è una schermata dell'incidente dell'evento avverso. Quindi qui stiamo facendo quella progressione semplicemente guardando i conteggi e le frequenze o eventualmente i tassi di incidenza |
| in un quadro più statistico di test per la differenza nell’incidenza di determinati eventi avversi in un gruppo di trattamento rispetto a un altro. |
| E qui lo rappresentiamo con una trama vulcanica. Quindi possiamo vedere in realtà che flebiti, ipotensione e isotenuria si verificano molto più spesso nel nostro gruppo di trattamento, quelli trattati con nicardipina, rispetto a quelli trattati con placebo. |
| Quindi possiamo effettivamente selezionarli ed approfondire una visione molto comune per gli eventi avversi, che è anche il nostro rischio relativo per un diagramma cellulare, |
| che molte volte è ancora più facile da leggere quando si osservano solo quei segnali interessanti che presentano differenze potenzialmente significative a livello clinico o statistico. |
| A volte gli studi clinici richiedono molto tempo. A volte li assumono per alcune settimane, come questo studio è durato solo poche settimane, ma a volte li assumono per anni. |
| Quindi a volte è interessante pensare alle differenze negli eventi avversi man mano che lo studio procede. Abbiamo questa capacità anche dentro di noi |
| il rapporto sullo schermo dell'incidenza in cui puoi effettivamente suddividere la giornata di studio, studiare i giorni in sezioni per vedere come gli episodi di eventi avversi cambiano nel tempo. |
| E un buon modo per dimostrarlo potrebbe essere con un grafico di un vulcano che esplode qui che mostra come questi segnali cambiano durante la progressione dello studio. |
| Quindi un'altra idea potente con questo, soprattutto quando si hanno studi clinici più lunghi o studi clinici più complessi, |
| invece di considerare solo l'incidenza diretta tra i soggetti, è possibile considerare il tempo trascorso all'evento o la velocità corretta per l'esposizione con cui si verificano tali eventi avversi. |
| E questo è ciò che offriamo nel nostro tempo all'analisi degli eventi, che ancora una volta, mostrata in un diagramma del vulcano guardando qui utilizzando un test di Kaplan Meier su |
| differenze nel time to event di determinati eventi che si verificano in uno studio clinico. Una delle cose belle qui è che puoi selezionare questi eventi e approfondire JMP |
| piattaforma di sopravvivenza per ottenere tutti i dettagli per ciascuno degli eventi avversi che hanno avuto esiti in termini di tempi di insorgenza degli eventi forse diversi tra i gruppi di trattamento. |
| Un altro aspetto del tempo trascorso prima dell'evento è spesso chiamato rapporto di densità di incidenza, che è l'idea di densità di incidenza corretta per l'esposizione. Fondamentalmente la differenza qui è che invece di utilizzare alcuni dei rischi proporzionali più tradizionali o le analisi di Kaplan Meier, questo è più simile a un |
| una distribuzione in stile poisson adattata al tempo in cui sono stati effettivamente esposti a un farmaco. E ancora una volta qui possiamo osservare i segnali principali |
| e approfondire il report analogo all'interno di JMP utilizzando un modello lineare generalizzato per quello specifico tipo di modello con rilevamento del segnale di un evento avverso. |
| E in realtà offriamo anche alcune analisi bayesiane davvero complesse. Quindi uno degli aspetti legati a questo tipo di dati sono in genere gli eventi avversi |
| esistono all'interno di certi sistemi o classi corporee...classi di organi. E quindi ci sono molti post... o conoscenze pregresse che possiamo imporre in questi modelli. E così alcuni dei nostri clienti, i loro team biometrici, decidono di utilizzare modelli piuttosto sofisticati quando esaminano i loro eventi avversi. |
| Quindi, finora ci siamo allontanati da ciò che direi considerare viste di distribuzione dei dati piuttosto semplicistiche |
| in distribuzioni e si limitano a contare i grafici degli eventi avversi in analisi statistiche molto complesse. |
| Tornerò ora, a quelle che sono considerate semplici informazioni sul conteggio e sulla frequenza e desidero dedicare un po' di tempo a mostrare la potenza dell'interattività JMP di cui disponiamo. |
| Come ricorderete, una delle differenze è che questa tabella è una tabella impilata che contiene tutte le occorrenze dei nostri eventi avversi per ciascun soggetto, |
| e la nostra tabella demografica, che sappiamo di avere 900 soggetti, è separata. Quindi quello che volevamo non era un grafico statico, |
| come quello che abbiamo qui, o quello che avremmo in un tipico report in formato PDF, ma volevamo essere in grado di esplorare in modo interattivo i nostri dati |
| e guarda i sottogruppi dei nostri dati e vedi come cambierebbero quelle percentuali. Ora, la difficoltà è che il calcolo percentuale deve provenire dal conteggio dei soggetti in una tabella diversa. |
| Quindi in realtà lo abbiamo fatto tramite formula... ad esempio creando formule di colonna per controllare dinamicamente il ricalcolo delle percentuali al momento della selezione, sia all'interno della categorizzazione degli eventi |
| o, in modo più potente, utilizzando il nostro strumento di filtro dell'oggetto della recensione. Quindi qui, ad esempio, esaminiamo tutti gli argomenti in base al trattamento. |
| Forse eventi avversi gravi o non gravi, ma possiamo utilizzare questo filtro di dati globale che influisce su ciascuno dei report a livello di soggetto nella nostra revisione |
| e cambiare istantaneamente i nostri gruppi demografici e cambiare le nostre percentuali |
| interattivo a questo tipo di esplorazione dei sottogruppi. Quindi qui, ora possiamo effettivamente raggruppare le donne bianche e vedere quali sono la loro percentuale di eventi avversi e i loro talenti, o forse vuoi andare più granulare e capire per ciascun sito, come cambiano i loro dati per i diversi siti. |
| Quindi quello che abbiamo veramente qui è invece di un pacchetto di presentazione o di un'analisi clinica in cui il team biometrico |
| consegna 70 trame e tabelle diverse al revisore medico affinché le esamini, le esamini, hanno il potere di creare centinaia di tabelle diverse, sottoinsiemi diversi e grafica diversa, il tutto in un'unica interfaccia. |
| In effetti, puoi davvero filtrare in quelle categorie interessanti. Quindi, se stessero cercando di dire eventi avversi gravi |
| e volevano conoscere molto rapidamente gli eventi avversi gravi correlati al trattamento farmacologico, ora siamo arrivati a un sottoinsieme molto piccolo, dai nostri 900 pazienti a circa |
| nove pazienti che hanno manifestato eventi avversi gravi considerati correlati al trattamento. Quindi, in qualità di revisore medico, questo è il luogo in cui Ithen potrebbe voler comprendere tutti i dettagli clinici su questi pazienti. |
| E molto rapidamente, posso utilizzare uno dei nostri pulsanti di azione dal rapporto per approfondire quello che viene chiamato una sorta di profilo paziente completo. |
| Quindi qui vediamo tutte le informazioni ora, invece che a livello riassuntivo, a livello individuale di tutto ciò che è accaduto a questo paziente nel tempo, |
| anche quando si sono verificati eventi avversi gravi e le misurazioni di laboratorio o vitali effettuate contestualmente a ciò. |
| Uno degli altri usi principali del nostro sistema JMP Clinical, insieme a questa revisione medica, è il monitoraggio medico, ovvero i team di scrittura medica. Quindi un altro modo di vederlo invece che visivamente in un grafico o anche in una tabella che sono le tabelle dei profili dei pazienti, puoi effettivamente andare qui |
| e generare una narrazione automatizzata. |
| Quindi qui lo lanceremo davvero |
| alla nostra generazione narrativa degli eventi avversi. Ancora una volta, uno dei vantaggi e dei valori del nostro JMP Clinical è un'applicazione verticale che si basa su dati standard |
| è che conosciamo tutti i dati e il modo in cui sono formattati in anticipo, semplicemente venendo indirizzati allo studio. Quindi quello che possiamo fare qui è effettivamente gestire questa narrazione |
| che ci scriverà |
| la storia vera di ciascuno di quegli eventi avversi che si sono verificati. |
| E questo aprirà un documento Word |
| che contiene tutti i dettagli su questo argomento, la loro demografia, la loro storia medica e quindi ciascuno degli eventi avversi e gli esiti o altri problemi relativi a tali eventi avversi. |
| E possiamo farlo per un paziente alla volta o addirittura per tutti i 900 pazienti alla volta e includere |
| dettagli più complessi come misurazioni di laboratorio, parametri vitali, un riferimento o prima. E così, i revisori medici trovano incredibilmente utile la possibilità di prendere fonti di dati in modo standard e di non commettere errori nel trasferimento dei dati da una tabella numerica a una narrazione reale. |
| Quindi penso che solo con questo puoi davvero vedere parte del potere di queste visioni della distribuzione, queste |
| contare i grafici che consentono di approfondire livelli molto granulari dei dati. Questa capacità di utilizzare i filtri dell'oggetto |
| cerca nell'intera popolazione dei tuoi pazienti in uno studio clinico o nei sottogruppi rilevanti che potresti aver trovato. |
| Ora, un aspetto del modo in cui funziona il nostro filtro globale attraverso i nostri join virtuali è che si tratta solo di informazioni che in genere mostrano informazioni sulla demografia. |
| Uno degli altri strumenti personalizzati che abbiamo inserito in questo sistema è la capacità di selezionare tutti i soggetti con un evento avverso grave. |
| E possiamo ricavare un indicatore della popolazione e poi usarlo in ulteriori analisi |
| oppure possiamo anche gettare il filtro di quel soggetto impostato sul nostro filtro globale e ora stiamo guardando solo il serio... un soggetto che ha avuto un evento avverso grave, che riguardava... quasi 300 pazienti nello studio clinico hanno avuto un evento avverso grave. |
| Ora, anche questo report, vedrai, in realtà è filtrato. Quindi il secondo rapporto è un diverso tipo di aspetto di una distribuzione di eventi avversi che era nuova nella nostra ultima versione, ovvero i tassi di incidenza. |
| E qui, l’idea è invece di normalizzare o dividere per calcolare una percentuale per il numero di soggetti che hanno avuto un evento. Se intendi partecipare a prove in corso o a prove lunghe o a prove di studio in paesi diversi che hanno tempi di avvio con tempistiche diverse, |
| potresti voler effettivamente osservare la velocità con cui si verificano gli eventi avversi. E quindi questo è ciò che sta calcolando. Quindi in questo caso siamo in realtà suddivisi in tutti i soggetti che hanno avuto un evento avverso grave. E possiamo vedere il tasso di occorrenza |
| negli anni pazienti. Quindi, per esempio, questo primissimo, vedete, ha un tasso di circa 86 casi ogni 10 anni-paziente con il placebo rispetto a 71 casi |
| Nella nicardipina. Quindi questo era in realtà uno che doveva trattare l'emorragia subaracnoidea, un aumento della pressione intracranica probabilmente si sarebbe verificato se non fossi stato trattato con un farmaco attivo. |
| Anche queste percentuali sono completamente dinamiche, questi tassi di incidenza. Quindi, ancora una volta, tutte queste operazioni vengono eseguite tramite formule JMP che vengono inserite automaticamente nella tabella |
| che rispettano popolazioni diverse poiché selezionate da questo filtro globale. Quindi possiamo guardare solo all'interno, ad esempio, degli Stati Uniti e vedere i tassi e come cambiano, compresi gli anni di paziente normalizzati basati sui pazienti che provengono solo dagli Stati Uniti, ad esempio. |
| Quindi, anche se questi report sembrano piuttosto semplici, la complessità della codifica JSL che va oltre la sua creazione in una dashboard è fondamentalmente ciò che il nostro team fa tutto il giorno. |
| Cerchiamo di farlo in modo che tu abbia una dashboard che ti aiuti a esplorare i dati come sai, facilmente senza tutte queste manipolazioni che potrebbero diventare molto complesse. |
| Ora, l'ultima cosa che volevo mostrare è l'idea di questa usanza |
| report o report personalizzato. Quindi anche questo è un ottimo posto per mostrarlo, perché qui stiamo esaminando i tassi di incidenza degli eventi avversi. E quindi stiamo cercando per ogni evento. |
| E abbiamo il conteggio, oppure puoi anche cambiarlo in quel tasso di incidenza di quanto spesso si verifica per paziente-anno. E quindi una visione alternativa potrebbe voler vedere davvero questi eventi avversi nel tempo. |
| E quindi voglio dimostrarlo molto rapidamente con la nostra API clinica. Quindi la tabella dei dati qui è completamente a tua disposizione. |
| Una delle cose che devo fare prima di tutto è semplicemente creare una variabile di data numerica, per la quale abbiamo un piccolo widget nella tabella dati, e la trasformerò in una data numerica. Noterai che ora c'è una nuova colonna alla fine |
| della data/ora numerica di inizio dell'evento avverso. Noterai anche che tutto quel potere deriva dalle formule. Queste sono in realtà tutte formule che vengono rigenerate dinamicamente in base alle popolazioni per creare queste visualizzazioni. |
| Quindi, ora che abbiamo una data numerica con questi dati, potremmo voler ampliare questa analisi per includere un nuovo tipo di grafico. |
| E ho una sceneggiatura per farlo. Una delle cose che farò subito sarà creare un paio di colonne extra nel nostro set di dati per mese e anno. |
| E poi la prossima parte di JSL sono le nostre chiamate API cliniche. E non entrerò nei dettagli di questo, tranne che è un modo per agganciarci |
| la revisione clinica e l’accesso alle sezioni. Quindi, quando eseguo questo codice, |
| in realtà inserirà una nuova sezione nella mia revisione clinica. E qui ora, ho una nuova visione degli eventi avversi che si sono verificati anno dopo mese per tutti i soggetti della mia sperimentazione clinica. |
| Quindi uno dei vantaggi, ancora una volta, anche con questa visualizzazione personalizzata è che questa tabella essendo ancora virtualmente unita al nostro gruppo principale può ancora essere completamente |
| rispondere al filtro dell'oggetto globale dell'unione virtuale. E quindi, solo con un po' di codice JSL API personalizzato, possiamo prendere questi report standard e pronti all'uso e personalizzarli anche con i nostri tipi di analisi. |
| Quindi so che si trattava di una panoramica piuttosto ampia di JMP Clinical ma, oltre ai tipi di analisi cliniche degli eventi avversi che il sistema può eseguire e che sono comuni per coloro che lavorano nell'industria farmaceutica o nell'industria farmaceutica per studi clinici, |
| ma spero che tu abbia trovato questa sezione utile e interessante anche se non lavori nel settore farmaceutico. Una delle migliori |
| esempi di ciò che è JMP Clinical sono solo un'estensione estrema e la potenza di JSL nel creare applicazioni incredibilmente personalizzate. |
| Quindi forse non stai lavorando con eventi avversi, ma qui vedi alcune cose che possono ispirarti a creare dashboard personalizzati o componenti aggiuntivi personalizzati per i tuoi tipi di analisi all'interno di JMP. |
| Grazie. |
