758515_ja-JP

liliconcom

テーブルについて話しましょう (2020-US-45MP-549)

マンディ・チェンバース、SAS JMP 主任テストエンジニア
ケルシー・ミクラウス、JMPライフサイエンス、SAS、JMPライフサイエンス、アドバンストアナリティクスR&Dシニアマネージャー

JMP には、データテーブルを結合する方法が数多くあります。従来の結合機能を使用すると、2 つのテーブルを簡単に結合できます。JMP クエリービルダーは結合機能を強化し、内部結合と外部結合、3 つ以上のテーブルの結合、新しい列の追加、カスタマイズ、フィルタリングなどの追加オプションを可能にする豊富なインターフェースを提供します。JMP 13 では、データテーブルの仮想結合が開発され、データの結合された（非正規化された）コピーを作成するために必要な時間とメモリを使用せずに、共通キーを使用して複数のテーブルをリンクできるようになりました。テーブルを仮想的に結合すると、リンクされたテーブルの列にテーブルからアクセスして、簡単にデータを探索できます。JMP 14 と JMP 15 では、リンクされたテーブルが行の状態の同期と通信できるようにする新しい機能が追加されました。列オプションを使用すると、仮想的に結合されたテーブル間の行の状態の変更をリッスンおよび/またはディスパッチするためのリンク参照テーブルを設定できます。この機能は、不要なテーブル操作やデータの重複を回避する、非常に強力なデータ探索インターフェースを提供します。さらに、列名を短くしたり、テーブルを自動で開いたりするオプションが追加されました。さらに、同じ列に「リンク＆ID」と「リンク＆参照」を使用して仮想的にテーブルを「パススルー」する機能も追加されました。本プレゼンテーションでは、人事データを用いた例を挙げながらJMPの新機能を紹介し、JMP Clinicalに実装されたこれらの機能の実践的な応用例を紹介します。臨床試験における複数の患者指標を被験者の人口統計テーブルに仮想的にリンクさせたレビューを作成し、リンクIDテーブルのデータフィルターを使用して、リンクされたすべての臨床指標（有害事象、検査結果など）テーブル全体でグローバルフィルタリングを実現する方法を紹介します。

自動生成されたトランスクリプト...

スピーカー	トランスクリプト
マンディ	さて、本日のディスカッションへようこそ。表についてお話しましょう。私はマンディ・チェンバースです。JMPテストチームの主任テストエンジニアを務めています。
	そして今日は私の同僚であり友人でもあるケルシー・ミクラウスが同席します。彼女はJMPライフサイエンスチームの研究開発部門シニアマネージャーです。
	実は、Kelci と私が一緒に働き始めたのは数年前で、Clinical 製品が私がテストするあらゆるものの大きな消費者になり始めた頃でした。
	それで私は彼女のグループをかなりよく知るようになり、彼らが実行しようとしていたさまざまなことについて彼らと密接に協力するようになりました。
	そして、私が実際に JMP でテストしたものを顧客が実際に使用し、臨床製品でどのように活用するかというライブアプリケーションを見ることができたのは、私にとって非常に貴重な経験でした。
	過去にもこのプレゼンテーションをしましたが、かなり長くなってしまい、ここで行うのが最善だと判断しました。
	ドキュメント全体をお渡しします。これがこの録音に添付されているもので、2セットのデータとzipファイルも含まれています。データテーブル、スクリプト、
	ジャーナルや必要なものをいくつか用意し、各アプリケーションをステップ実行できるようにしておきましょう。たとえ私が表示しなかったり、Kecli で表示されなかったりしても、同じように操作できるはずです。それでは、まずは私の画面を共有しましょう。
	今日私が何を話すか、皆さんにご理解いただけるように。先ほども申し上げたように、私が持っていたジャーナルを全体的に見せるとしたら、テーブルの結合と、テーブルを結合する様々な方法について話すことになるでしょう。
	これはここでは詳しく説明しませんが、基本的なテーブル結合についてです。これをクリックすると
	ラップトップの実行とラップトップの主題。テーブルメニューの下には、JMPを初めて使う方や、これまで使ったことがない方のために、
	テーブル結合を行うことができます。これは物理的な結合です。これによりテーブルがまとめられます。つまり、ラップトップの実行をラップトップのサブジェクトに結合することになります。
	このダイアログで、結合したいものを選択します。マッチング、直交座標、行結合から選択でき、テーブルを結合できます。今はこの作業はしません。
	時間はかかりますが、それが実際にやるべきことです。また、テーブルメニューの下にあるJMPクエリビルダーについてもお話ししたいと思います。
	このツールには、複数のテーブルを結合する機能があります。3つ、4つ、5つ、6つなど、テーブルがいくつあっても、それらを結合して、すべてを含む1つのテーブルを作成できます。ただし、繰り返しますが、今日は実際にはそれをやりません。
	だからもし私が
	ここに戻ってこれらのテーブルを閉じます。
	仮想結合がどのように生まれたのか、まずはそこから見ていきましょう。まずはテーブルの結合についてお話ししましょう。
	どのような種類の結合を使用するかを決める必要があります。テーブルが小さい場合は、物理結合を行うのが最も簡単かもしれません。先ほど示した2つのテーブルのように、テーブル結合だけを行うのはそれほど大きくありません。
	3 つまたは 4 つ以上のテーブルを取り込む場合、JMP クエリ ビルダーはテーブルを作成するための優れたツールです。
	すべてのデータを同じテーブルにまとめたい場合、まさにそれが望ましいでしょう。ディスク容量に注意してください。
	パフォーマンス、そして 5 つまたは 6 つのテーブルが別々に配置されていて、それらを物理的に結合すると、重複コピーが作成されることを理解してください。
	どちらを使うかは、これらの方法で決めることができます。仮想結合はJMP 13で導入され、次のような機能が追加されました。
	リンク、つまり共通のリンクIDを使って、複数のテーブルを結合します。これは、結合せずに結合する、という概念です。これにより、スペースを節約できるだけでなく、データの重複も防ぐことができます。
	それで…13でそれを実現し始めました。そして14から15にかけて、お客様からのご要望にお応えして、さらに多くの機能を追加しました。行とリンクしたテーブルは同期します…行の状態は同期されます。列名を短くすることもできます。リンクされたテーブルを自動的に開く機能も追加しました。
	リンクIDとリンク参照を同じ列に設定できるようになりました。また、列のソーステーブルがどれなのかがわかる小さなホバーヒントも追加しました。
	これらが追加した機能です。これから設定してデモを行ってみたいと思います。このデータは実際に…から取得しました。
	これは架空のハイテク企業です。人事データには報酬や従業員数、ダイバーシティ、コンプライアンスといった項目が含まれています。
	教育歴やその他の雇用要因などです。よく考えてみると、これはリンクするのに最適なデータです。
	通常は、従業員 ID などの一意の ID 変数、またはリンクして、さまざまな場所にある HR チームのさまざまなデータを保持できるものなどです。
	そこで、これら 2 つのテーブルを開いて、これらをリンクしようとする場合に何を行うかを簡単に説明します。
	このテーブルは従業員スコア1で、その後ろに報酬マスター1があります。これらのテーブルのうち、従業員スコア1がソーステーブルです。
	報酬マスターは参照テーブルです。このテーブルにはID、つまりID変数が表示されています。これは報酬マスターテーブルにもあります。
	では、リンクIDを設定します。設定方法はいくつかあります。列のプロパティから設定できます。
	下の方を見ると、リンクIDと参照があります。一番簡単な方法は右クリックでリンクIDを確認することです。
	ここを見ると、この ID キーがその列に割り当てられていることがわかります。
	それでは、報酬マスターテーブルにアクセスして、この列を確認します。これも列プロパティを使って行うことができます。
	一番簡単な方法は、ここの「リンク参照」をクリックすることです。テーブルにはIDがあります。それで、このリストに表示されます。これをクリックすると、リンク参照が表示されます。
	アイコンがあります。このテーブルにあったすべての列がこのテーブルで利用できるようになっています。列の数が多いのがわかりますね。
	また、ここには、かなり長い列名と、列名、そして参照列であることを示す識別子があることもわかります。
	それで、ここで保存したこの簡単な表を実行して、これがレポートであり、これが勤続年数の仮想列であることを簡単に示します。
	報酬タイプは実際には報酬テーブルの一部で、性別は仮想列です。つまり、仮想列とテーブル内の列を使ってこれを構築しているのです。
	一つだけ指摘しておきたいのは、この小さな赤い三角の下にあるデータを使って作業していて、
	「ああ、これを 1 つのテーブルにしたい。すべての列を 1 つのテーブルにまとめたい。」ここには、参照データのマージと呼ばれるちょっとした秘密のツールがあります。
	多くの人は、これが実際にあることを知りません。でも、もし望むなら、これをクリックしてすべての列を結合できます。
	この表です。時間の関係で今は説明しませんが、どこにあるのかを指摘しておきたいと思います。
	ジャーナルに戻って簡単にお見せしましょう。これはスクリプトで実行できます。プロパティリンク参照を設定してテーブルを指定すると、
	リンク列を使用するには、このリストをすぐに閉じて、実際に使用していた同じアプリケーションに戻ります。
	同じ2つのテーブルに、保存したスクリプトがいくつか入っています。他にもいくつかお見せしたいものがあります。従業員のスコアも入っています。これがソーステーブルです。
	報酬マスターは既にリンクされており、ここに表示されています。この表を再度実行して、何かお見せしたいと思います。
	列名が短くなったのが分かりますね。JMP 14で追加された機能をお見せしましょう。右クリックして列情報ダイアログを開くと、
	ここに「リンクされた列名を使用する」と書いてあります。これにより、これらの名前が短くなります
	これは本当に素晴らしい機能です。なぜなら、このレポートを誰かと共有するときに、列がどこにあるかはあまり気にしないからです。
	データがメインテーブルから取得されているか、仮想テーブルから取得されているかは関係ありません。そのため、見やすく整理されたレポートを作成できます。スクリプトは保存されるので、スクリプト内で確認できます。
	参照テーブルを表示するスクリプトを保存します。これを見るとわかります。この列がどこから来ているのかは分かりますが
	共有相手に必ずしも知らせる必要はありません。そこで、行状態のディスパッチ機能で追加したもう一つの機能についてお見せしたいと思います。
	簡単な例ですが、この分布を実行します。するとすぐに、この分布には「これらの数値は間違っている」というタイトルが付いていることに気付くでしょう。
	では、私が何を言っているのか説明させてください。従業員スコアは私の従業員データベーステーブルで、約3,600人の従業員が登録されています。
	これは従業員への一意の参照で、現在の従業員データベースとでも言いましょうか。私の報酬マスターテーブルは履歴テーブルのようなもので、12,000件の従業員データがあります。
	行が含まれているため、このテーブルには、同じ従業員への複数の参照が含まれる可能性があります。たとえば、従業員が転職して昇給したり、異動したりした場合などです。
	あるいは、会社を去った従業員がいるかもしれません。このテーブルからレポートを実行すると
	本当に欲しい情報が表示されません。下の方に、カウントが間違っていて、カウントが大きすぎるのが分かります。探していた情報とは少し違います。
	これが、私たちがこの行状態の同期を作成した理由の 1 つです。Kelci は実際のアプリケーションでもこれについてもう少し詳しく説明する予定です。
	ここでは、行の状態をディスパッチする方法を簡単に説明します。つまり、バッチ処理を実行するだけです。
	選択カラーマーカーです。報酬マスターから従業員スコアに送信しています。
	申し訳ありませんが、このテーブルから情報を実行したいので、このテーブルに情報を送信しています。
	戻ってこの分布を再実行すると、この分布になります（列は少し異なりますが）。そして、ここにある数字を見てみると、
	従業員データベースの正確な数字は把握しています。まさにそれが見たかった情報です。ですから、派遣と受け入れには注意が必要です。ケルシーが詳しくお話しします。しかし、これは具体的な方法を示す簡単な例に過ぎません。
	すぐにオンラインヘルプのリンクがあることをお見せします。
	列を仮想的に結合し、行の状態を表示する例です。手順を追って説明します。他にもいくつか例があります。
	仮想結合の使い方です。設定についてさらに詳しく知りたい場合は、こちらをご覧ください。繰り返しになりますが、これらはすべてスクリプト化可能です。行の状態や必要な設定をここでスクリプト化できます。
	JMP 15に移行した際に、いくつか機能を追加しました。表を自動的に開く機能と、列にマウスオーバーしてその列の参照元を確認できる機能です。具体的にはどういうことかご説明いたします。
	これらをクリックすると、JMP 15用に新しいテーブル「employeemaster.jmp」が作成されます。これは現在も人事データの一部です。このテーブルについてもう少し詳しく見ていくと、いくつか注目すべき点があります。
	リンクIDとリンク参照があります。これはJMP 15で追加されたもう一つの機能で、同じ列にリンクIDとリンク参照を設定できるようになりました。
	これを見て、ホームウィンドウを見てみると、開いているテーブルがあと2つあることがわかります。これらは自動的に開かれたものです。
	では、これらを開いて、どのように動作するかを確認してみましょう。この従業員マスターテーブルは
	重ねて並べてみると…これは学歴表にリンクされていて、さらにその学歴表は私の予測退職表にリンクされています。そして、ご覧の通りです。
	リンク参照を持つ従業員IDと、リンクID、従業員IDがあります。同じことですが、予測決定にはIDのみがあります。
	従業員IDの一意のデータを持つ別のテーブルが1つか2つあり、それを取り込む必要がある場合は、ここにリンク参照を割り当てることで文字列を継続でき、さらに処理を続けることができます。簡単にお見せするために、右クリックしてこの列を見てみましょう。
	リンクIDが設定されており、リンク参照も設定されていることがわかります。また、このテーブルがリンクされているテーブルは教育歴テーブルであることがわかります。
	自動オープンに設定し、短縮名も設定しています。行の状態はディスパッチしていないので、何も設定されていません。そのため、他の2つのテーブルにあるすべての列が、従業員マスターという参照テーブルで使用できます。
	すぐに、ここには利用可能な多数の列があり、リンク列がグループ化された列としてここに表示されていることがわかります。
	顧客からよく聞かれるもう一つの質問は、これらの列がどこから来ているのかを教えてもらえる方法があるかどうかです。
	少し分かりやすくなりましたか？それで、この素敵なホバーヒントを追加しました。
	これは、この特定の列の障害フラグが予測終了から来ていることを示しています。つまり、これは実際には、このシリーズの最後のテーブルから来ているのです。
	ここまで下に移動してこれらのいずれかをクリックすると、学位プログラム コードが教育履歴から取得されることが示されます。
	これは、プラットフォームなどで実行しようとしている列を選択するときに役立つ便利な機能です。
	しかし、この分布を実行すると、従業員のレベルを示す単純な分布の例が表示されます
	これは従業員マスターテーブルから取得されています。学位の説明は学歴テーブルから、そしてこの業績評価は退職予測テーブルから取得されています。そして、さらに詳しく見てみましょう。
	ここに載っている他の例のいくつかです。私は
	ダッシュボードのコンテキストウィンドウには、ボックスプロットを表示するグラフビルダーが表示されています。分布、表、ヒートマップがあります。
	すべての仮想列を使用しています。テーブルから取得した列もありますが、仮想列にもフィルターが適用されます。例えば、女性と専門家を調べたい場合などです。
	私はいつもここにある奇妙な点を指摘するのが好きです。ここに行って、ここにある2つの小さな場所を見てみると、これは私にとって非常に興味深いものです。なぜなら、報酬比率は人々の給与水準を示すからです。
	基本的に、職務内容に見合った適切な割合で支払われているかどうかが問題です。そして、この2つの外れ値は
	常に期待を上回るような仕事をしていると、もしかしたら低賃金かもしれない。例えば、ここにあるような仕事のように
	それだけで、期待に応えることはほとんどないように見えますが、少し高すぎるかもしれませんし、間違いである可能性もあります。いずれにせよ、それらに焦点を当てていくと、選択が適切に行われていることがわかります。
	ヒートマップを見ると、パフォーマンス向上のための予算とトレーニング費用が使われていることがわかります。その人をトレーニングした方がいいかもしれませんね。これは良いことです。
	つまり
	お見せしたかったのはこれだけです。念のため、繰り返しになりますが、一つだけお見せしたいことがあります。教育歴は、終了が予測される列にアクセスできます。
	これら2つのテーブルは個別に通信できます。このグラフスクリプトを実行すると、
	パフォーマンスとトレーニングの予算は似ていますが、成績平均点やクラス順位など、この 2 つのテーブルの列の組み合わせを使用して、人々がここでどの制限に該当するかを確認しています。
	それで、これをバトンタッチします。共有したかったことの大部分はこれで終わったと思います。画面共有はこれで終わりにします。ケルシーにバトンタッチします。ここからは彼女に任せましょう。
ケルシー・J・ミクラウス	ありがとう、マンディ。
	マンディは、この講演はこれまで何回か行ってきたが、これは本当に
	私のグループでは、JMP ClinicalとJMP Genomicsの垂直ソリューションのライフサイエンスを担当しています。
	そして、仮想結合を実際に活用できる完璧な例を見つけ、それらの機能が JMP の最近のいくつかのバージョンでどのようにリリースされるかについて開発チームと緊密に協力しました。
	そこでこのセクションでは、私たちの臨床研究に特有の例をいくつか挙げて、行状態の同期に関するこのトーキング テーブルのアイデアを実際にどのように活用したかについて説明します。
	マンディが言ったように、これが今、そして最後に時間があれば、この行状態同期による仮想結合のアイデアは、JMP Clinicalレポートとレビューの使用方法を駆動する全体的なアーキテクチャになっています。
	お客様との早期の有効性と安全性の評価、そして臨床試験報告書の作成に活用しています。このツールがこれほど適している理由の一つは、典型的な臨床試験データのフォーマット設定にあります。
	これから私が行状態同期や行状態伝播と呼ぶ例のすべてに使うデータの例は、
	約900人の患者を対象とした臨床試験のデータ例です。これは約20～30年前に行われた実際の臨床試験です。
	くも膜下出血とこれらの患者に対するニカルジピンの治療について検討します。
	臨床データの素晴らしい点は、非常に標準化された正規化されたデータ構造で作業することです。つまり、臨床試験の各コンポーネントが収集されます。これは、マンディが示したHRデータに似ています。
	正規化されているため、各テーブルには独自のコンテンツがあり、それを個別に追跡できますが、その後、仮想結合を使用して包括的なストーリーを作成します。
	私がこれから見ていく3つのデータセットは、約900人弱の患者が登録されている人口統計表です。
	臨床試験の患者ごとに1行ずつ、つまり人口統計情報があります。これは、患者の出生、年齢、性別、人種、受けた治療、臨床試験中に発生した特定の事象のフラグなどの情報が含まれます。
	同様に、別々のテーブルを持つこともできます。臨床試験では通常、新しい薬を服用している間に患者にどのような有害事象が起こったかを各訪問ごとに収集します。
	薬剤または研究に関するものです。これは約5,000件のレコードを持つテーブルです。被験者固有の識別子は保持されますが、もちろん重複もあります。つまり、これはすべてのイベントまたは有害事象を記録します。
	これは臨床試験の各患者について報告されたものです。最後に、検査データセットも使用します。
	これも、有害事象で見たのと同様のタイプの記録スタック形式に従います。
	ここで私たちが考えているのは、定期的な診察で、そこではいくつかの臨床検査値が測定され、臨床試験の期間中それを追跡して異常などを探すことができるというものです。
	したがって、これら 3 つのテーブルは、臨床試験データ用の国際 CDISC 標準と呼ばれる標準的な正規化形式です。
	仮想結合を使うのにとても適しています。Mandyが言ったように、ラボのマージテーブルを作成するのは簡単です。
	しかし、ここには6,000件のラボレコードがあり、人口統計を統合すると、各ラボの人口統計記述の単一インスタンスがすべて重複してしまいます。そこで、これらを仮想結合する設定をしたいのですが、これは非常に簡単に行うことができます。
	人口統計テーブルを作成する場合は、一意の件名識別子をリンク ID として設定します。
	そして、通常は検査結果を見て、治療グループなどを使って検査結果に違いがあるかどうかを確認したいので、
	私たちは、そのデータを参照して、視覚化やレポートを作成し、実際に検査結果における治療グループの違いを評価および確認できるようになりました。
	そのため、マージを行う必要はありませんでした。仮想結合の列プロパティを設定するという簡単な2つの手順で、人口統計テーブルからこれらの列（計画中の腕の列）にアクセスできるようになりました。
	臨床検査値の異常値を見るのも非常に簡単です。臨床試験において、複数回の診察で異常に高い臨床検査値を示した各群または治療群ごとのグラフを以下に示します。
	有害事象についても同様の分析を行い、有害事象に異なる発生があるかどうかを確認したいと考えるかもしれません。
	これらの治療群間の違いです。この表を参照先の人口統計データとリンクさせることで、例えば実薬であるニカルジピンとプラセボを比較した場合の有害事象の分布を、非常に簡単に作成できます。
	では、実際に通信できるようにしたいと思います。次の2つの例は、これらのデータを使って行状態同期のオプションを示したものです。
	Mandy の部分から、列のプロパティでテーブル間の行の状態を同期できるようになったことがすぐにわかりました。
	これが、私たちが「トーキングテーブル」と呼ぶ理由です。現在、テーブル間の通信はこのように行われているからです。行状態をディスパッチすることも、リンクIDへの参照を設定したテーブルからそのテーブルから参照IDテーブルに情報を送り返すこともできます。
	簡単な例を挙げて説明しますが、マンディが言ったように、これははるかに
	決定的な結果が得られない状況に陥りやすいため、危険なケースになることもありますが、ここではそれが機能し、役立つケースを紹介します。
	お気づきのとおり、この分析、たとえば有害事象の場合、リンク参照を設定したテーブル (ID テーブル) から列にアクセスし、このテーブルの治療グループの違いを確認するのは非常に簡単でした。
	逆のことは実際にはほとんどありません。マンディが言ったように、この新しい結合テーブルを使って、例えば治療群の分布を調べるのは避けたいでしょう。
	なぜなら、ここには実際には一致しない数字があるからです。5000人の被験者がいるように見えますが、実際には
	人口統計表には900人未満しかいません。これが治療群ごとの約900人の被験者の実際の分布です。
	他のすべての分布と同様に。ただし、この表を分析表として使用したり、分析を作成する目的として使用したりする必要がある場合があります。
	そして、仮想的にリンクされているテーブルから情報を取得したいのです。例えば、検査結果や有害事象などです。
	ここでは実際にこの表を使用して視覚化を作成し、この表内の被験者に異常な臨床検査値や重篤な有害事象が発生した人を注釈付けします。
	そして、このデータを準備したので、私はズルをしました。有害事象データを見ると、
	重篤であると考えられる有害事象が発生した被験者の事例を見つけるための分析はすでに実施しており、行状態マーカーを使用して、重篤な有害事象が発生したレコードに注釈を付けました。
	同様に、ラボのデータセットでは、
	私は赤色を使って注釈を付けました...検査結果に注釈を付けました
	異常に高い。例えば、異常値が高いものをすべて確認できます。行ステートの選択と制御のみで、ほとんどを赤色で表示しています。
	この2つの行の状態が入ったデータを使って、人口統計表に戻ります。
	ビューを作成する
	これは臨床試験に参加した患者の年齢を場所別に分布したものです。
	そして、リンクされた各テーブルに戻ると、行状態の同期を使用してこの注釈付き情報の取り込みを制御できます。
	では、このオプションを「参照テーブル付き行状態」から「なし」に変更し、実際には「ディスパッチ」に変更します。この場合は注意が必要です。このテーブルにリンク参照テーブルに伝えたいのは、マーカーセットのみです。
	「適用」をクリックします
	そして、その人口統計テーブルから作成した視覚化には、他のテーブルから有害事象を経験した被験者のマーカーが自動的に含まれていることに気付くでしょう。
	今ではラボでも同じことができます。
	発送を選択します。今回はカラーのみ発送します。
	そして今では、列のプロパティを制御するだけで、ディスパッチ行状態の同期または伝播を使用してこれらの仮想結合されたテーブルからの情報にアクセスできる人口統計テーブルから視覚化または分析を構築できるようになりました。
	本当に素晴らしい機能ですね。本当に強力な機能だと思います。ただ、ディスパッチオプションには注意すべき点や落とし穴がたくさんあります。
	つまり、仮想結合の仕組みは
	リンクIDテーブル、日付...設定するデータテーブル（この場合は人口統計）はIDごとに1行で、それを使ってマージまたは仮想的に結合します。
	使用IDのコピーが多数あるデータテーブルです。つまり、1対多の関係を構築していることになりますが、これは問題ありません。Dispatchは多対1の関係を構築します。
	会話です。この資料には…このビデオに付属のリソースには、たくさんの
	これを慎重に使用することについての解説。高度にインタラクティブなものであってはなりません。
	その後、行の状態を変更しようとすると、混乱したり無意味になったりする可能性が非常に高くなります。
	たとえば、色とマーカーの両方でマークした場合、一部の行では「これを赤く塗りつぶす」と表示されるため、何をすればいいのかわからなくなってしまいます。
	しかし、リンクされているもう一方のテーブルでは、青や黒に色付けされている可能性があります。そのため、多対一の結合という考え方では、組み合わせたり、あまりインタラクティブにやり過ぎたりしないように、細心の注意を払う必要があります。
	しかし、この例では、これは本当に貴重なツールであり、この点に到達するにはかなり多くのデータ操作が必要でした。
	では、ディスパッチ仮想結合の例を終えて、おそらくもっと一般的に使用される accept の例に移りたいと思います...
	仮想結合の受け入れ行の状態です。今回はスクリプトを使って説明します。対話形式で仮想結合と
	行の状態と列のプロパティについて、このスクリプトの結果を見てみましょう。
	ここでの例では、私たちがやりたかったのは、これら3つのテーブル（臨床試験における人口統計、有害事象、検査データ）を使用して、いわゆる
	包括的な安全性プロファイル。これが、お客様がJMP Clinicalを利用する理由と根拠です。
	これらのデータ セットを取得して個別に保持しながらも、別々に感じられることのないように包括的な単一の分析で使用できるようにしたいというのが、このアイデアです。
	この例では、人口統計情報を開いてリンクIDとして設定できるようにします。これは、先ほどインタラクティブに行った、人口統計テーブルを作成し、一意の被験者識別子にリンクID列プロパティを作成する操作と似ています。
	これで完了です。ここにあるキーがリンクIDプロパティになっていることがわかります。次に、Labsデータセットを開きます。
	そして、そのテーブル内の一意のサブジェクト識別子にプロパティを設定し、人口統計テーブルへのリンク参照を使用します。
	ここにいくつかのオプションがあります。短い名前を使うという特性を示したいと思います。リンクされた列名を使って、列の名前を短くします。
	デモグラフィーテーブルからlabsテーブルに列を移入します。ここでは、行の状態の同期を、選択、除外、非表示の受け入れとして設定します。
	これをAEテーブルでも実行します。次の2つのコードを実行します。
	AEとラボテーブルが開きます。そして、ディスパッチの代わりに、プロパティがacceptに設定されていることがわかります。
	これらの選択、除外、非表示機能を使って、有害事象テーブルにも全く同じ受け入れ基準があります。つまり、このケースでは、このディスパッチの代わりに、ディスパッチのみを行うように細心の注意を払っていました。
	あるテーブルから1種類の行状態、別のテーブルから別の行状態をリンクID参照テーブルに返します。ここで、リンクID参照テーブルのデモグラフィに、その行状態がどのように処理されるかをブロードキャストさせます。
	他の2つのテーブルに、accept関数が行の状態を受け入れます。つまり、demographyテーブルから行の状態を受け入れます。
	少しズルをしていますが、ここでは人口統計表にスクリプトを添付しています
	これは、すでに示した視覚化の一部、つまり各テーブルにスクリプトを 1 つのウィンドウにアタッチして設定するだけです。
	ここに、安全性プロファイルと呼べるものを示します。患者の人口統計情報の分布も示しています。これは人口統計表から得たものです。
	プラセボを投与された 443 人の患者とニカルジピンを投与された 427 人の患者の正確な数が表示されています。

高度な統計モデリング自動化とスクリプト基本的なデータ分析とモデリング消費者および市場調査コンテンツの編成データアクセスデータのブレンドとクリーンアップデータの探索と可視化マスカスタマイゼーション予測モデリングと機械学習品質およびプロセスエンジニアリング信頼性分析結果の共有と伝達