| Vocero |
Transcripción |
| Mandy |
Bien, bienvenidos a nuestra charla de hoy. Hablemos de tablas. Me llamo Mandy Chambers y soy ingeniera de pruebas principal del equipo de pruebas de JMP. |
| |
Y mi compañera de trabajo y amiga que me acompaña hoy es Kelci Miclaus. Es gerente sénior de I+D en el equipo de ciencias biológicas de JMP. |
| |
De hecho, Kelci y yo comenzamos a trabajar juntos hace unos años cuando un producto clínico estaba empezando a ser un gran consumidor de todas las cosas que pruebo. |
| |
Así que llegué a conocer bastante bien a su grupo y pude trabajar estrechamente con ellos en diferentes cosas que estaban tratando de implementar. |
| |
Y fue realmente valioso para mí poder ver una aplicación en vivo que un cliente realmente usaría con las cosas que probé en JMP y cómo las pondrían en práctica en el producto clínico. |
| |
En el pasado, hicimos esta presentación. Es mucho más larga y decidimos que lo mejor era... |
| |
Te daré el documento completo. Esto es lo que se adjunta a esta grabación, junto con dos conjuntos de datos y archivos zip. Deberías tener tablas de datos, scripts, |
| |
Algunos diarios y otras cosas que necesitas, y podrás navegar por cada aplicación, incluso si no te lo muestro o si Kecli no te muestra algo que está ahí. Deberías poder hacerlo. Así que, para empezar, permíteme compartir mi pantalla. |
| |
Para que vean de qué voy a hablar hoy. Como dije, si mostrara esto completo en mi diario, hablaría sobre cómo unir tablas y las diferentes maneras de hacerlo. |
| |
Y esta es la parte en la que no entraré en muchos detalles, pero es solo una unión de tabla básica. Si hago clic aquí, |
| |
Ejecuciones y temas relacionados con portátiles. En el menú de tablas, si eres nuevo en JMP o no lo has hecho antes, |
| |
Puedes unir tablas, y esto es para unir físicamente. Esto unirá las tablas. Así que uniría las carreras de portátiles con los temas de portátiles. |
| |
En este diálogo, selecciona los elementos que quieres unir. Puedes unirlos mediante coincidencia, unión cartesiana, unión por filas y luego unir la tabla. No lo haré ahora, solo por... |
| |
Consume mucho tiempo, pero eso es lo que harías. Además, aquí, en el menú de tablas, otro tema del que hablaría es el generador de consultas JMP. |
| |
Y esto permite unir más tablas. Si tienes 3, 4, 5, 6 o cualquier otra tabla, puedes juntarlas y crear una tabla que contenga todo. Pero, repito, no lo haré hoy. |
| |
Entonces si yo |
| |
Vuelvo aquí y cierro estas tablas. |
| |
Comencemos explicando cómo surgió la unión virtual. Primero, hablemos de cómo unir tablas. |
| |
Tienes que decidir qué tipo de unión quieres usar. Si tus tablas son pequeñas, quizás sea más fácil hacer una unión física. Para hacer una unión de tablas, como las dos tablas que te mostré, no eran muy grandes. |
| |
Si incorpora tres o cuatro tablas o más, el generador de consultas JMP es una herramienta maravillosa para crear una tabla. |
| |
Y quizás quieras tener todos tus datos en la misma tabla, así que eso podría ser exactamente lo que buscas. Solo debes tener en cuenta el espacio en disco. |
| |
y el rendimiento, y simplemente comprenda que si tiene cinco o seis mesas ubicadas por separado y luego las une físicamente, está haciendo copias duplicadas. |
| |
Así que esas son las formas en que podrías determinar cuál usar. La unión virtual surgió en JMP 13 y se agregó con la capacidad de... |
| |
Tomar un enlace, un ID de enlace común, y unir varias tablas. Es como unir sin unir. Ahorra espacio y evita la duplicación de datos. |
| |
Y así... en la versión 13 comenzamos con eso. Y luego, entre la versión 14 y la 15, añadimos más funciones, cosas que los clientes solicitaron. Vincular tablas con filas, sincronizar estados de filas. Se pueden acortar los nombres de las columnas. Añadimos la posibilidad de abrir automáticamente las tablas vinculadas. |
| |
Poder tener un ID de enlace y una referencia de enlace en la misma columna. También añadimos estos pequeños consejos al pasar el cursor sobre la tabla. Les mostraré cómo saber cuál es la fuente de la tabla de origen de la columna. |
| |
Así que esas son las cosas que añadimos y voy a intentar configurarlas y demostrárselas. Tengo estos datos que obtuve de... |
| |
Es solo una empresa imaginaria de alta tecnología. Y sus datos de RR. HH. incluyen aspectos como compensación, plantilla, diversidad y cumplimiento normativo. |
| |
historial educativo y otros factores laborales. Y si lo piensas, es un tipo de datos perfecto para vincular porque tienes |
| |
Generalmente, una variable de identificación única, como una identificación de empleado o algo que pueda vincular y tal vez tener varios datos para su equipo de RR.HH. que se encuentran en diferentes lugares. |
| |
Entonces, abriré estas dos tablas y simplemente explicaré lo que harías si intentaras vincularlas. |
| |
Esta tabla muestra las puntuaciones de los empleados 1 y, al final, el Maestro de Compensación 1. Estas tablas, las puntuaciones de los empleados 1, son mi tabla de origen. |
| |
Y la tabla maestra de compensación es mi tabla de referencia. Pueden ver esta variable de ID aquí en esta tabla. También está en la tabla maestra de compensación. |
| |
Voy a configurar mi ID de enlace. Hay un par de maneras de hacerlo. Puedes ir a las propiedades de la columna. |
| |
Aquí abajo puedes ver el ID del enlace y la referencia. La forma más fácil de hacerlo es con un clic derecho. Ahí está el ID del enlace. |
| |
Y si miro aquí, puedo ver que esta clave de identificación ha sido asignada a esa columna. |
| |
Entonces, iré a mi tabla maestra de compensación. Y voy a esta columna. Y, de nuevo, puedes hacerlo con las propiedades de la columna. |
| |
Pero puedes hacerlo de la manera más fácil yendo aquí mismo a la referencia del enlace. La tabla tiene el ID. Así que aparece en esta lista. Haré clic aquí y ¡listo!, ahí está mi referencia del enlace. |
| |
Ícono justo ahí. Y ahora puedo ver que todas las columnas que estaban en esta tabla están disponibles. Pueden ver que tienen una gran cantidad de columnas. |
| |
También puedes ver aquí que tienes... son nombres de columnas bastante largos, tienes los nombres de las columnas, más este identificador aquí que te muestra que esta es una columna de referencia. |
| |
Y entonces, voy a ejecutar esta pequeña y simple tabla que he guardado aquí y simplemente les mostraré que esto es un informe y simplemente para mostrarles que esta es una longitud de columna virtual del servicio. |
| |
El tipo de compensación forma parte de mi tabla de compensación, y el género es una columna virtual. Por lo tanto, estoy creando esto usando columnas virtuales y también columnas que residen en la tabla. |
| |
Una cosa que quería señalarles muy rápidamente es que debajo de este pequeño triángulo rojo... digamos que están trabajando con estos datos y deciden, |
| |
"Oh, realmente quiero crear esta tabla. Quiero todas las columnas en una sola tabla". Aquí hay una pequeña herramienta secreta llamada "Fusionar datos de referencia". |
| |
Mucha gente no sabe exactamente que esto está ahí. Pero si quisiera, podría hacer clic ahí y combinar todas las columnas en... |
| |
Esta tabla. Y por razones de tiempo, no lo haré ahora, pero quería señalar dónde se encuentra. |
| |
Y permítanme mostrarles aquí en el diario, rápidamente. Esto se puede hacer con scripts, así que pueden establecer la referencia del enlace de propiedad y apuntar a su tabla y |
| |
Lista que usaré para las columnas de enlace. Así que cerraré esto rápidamente y luego volveré a la misma aplicación donde tenía... |
| |
Las mismas dos tablas donde tengo scripts guardados adicionales, y un par de cosas más que quiero mostrar. De nuevo, tengo las puntuaciones de los empleados. Esta es mi tabla de origen. |
| |
Y luego tengo el maestro de compensación y ya están vinculados, como pueden ver aquí. Quiero volver a ejecutar esa tabulación y mostrarles algo. |
| |
Como pueden ver, los nombres de las columnas ahora son más cortos. Quiero mostrar lo que agregamos en JMP 14. Si hago clic derecho y abro el cuadro de diálogo de información de la columna, |
| |
Veo que aquí dice "usar nombres de columnas vinculadas". Y eso establece que estos nombres serán más cortos. |
| |
Y esa es realmente una característica muy útil porque, al final del día, cuando compartes este informe con alguien, realmente no le importa dónde están las columnas. |
| |
De dónde provienen, ya sea en la tabla principal o en la tabla virtual. Así que es un informe limpio y ordenado. El script se guarda para que puedas verlo en él. |
| |
Guarda el script que muestra una tabla de referencia. Si lo miro, puedo ver. Sabrías de dónde proviene esta columna, pero... |
| |
Alguien con quien compartes no necesariamente necesita saberlo. Así que quiero mostrarte esto que agregamos con el envío de estados de fila. |
| |
Un ejemplo rápido: voy a ejecutar esta distribución. Y notarás de inmediato que, en esta distribución, tengo un título que indica que estos números son incorrectos. |
| |
Permítanme explicarles a qué me refiero. "Employee Scores" es la tabla de mi base de datos de empleados, que contiene aproximadamente 3600 empleados. |
| |
Esta es una referencia única a los empleados y, por ejemplo, es una base de datos de empleados actual. Mi tabla maestra de compensación es más bien una tabla de historial y tiene 12 000... |
| |
filas en él, por lo que potencialmente tiene en esta tabla, múltiples referencias al mismo empleado, digamos, un empleado cambió de trabajo y recibió un aumento, o se mudó. |
| |
O podría tener empleados que ya no están en la empresa. Por lo tanto, ejecutar este informe desde esta tabla... |
| |
No muestra la información que realmente necesito. Puedo ver aquí abajo que mi conteo está desfasado; tengo conteos más altos; no tengo exactamente lo que buscaba. |
| |
Esta es una de las razones por las que creamos esta sincronización de estados de fila y Kelci también hablará un poco más sobre esto en una aplicación de la vida real. |
| |
Pero simplemente les mostraré cómo configurar el envío de estados de fila. Lo que hago es procesar por lotes, |
| |
Marcador de color de selección. Lo que hago es enviar desde el maestro de compensación a las puntuaciones de los empleados. |
| |
Estoy enviando la información a esta tabla porque (lo siento) esta es la tabla desde la que quiero que se ejecute mi información. |
| |
Entonces, si vuelvo a ejecutar esa distribución, ahora tengo esta distribución (tiene columnas ligeramente diferentes), pero tengo esta distribución. Y si miro los números aquí, |
| |
Tengo los números exactos de mi base de datos de empleados. Y eso es precisamente lo que quería ver. Así que hay que tener cuidado con el envío y la aceptación, y Kelci hablará más sobre eso. Pero ese fue solo un ejemplo sencillo de cómo se haría. |
| |
Y te lo mostraré rápidamente, hay un enlace de Ayuda en línea que muestra |
| |
Un ejemplo de unión virtual de columnas y visualización de estados de fila. Te guiará paso a paso. También hay otros ejemplos aquí. |
| |
Si necesita más información sobre cómo configurar esto, le recordamos que todo esto se puede programar. Puede programarlo aquí mismo, configurando los estados de fila y los diferentes elementos que desee. |
| |
Al pasar a JMP 15, añadimos un par de cosas más. La posibilidad de abrir automáticamente una tabla y también de pasar el cursor sobre las columnas para ver su origen. Explicaré qué significa exactamente. |
| |
Si hago clic en esto, creamos tablas nuevas para JMP 15, "employermaster.jmp", que aún forman parte de estos datos de RR. HH. Si busco información, señalaré un par de cosas sobre esta tabla. |
| |
Tiene un ID de enlace y una referencia de enlace. Y esa fue otra característica que añadimos a JMP 15: la posibilidad de tener un ID de enlace y una referencia de enlace en la misma columna. |
| |
Si miro esto y miro la ventana de mi casa, veo que hay dos mesas más abiertas. Se abrieron automáticamente. |
| |
Así que voy a abrirlos porque quiero organizarlos para que puedan ver cómo funciona. Pero esta tabla maestra de empleados está vinculada a... |
| |
A... apilarlos uno encima del otro... está vinculado a la tabla de historial educativo, que a su vez está vinculada a mi tabla de terminación prevista. Y puedes ver |
| |
Hay un ID de empleado con una referencia de enlace y el ID de enlace, ID de empleado aquí. Lo mismo, y luego la determinación de predicción solo tiene un ID. |
| |
Y si tuvieras una o dos tablas más con datos únicos de ID de empleado y necesitaras extraerlos, podrías continuar la cadena asignando una referencia de enlace aquí y así seguir. Para que te muestren rápidamente, si hago clic derecho y miro esta columna, |
| |
Veo que mi ID de enlace está configurado, al igual que mi referencia de enlace. Esto indica que el historial educativo es una tabla a la que está vinculada esta tabla. |
| |
La tengo activada para abrir automáticamente y tengo activados los nombres cortos. No estoy enviando estados de fila, así que no hay nada definido. Así que todas las columnas de estas otras dos tablas están disponibles para mi tabla de referencia, llamada "empleado maestro". |
| |
Y rápidamente, podrás ver que tienes una gran cantidad de columnas aquí que están disponibles para ti, y las columnas de enlace aparecen como columnas agrupadas aquí abajo. |
| |
Otra pregunta que nos hicieron los clientes es: ¿hay alguna forma de decirnos de dónde provienen estas columnas? |
| |
¿Así que está un poco más claro? Hemos añadido este pequeño truco para pasar el cursor. Si paso el cursor sobre... |
| |
Esto me indica que esta bandera de discapacidad de columna en particular proviene de la terminación prevista. Así que, en realidad, proviene de la última tabla de mi serie. |
| |
Y si voy aquí abajo y hago clic en uno de estos, dice que el código del programa de grado proviene del historial de educación. |
| |
Entonces, esa es una pequeña característica interesante que te ayudará al seleccionar tus columnas, tal vez en lo que intentas ejecutar con plataformas, etc. |
| |
Pero si ejecuto esta distribución, este es solo un ejemplo de distribución simple que muestra que el nivel de empleado |
| |
En realidad, proviene de mi tabla maestra de empleados. Esta descripción del título proviene de la tabla de historial educativo y esta evaluación de desempeño proviene de mi tabla de despidos predictivos. Y luego puedes buscar más información con |
| |
Algunos de estos otros ejemplos que están aquí. Los construí. |
| |
Aquí hay una ventana contextual de paneles que muestra un generador de gráficos con un diagrama de caja. Aquí tenemos una distribución, una tabla y un mapa de calor. |
| |
Usando todas las columnas virtuales, algunas de la tabla, pero también con filtro. Así, si quiero ver mujeres y profesionales. |
| |
Siempre me gusta señalar las rarezas aquí. Así que si entro y miro estos dos pequeños lugares que están pasando el rato, me resulta muy interesante porque los ratios de compensación muestran cómo se paga a la gente. |
| |
Básicamente, si se les paga en la proporción correcta o no, se ajusta a la descripción de su trabajo. Y parece que estos dos valores atípicos son... |
| |
Superando constantemente las expectativas, parece que tal vez estén mal pagados. Al igual que este de aquí arriba. |
| |
Es un tema aparte, y parece que rara vez cumplen con sus expectativas, pero puede que estén un poco sobrepagados o que cometan errores. En cualquier caso, al centrarse en ellos, también se puede ver que se están haciendo las selecciones. |
| |
Aquí. En este mapa de calor, puedo ver que se está invirtiendo dinero en rendimiento y en capacitación. Así que quizás sea bueno capacitar a esa persona. Es bueno ver eso. |
| |
Así que eso es |
| |
Sobre todo lo que quería mostrar. Quería mostrar esto, solo para recordarlo, solo para reiterarlo. El historial educativo tiene acceso a las columnas con terminación prevista. |
| |
De esta manera, esas dos tablas pueden comunicarse entre sí por separado. Y si ejecuto este script gráfico, |
| |
Tengo dólares de capacitación y desempeño similares, pero estoy mirando el promedio de calificaciones, el rango de la clase, para ver dónde las personas caen dentro de los límites aquí usando combinaciones de columnas de solo esas dos tablas. |
| |
Así que voy a compartir esto. Creo que eso era casi todo lo que quería compartir. Voy a dejar de compartir mi pantalla. Le pasaré esto a Kelci y ella se encargará de aquí en adelante. |
| Kelci J. Miclaus |
Gracias, Mandy. |
| |
Mandy dijo que hemos dado esta charla un par de veces y, realmente, fue este esfuerzo combinado de |
| |
Yo trabajando en mi grupo, que es de ciencias de la vida para las soluciones verticales JMP Clinical y JMP Genomics, |
| |
y encontrar ejemplos perfectos de dónde realmente podía aprovechar las uniones virtuales y trabajar en estrecha colaboración con el equipo de desarrollo sobre cómo se lanzaron esas características en las últimas versiones de JMP. |
| |
Y entonces, en esta sección, repasaremos algunos ejemplos específicos de nuestra investigación clínica y cómo realmente hemos aprovechado esta idea de la tabla parlante en torno a la sincronización del estado de las filas. |
| |
Como mencionó Mandy, esto es ahora, y si tenemos tiempo hacia el final, esta idea de uniones virtuales con sincronización del estado de fila es ahora toda la arquitectura que impulsa cómo se utilizan los informes y revisiones clínicas de JMP. |
| |
Para evaluar la eficacia y seguridad tempranas, así como los informes de ensayos clínicos con nuestros clientes. Y una de las razones por las que se adapta tan bien es el formato típico de los datos de ensayos clínicos. |
| |
Entonces, el ejemplo de datos que voy a utilizar para todos los ejemplos que tengo sobre sincronización de estados de fila o propagación de estados de fila, como a veces lo llamo, |
| |
Son datos de ejemplo de un ensayo clínico con unos 900 pacientes. Fue un ensayo clínico real realizado hace unos 20 o 30 años. |
| |
Analizar la hemorragia subaracnoidea y el tratamiento con nicardipina en estos pacientes. |
| |
Lo bueno de los datos clínicos es que trabajamos con estructuras de datos normalizadas muy estándar, lo que significa que se recopila cada componente de un ensayo clínico, similar a los datos de RR.HH. que Mandy mostró... nos mostró. |
| |
está normalizado, de modo que cada tabla tiene su propio contenido y podemos rastrearlo por separado, pero luego usamos uniones virtuales para crear historias completas. |
| |
Entonces, los tres conjuntos de datos que analizaré son esta tabla de demografía que tiene un poco menos de 900 pacientes. |
| |
En ensayos clínicos, tenemos una fila por paciente. Esta fila se llama demografía y contiene información sobre su nacimiento, edad, sexo, raza, el tratamiento que recibieron y cualquier indicio de eventos que les hayan ocurrido durante el ensayo clínico. |
| |
De manera similar, podemos tener tablas separadas. Por lo tanto, en un ensayo clínico, generalmente se recopilan en cada visita los eventos adversos que le han ocurrido a un paciente mientras estaba en un nuevo estudio. |
| |
Medicamento o estudio. Esta tabla contiene aproximadamente 5000 registros. Conservamos este identificador único de sujeto, pero, por supuesto, hay duplicados. Esto registra cada evento o evento adverso. |
| |
que se informó para cada uno de los pacientes en nuestro ensayo clínico. Y finalmente, también usaré un conjunto de datos de laboratorio, o un conjunto de datos de laboratorios, |
| |
que también sigue el mismo tipo de formato de registros apilados que vimos en los eventos adversos. |
| |
Aquí estamos pensando en las visitas regulares, donde se toman varias mediciones de laboratorio y podemos hacer un seguimiento de ellas a lo largo del ensayo clínico para buscar anomalías y cosas así. |
| |
Así que estas tres tablas son un formato normalizado estándar de lo que se denomina el estándar internacional CDISC para datos de ensayos clínicos. |
| |
Y nos viene muy bien para usar la unión virtual. Como dijo Mandy, es fácil crear una tabla de combinación de laboratorios. |
| |
Pero aquí tenemos 6000 registros de laboratorios y, al fusionarlos en nuestra demografía, se duplicarían todas las instancias individuales de sus descripciones demográficas. Por eso, queremos establecer una unión virtual con esto, lo cual es muy fácil de hacer. |
| |
Si creamos en nuestra tabla de demografía, vamos a configurar un identificador de sujeto único como nuestro ID de enlace. |
| |
Y luego muy rápidamente, porque normalmente querríamos mirar los resultados de laboratorio y usar algo como el grupo de tratamiento en el que están para ver si hay diferencias en los laboratorios, |
| |
Ahora podemos hacer referencia a esos datos y crear visualizaciones o informes que realmente evaluarán y analizarán las diferencias entre los grupos de tratamiento en nuestros resultados de laboratorio. |
| |
Así que no tuvimos que realizar la fusión. Simplemente obtuvimos acceso a esta columna de brazo planificado de nuestra tabla de demografía mediante esa sencilla configuración de dos pasos de las propiedades de columna de una unión virtual. |
| |
También es muy fácil analizar las anomalías de laboratorio. A continuación, se presenta un gráfico de cada uno de los diferentes brazos o grupos de tratamiento que presentaron niveles de laboratorio anormalmente altos en las visitas de un ensayo clínico. |
| |
También podríamos querer hacer este mismo tipo de análisis con nuestro evento adverso, y también querríamos ver si hay diferentes ocurrencias en los eventos adversos. |
| |
Entre esos grupos de tratamiento. De esta manera, podemos vincular esta tabla con nuestra demografía de referencia y generar rápidamente recuentos de la distribución de eventos adversos que ocurren por separado, por ejemplo, para nicardipina (el tratamiento activo) frente a placebo. |
| |
Ahora queremos que realmente se comuniquen. Los siguientes dos ejemplos que quiero mostrar con estos datos son las opciones de sincronización del estado de fila que tenemos. |
| |
Entonces, rápidamente viste en la parte de Mandy que ella mostró que en las propiedades de la columna tenemos la capacidad de sincronizar ahora los estados de las filas entre tablas. |
| |
Por eso nuestra conversación se llama "tablas parlantes", porque así es como se comunican ahora. Se pueden enviar estados de fila, es decir, la tabla a la que se ha configurado la referencia a un ID de enlace puede enviar información desde esa tabla a su tabla de ID de referencia. |
| |
Voy a mostrar un ejemplo rápido, pero como se mencionó... como mencionó Mandy, este es por lejos el más |
| |
A veces es un caso peligroso porque es muy fácil llegar a momentos en los que se pueden obtener resultados no concluyentes, pero voy a mostrar un caso en el que funciona y es útil. |
| |
Como habrás notado, solo a partir de este análisis, digamos con los eventos adversos, fue muy fácil, ya que la tabla en la que configuramos una referencia de enlace (la tabla de ID) permite acceder a las columnas y observar las diferencias de los grupos de tratamiento en esta tabla. |
| |
Sin embargo, no hay nada que funcione al revés. Como dijo Mandy, no conviene usar esta nueva tabla de unión para analizar la distribución de, por ejemplo, ese grupo de tratamiento. |
| |
Porque lo que realmente tienes aquí son números que no coinciden. Parece que hay 5000 sujetos cuando en realidad, si regresas a nuestro... |
| |
En la tabla de demografía, tenemos menos de 900. Así que aquí está la distribución real de aproximadamente los 900 sujetos por grupo de tratamiento. |
| |
Con todas sus demás distribuciones. Ahora bien, llega el momento en que esta tabla es la que se desea usar como tabla de análisis o el objetivo de dónde se va a crear el análisis. |
| |
Y se desea obtener información de esas tablas que están virtualmente vinculadas a él. El laboratorio, por ejemplo, y los eventos adversos. |
| |
Entonces, aquí vamos a utilizar esta tabla para crear una visualización que anotará estos sujetos en esta tabla con cualquiera que haya tenido una prueba de laboratorio anormal o un evento adverso grave. |
| |
Y ahora he hecho trampa, porque he preparado estos datos. Lo notarán en mis datos de eventos adversos. |
| |
Ya he realizado el análisis para encontrar todos los casos de sujetos que tuvieron... cualquier evento adverso que se consideró grave y he utilizado el marcador de estado de fila para anotar aquellos registros que tuvieron... fueron un evento adverso grave. |
| |
De manera similar, en el conjunto de datos de laboratorio, |
| |
He utilizado el color rojo para anotar...anotar cualquiera de los resultados de laboratorio que fueron... |
| |
Anormalmente alto. Por ejemplo, podemos ver todos aquellos con anomalías altas. He coloreado la mayor parte de esto en rojo, solo para la selección y el control del estado de fila. |
| |
Entonces, con estos datos donde tengo estos dos estados de fila en su lugar, podemos volver a nuestra tabla de demografía. |
| |
y crear una vista |
| |
Esta es una distribución por sitio de las edades de nuestros pacientes en un ensayo clínico. |
| |
Y ahora, si volvemos a cada una de las tablas vinculadas, podemos controlar la incorporación de esta información anotada con la sincronización del estado de las filas. |
| |
Vamos a cambiar esta opción de "estados de fila con tabla de referencia" a "ninguno" para, de hecho, "despachar". En este caso, quiero ser cuidadoso. Lo único que quiero que esta tabla indique a la tabla de referencia de enlace es un conjunto de marcadores. |
| |
Voy a hacer clic en Aplicar |
| |
Y notarás automáticamente que la visualización que creé a partir de esa tabla de demografía ahora tiene los marcadores de todos los sujetos que experimentaron un evento adverso de esa otra tabla. |
| |
Ahora podemos hacer lo mismo con los laboratorios. |
| |
Seleccione enviar. En este caso, solo queremos enviar color. |
| |
Y ahora, simplemente controlando las propiedades de las columnas, estamos en un lugar donde tenemos una visualización o un análisis creado a partir de nuestra tabla de demografía que ha obtenido acceso a la información de estas tablas unidas virtualmente usando la sincronización o propagación del estado de la fila de despacho. |
| |
Eso es genial. Creo que es una función muy potente. Pero hay muchos inconvenientes y cosas con las que hay que tener cuidado con la opción de envío. |
| |
Es decir, todo el modo en que funcionan las uniones virtuales es |
| |
La tabla de identificación del enlace, la fecha... la tabla de datos que configuraste, en este caso demografía, es una fila por identificación y la estás usando para fusionar o unir virtualmente en una |
| |
Tabla de datos que contiene muchas copias de ese ID de uso. Por lo tanto, estamos haciendo una relación de uno a muchos; eso está bien. Dispatch hace una relación de muchos a uno. |
| |
conversación. Entonces, en el documento tenemos un... en el recurso proporcionado con este video, hay mucho... |
| |
Comentario sobre el uso cuidadoso de esto. No debería ser algo muy interactivo. |
| |
Si luego decide cambiar los estados de las filas, puede ser muy fácil que esto se vuelva confuso o sin sentido. |
| |
que, digamos si he marcado ambos con color y marcador, no sabría qué hacer porque algunas filas podrían decir: "Colorea esto de rojo". |
| |
Pero la otra tabla vinculada podría indicar que la colorees de azul o negro. Por lo tanto, debes tener mucho cuidado de no mezclar ni combinar, ni interactuar demasiado con la idea de la fusión de varios a uno. |
| |
Pero en este ejemplo, se trataba de una herramienta realmente valiosa que habría requerido mucha manipulación de datos para llegar a este punto. |
| |
Entonces, voy a cerrar estos ejemplos del ejemplo de unión virtual de despacho y pasar a lo que probablemente se usará más comúnmente, que es la aceptación... |
| |
Estado de la fila de aceptación de las tablas de diálogo de unión virtual. En este caso, lo haré con un script. En lugar de guiarme interactivamente por la unión virtual y... |
| |
Propiedades de la columna de estado de fila, veremos los resultados de esta secuencia de comandos. |
| |
Y el ejemplo aquí, lo que queríamos hacer, es poder usar estas tres tablas (de nuevo, la demografía, los eventos adversos y los datos de laboratorio en un ensayo clínico) para realmente crear lo que llaman un |
| |
Perfil de seguridad completo. Y esta es realmente la justificación y el fundamento de nuestro uso en JMP Clinical para nuestros clientes. |
| |
Esta idea es que queremos poder tomar estos conjuntos de datos, mantenerlos separados pero permitir que se utilicen en un análisis único e integral para que no se sientan separados. |
| |
Con este ejemplo, queremos abrir nuestra demografía y configurarla como ID de enlace. Esto es similar a lo que acabo de hacer de forma interactiva: creará la tabla demográfica y la propiedad de la columna ID de enlace en el identificador único de sujeto. |
| |
Ya terminamos. Puedes ver la clave que indica que ahora es la propiedad ID del enlace. Ahora queremos abrir el conjunto de datos de laboratorios. |
| |
Y vamos a establecer una propiedad en el identificador de sujeto único en esa tabla para utilizar la referencia de enlace a la tabla de demografía. |
| |
Y un par de opciones aquí. Queremos mostrar la propiedad de usar nombres más cortos. Use el nombre de la columna vinculada para acortar el nombre de nuestra... |
| |
Columnas provenientes de la tabla de demografía a la tabla de laboratorios. Aquí queremos configurar la sincronización del estado de fila como una aceptación de seleccionar, excluir y ocultar. |
| |
Y haremos lo mismo para la tabla AE. Ejecutaré los siguientes fragmentos de código. |
| |
Esto abrirá mi AE y mi tabla de laboratorio. Verán que, en lugar de ese envío, se dice que las propiedades aquí están configuradas para aceptar |
| |
Con estos, seleccionar, excluir y ocultar. De manera similar, la tabla de eventos adversos tiene la misma aceptación. Así que, en este caso, en lugar de este envío, que tuvimos mucho cuidado de enviar solo... |
| |
Un tipo de estado de fila de una tabla y otro de otra tabla de vuelta a nuestra tabla de referencia de ID de enlace. Aquí vamos a permitir que la demografía de nuestra tabla de referencia de ID de enlace transmita lo que le sucede. |
| |
A las otras dos tablas. Y eso es lo que hace "aceptar". Aceptará los estados de fila de la tabla de demografía. |
| |
Y he hecho un poco de trampa, ya que en realidad solo tengo un script adjunto a nuestra tabla de demografía aquí. |
| |
Eso es simplemente configurar algunas de las visualizaciones que ya he mostrado, que son scripts adjuntos a cada una de las tablas en una sola ventana. |
| |
Aquí tenemos lo que podría considerarse su perfil de seguridad. Tenemos la distribución de la información demográfica del paciente, obtenida de la tabla demográfica. |
| |
Se ven los números correctos de los recuentos de los 443 pacientes tratados con placebo frente a los 427 tratados con nicardipina. |
