El tiempo, la eficacia y la eficiencia son muy importantes en el mundo actual.
Debido al volumen de datos en constante aumento, es fundamental analizarlos de forma eficiente, eficaz y que ahorre tiempo, garantizando así su trazabilidad. Por ello, se seleccionó JMP como software de análisis estadístico y se implementó un script basado en JSL para analizar los datos durante los estudios de rendimiento técnico (TPV) en el desarrollo del ensayo. Los estudios TPV son estudios de rendimiento relevantes para la presentación de la documentación técnica y la certificación del producto en función de diversos indicadores de rendimiento. Se requieren hasta 30 estudios TPV durante el desarrollo del producto para demostrar su rendimiento.
Se escribió y validó en JMP un script de gestión y análisis de datos que contenía varios scripts integrados para visualizar y calcular los datos con las plataformas JMP correspondientes y para generar resultados para la documentación relevante para la presentación.
La presentación muestra cómo el script automatiza los procesos, facilitando así el trabajo diario de los técnicos en el desarrollo de ensayos. Tras enumerar las ventajas y desventajas de este enfoque, se muestra cómo compensar las desventajas mediante un vídeo que ilustra el funcionamiento del script.
Con este póster queremos mostrarles cómo hemos ahorrado tiempo en el desarrollo de ensayos gracias a nuestro análisis de datos, la mejora de la calidad de los datos y la integridad de los mismos, lo que nos ha permitido lanzar nuestros productos al mercado con mayor rapidez. Mi nombre es Anika Cobernuss-Rahn y trabajo en Roche Diagnostics en el área de desarrollo de ensayos, como responsable de atención al cliente para productos de análisis de sangre.
Me llamo Britta Silbersack y también trabajé en Roche Diagnostics. Soy científica sénior y dirijo el equipo de soporte de JMP en el desarrollo de ensayos. Quiero comenzar nuestra presentación de pósteres con la siguiente frase de Séneca: «No es que tengamos poco tiempo, sino que perdemos mucho. La vida es larga si se sabe aprovechar».
El tiempo es un bien muy preciado en el mundo actual. En el desarrollo de ensayos, hemos estado buscando la manera de analizar nuestra creciente cantidad de datos de forma eficiente y eficaz. Nuestro recorrido, que comenzó hace algunos años, se puede comparar con el vuelo de un transbordador espacial. Un transbordador espacial necesita mucha energía para llegar al espacio. Además, existen muchas maneras de llegar al espacio. Nuestro camino en el desarrollo de ensayos con análisis de datos automatizado ha sido similar, como se describe en estas cinco imágenes.
Todavía recuerdo con claridad cuando analizaba mis datos con hojas de cálculo de Excel. Me llevaba mucho tiempo crear gráficos que me satisficieran y encontrar errores de copiar y pegar o de fórmulas en el análisis de datos. Invertía muchísimo tiempo analizando y revisando los datos para evitar y corregir errores.
No solo yo tenía este problema, sino también muchos de mis compañeros. Por ello, empezamos a buscar una solución y la encontramos en la automatización del análisis de datos para reducir el esfuerzo y simplificar el proceso. El software que buscábamos debía cumplir ciertos requisitos. Queríamos poder visualizar nuestros datos de forma similar a las hojas de cálculo de Excel, realizar análisis estadísticos fácilmente y crear y modificar los gráficos necesarios de forma rápida y sencilla. También nos pareció útil poder escribir pequeños programas. Por eso elegimos el software JMP, y así comienza nuestra aventura con el lanzamiento del transbordador espacial.
Como mencioné anteriormente, un transbordador espacial necesita mucha energía para alcanzar la órbita. Esto significa que requiere suficiente combustible, el cual se almacena en diferentes tanques. Nosotros también necesitamos mucha energía para implementar la automatización de nuestro análisis de datos en JMP. Esta energía proviene de nuestro equipo de desarrollo de ensayos, quienes están de acuerdo con nosotros, nos apoyan y, además, deben implementar la automatización.
Hemos resaltado las ventajas que ofrece la automatización. También hemos mostrado cómo se ve afectado el cronograma del proyecto al automatizar el análisis de datos. Se evitan errores y el tiempo necesario para el análisis se reduce significativamente. La automatización también mejoró la integridad y la calidad de los datos. Tras presentar el software y mostrar algunos ejemplos, el equipo de desarrollo de ensayos decidió utilizar el software JMP para el análisis de datos. Gracias a esta decisión, nuestro transbordador espacial puede ahora iniciar con éxito su viaje al espacio.
Un software o script es tan bueno como su uso. ¿Cómo podemos convencer a nuestros colegas de que cambien el proceso tradicional de análisis de datos? Intentamos despertar su interés por JMP demostrando la rapidez con la que se pueden realizar cálculos y crear gráficos. Ofrecemos cursos de formación para enseñarles análisis frecuentes y responder a sus preguntas. Además, creamos un equipo de expertos en el uso de JMP, integrado por personas con amplia experiencia. Su objetivo era ayudar a los usuarios a resolver cualquier problema que surgiera durante el análisis de datos.
El último impulso energético para nuestro transbordador espacial involucró a nuestro equipo de usuarios avanzados de JMP, que estaba integrado en otros proyectos además del soporte de JMP. No siempre tenían tiempo para realizar los cursos de capacitación de JMP junto con su trabajo diario. Por lo tanto, hemos creado un sitio web para usuarios avanzados de JMP con el siguiente contenido.
Primero, se incorporó a todos los usuarios avanzados para distribuir la carga de trabajo de soporte entre ellos. Segundo, el material de los cursos de capacitación es público, de modo que el usuario puede acceder a la capacitación cuando le convenga, incluso sin la ayuda de un usuario avanzado. Tercero, se crearon hojas de referencia para la evaluación de temas de análisis específicos, como la sensibilidad o la linealidad. Esto permite al usuario realizar los análisis por sí mismo.
En cuarto lugar, también creamos videos de capacitación cortos y sencillos para funciones especiales de JMP, como la concatenación de tablas de datos, la recodificación o la conversión de texto a columna, etc. Por último, pero no menos importante, queremos reunir a personas interesadas en aprender el lenguaje JSL en un club de scripting de JMP. Esto permite compartir conocimientos y solicitar ayuda al escribir scripts. Además, las solicitudes de scripting de otros usuarios se recopilan en una lista de deseos para brindar a los programadores de JMP oportunidades adicionales para mejorar sus habilidades de planificación.
Nuestro transbordador espacial ha alcanzado con éxito la órbita.
Sin embargo, para que siga funcionando con éxito en el espacio, es necesario ampliar la automatización de datos. Esto implica mantener los scripts existentes y crear otros nuevos. También queríamos utilizar scripts para nuestros estudios de rendimiento técnico (TPV, por sus siglas en inglés), necesarios para certificar el rendimiento del producto según diversos indicadores. Para ello, es preciso validar el script.
Para gestionar estas tareas, hemos formado un equipo de scripting de JMP que mantiene los scripts existentes y los modifica cuando es necesario. También integran nuevos proyectos en los scripts existentes y desarrollan nuevos scripts disponibles para otros análisis de datos. En este póster, se muestra el final del proceso de automatización de nuestro análisis de datos. El uso de nuestros scripts se ha convertido en parte integral de nuestro proceso de análisis de datos. Esto ha estandarizado y simplificado nuestros informes de análisis, reduciendo la probabilidad de errores.
Sin embargo, el camino aún no ha terminado. Nos esperan diversos cambios, como se menciona en el póster, entre ellos la disminución del interés por los datos, lo que conlleva una dependencia silenciosa del apoyo y un descenso en el conocimiento y el interés por la estadística. En el siguiente vídeo se presenta un ejemplo de guion.
Nuestro script se divide en tres partes. La primera parte consiste en la importación de datos por parte del usuario. Incluye dos campos de entrada que solicitan información detallada sobre el estudio del ensayo y la ubicación de los archivos de datos. Sin esta información, no es posible utilizar el script.
La segunda parte consiste en la creación de la tabla de datos. Todos los archivos se concatenaron en una tabla de datos y se realizaron los cálculos iniciales. En la esquina superior izquierda se guardaron scripts predefinidos que los usuarios pueden ejecutar. Estos scripts varían según el estudio y se pueden ejecutar una vez concatenados los datos. Si los usuarios necesitan realizar cálculos adicionales, también pueden utilizar la tabla de datos, que contiene toda la información.
La tercera y última parte es la salida del script. Los informes generados por el script se guardan en la carpeta de salida y están disponibles para el usuario con fines de documentación.
Con los pasos que hemos presentado en este póster, logramos reducir el tiempo de desarrollo de un ensayo y aumentar la integridad y la calidad de los datos. Como resultado, podemos lanzar nuestros ensayos al mercado más rápidamente. Gracias por su atención e interés en este tema. Les deseamos mucho éxito si desean integrar la automatización de su análisis de datos utilizando el lenguaje JSL.
