| Conférencier |
Transcription |
| Kelci J. Miclaus |
Bonjour et bienvenue sur JMP Discovery Online. Aujourd'hui, je vais vous parler de la synthèse des résumés d'événements indésirables et de l'analyse des essais cliniques. |
| |
Je suis responsable senior du groupe d'analyse avancée de la division JMP Life Sciences chez SAS, et nous travaillons en étroite collaboration avec des clients qui utilisent des données génomiques et cliniques dans leurs recherches. |
| |
Avant de passer en revue le résumé et les détails concernant l'utilisation de JMP pour l'analyse des événements indésirables, je souhaite vous présenter le logiciel JMP Clinical créé par notre équipe. |
| |
JMP Clinical fait partie d'une famille de produits qui comprend désormais cinq produits officiels ainsi que des modules complémentaires, permettant d'étendre JMP et de vous offrir autant d'applications verticales ou d'extensions de JMP que vous le souhaitez. |
| |
Mon équipe de développement prend en charge JMP Genomics et JMP Clinical. JMP Genomics et JMP Clinical sont respectivement des applications verticales personnalisées, construites sur la base de JMP, et utilisées pour la recherche génomique et les essais cliniques. |
| |
Et aujourd'hui, je vais vous parler de la façon dont nous avons créé des revues et des analyses dans JMP Clinical pour |
| |
Les industries pharmaceutiques qui réalisent des essais cliniques sur la sécurité et l'analyse précoce de l'efficacité. |
| |
L'objectif initial de JMP Clinical et la genèse de ce produit découlent en réalité de l'assistance apportée à la FDA, qui est un important utilisateur de JMP. |
| |
Et leur groupe CDER, le Centre d'évaluation et de recherche sur les médicaments. Leurs examinateurs médicaux utilisaient fréquemment JMP pour les aider à évaluer les dossiers de demande d'autorisation de mise sur le marché des médicaments. |
| |
Et ils adorent ça. Ils sont très doués. Cependant, ils ont constaté que certaines actions répétitives, notamment sur des données cliniques très standardisées, pouvaient être assez pénibles. |
| |
L'exemple ci-dessous illustre le concept de ce qu'on appelle un diagramme de décalage, utilisé pour les mesures en laboratoire. |
| |
où l'on compare la moyenne des résultats d'un essai en laboratoire par rapport à la valeur de référence, pour différents groupes de traitement. Sa création a nécessité au moins huit à dix étapes. |
| |
dans l'interface JMP d'ouverture des données, de normalisation des données, de sous-ensemble en données de référence et données d'essai, d'effectuer des statistiques, respectivement, pour ces groupes, de fusionner à nouveau les données, puis de diviser ces données par tests de laboratoire afin de pouvoir créer ce type de graphique pour chaque laboratoire. |
| |
Et cela sans même parler du nombre d'étapes nécessaires dans Graph Builder pour le construire. |
| |
JMP en est donc clairement capable, mais notre objectif était de résoudre leur problème lié à ce type de données cliniques très standard. |
| |
avec des graphiques de changement de laboratoire accessibles en un clic, par exemple. En fait, nous souhaitions créer des revues cliniques dans notre infrastructure, que nous appelons le générateur de revues. |
| |
qui sont des revues standardisées et reproductibles en un clic pour bon nombre des analyses et visualisations standard très courantes requises ou attendues dans la recherche clinique pour évaluer la sécurité et l'efficacité des médicaments. |
| |
JMP Clinical a donc évolué depuis cette première initiative de création d'une application personnalisée pour un graphique de décalage. |
| |
dans un logiciel d'analyse d'essais cliniques complet... couvrant la surveillance médicale et la science des données cliniques, les équipes de rédaction médicale, la biométrie et la biostatistique, ainsi que la gestion des données relatives à la collecte des données d'étude liées aux essais cliniques. |
| |
Cela concerne à la fois la sécurité et l'efficacité, mais aussi l'intégrité opérationnelle ou les anomalies opérationnelles qui pourraient être constatées lors de la collecte de données cliniques. |
| |
Voici quelques-unes des principales caractéristiques de JMP Clinical que nous avons relevées : |
| |
particulièrement utile pour ceux qui utilisent l'interface JMP pour tout type d'analyse |
| |
Il s'agit notamment de jointures virtuelles. Nous avons donc une idée de filtre global par sujet d'examen, que je vous montrerai lors des démonstrations concernant les événements indésirables. |
| |
qui vous permettent réellement d'intégrer et de relier les informations démographiques ou les données démographiques de nos sujets participant à un essai clinique à toutes les données du domaine clinique collectées. |
| |
Et cette architecture, rendue possible par des jointures virtuelles au sein de l'interface JMP avec synchronisation de l'état des lignes, |
| |
vous permettent de réaliser des analyses interactives instantanées avec très peu, voire aucune, manipulation des données, pour tous les types d'analyses que vous pourriez effectuer dans le cadre d'une analyse de données d'essai clinique. |
| |
Une autre nouvelle fonctionnalité que nous avons ajoutée au logiciel exploite également une partie de la puissance du filtre de données JMP, ainsi que : |
| |
La création de colonnes d'indicateurs JMP, c'est cette capacité à, pendant que vous examinez de manière interactive les données d'essais cliniques, |
| |
Trouvez des signaux intéressants qui indiquent, dans cet exemple, que la capture d'écran présentée montre des sujets ayant subi un événement indésirable grave au cours de l'essai clinique ; trouvez ces signaux intéressants. |
| |
et, très rapidement, créez un indicateur qui sera stocké dans les métadonnées de votre étude dans JMP Clinical. |
| |
Cela est possible pour tous les autres types d'analyses que vous pourriez effectuer. Vous pouvez donc dire : « Je souhaite maintenant examiner les résultats de laboratoire des patients ayant présenté un événement indésirable grave par rapport à ceux qui n'en ont pas présenté, afin de déterminer s'il existe des anomalies pouvant être liées à la gravité de cet événement. » |
| |
Une autre fonctionnalité que je présenterai également avec JMP Clinical et la démonstration relative à l'analyse des événements indésirables est la suivante : |
| |
L'API JMP Clinical que nous avons intégrée au système. L'une des difficultés majeures liées à la fourniture, la création et le développement d'une application verticale |
| |
qui propose des rapports prêts à l'emploi en un clic, c'est que |
| |
Vous arrivez à 90 % du but et puis le client peut dire : « Oh, eh bien, je voulais vraiment le peaufiner, ou je voulais vraiment le voir de cette façon, ou je dois changer la façon dont la vue des données s'affiche. » |
| |
L'un des axes de développement prioritaires de notre équipe est l'utilisation du langage de script JMP JSL. |
| |
L'objectif est d'intégrer une API à l'analyse clinique afin de contrôler les objets, les affichages, les tableaux de bord, les analyses et même les ensembles de données utilisés. J'en présenterai également quelques exemples dans l'analyse des événements indésirables. |
| |
Revenons donc un peu en arrière et abordons le cœur du sujet des événements indésirables et des essais cliniques, maintenant que nous avons un aperçu de JMP Clinical. |
| |
Il y a deux manières principales d'aborder ce sujet. Il y a d'abord l'aspect de l'évaluation de la sécurité dans un essai clinique, qui consiste généralement à dénombrer et à calculer les pourcentages d'événements indésirables susceptibles de survenir. |
| |
Et de nombreux médecins, moniteurs ou examinateurs utilisent souvent ces données pour comprendre les anomalies médicales, vous savez, lorsqu'un certain événement indésirable commence à apparaître. |
| |
plus fréquemment, avec l'un des traitements pouvant avoir des implications médicales. |
| |
Il y a aussi la détection de signaux statistiques, l'idée d'évaluer statistiquement la fréquence inhabituelle de nos événements indésirables. |
| |
dans l'un des groupes de traitement par rapport à l'autre. Voici donc, par exemple, un tableau statique classique que l'on retrouve dans de nombreux types de recherches, de soumissions ou de communications concernant l'analyse des événements indésirables d'un essai clinique. |
| |
Il s'agit essentiellement d'un tableau statique avec des effectifs et des pourcentages, et s'il est plus orienté statistiquement, vous y trouverez également des éléments tels que les intervalles de confiance et les valeurs p. |
| |
autour de notions telles que les rapports de cotes, les risques relatifs ou les différences de taux. |
| |
Une autre façon d'aborder ce sujet est visuelle, plutôt que sous forme de tableau. On peut alors se concentrer sur la détection du signal, par exemple en examinant le rapport de cotes ou la différence de risque. |
| |
On pourrait utiliser le générateur de graphiques dans ce cas pour montrer les résultats d'une analyse statistique de l'incidence de certains événements indésirables et de leurs différences entre les groupes de traitement, par exemple. |
| |
Voilà donc deux exemples. Et en fait, d'après notre expérience et celle des clients avec lesquels nous avons collaboré sur la manière dont ils perçoivent et analysent les événements indésirables, |
| |
Le système JMP Clinical propose désormais plusieurs analyses d'événements indésirables courants, allant de simples dénombrements et pourcentages aux taux d'incidence ou aux occurrences. |
| |
en mesures statistiques telles que la différence de risque, le risque relatif, le rapport de cotes, y compris certaines analyses du temps jusqu'à l'événement ajustées à l'exposition. |
| |
Nous pouvons également complexifier considérablement les types de modèles que nous ajustons et recourir à des modèles mixtes ou bayésiens pour identifier certains signaux dans nos différences d'événements indésirables. |
| |
Nous utilisons également beaucoup ces données lors de l'analyse des données médicales, que ce soit dans un compte rendu médical ou dans un profil de patient. |
| |
Je vais donc maintenant aborder directement JMP Clinical avec une analyse que j'ai construite autour de plusieurs de ces analyses courantes. |
| |
L'une des choses que vous remarquerez à propos de JMP Clinical, c'est que cela ne ressemble pas exactement à JMP, mais c'en est bien un. |
| |
Il s'agit d'une solution intégrée et combinée qui utilise de nombreux scripts JSL personnalisés pour créer nos propres types d'interfaces. Ainsi, notre fenêtre d'accueil affiche par exemple les études, les évaluations et les paramètres. |
| |
Et j'ai déjà une critique en cours. |
| |
ici |
| |
Nous utilisons ici nos données d'exemple sur la nicardapine. Ces données sont fournies avec le produit et sont également disponibles dans la bibliothèque d'exemples JMP. |
| |
Il s'agit d'un véritable essai clinique portant sur l'hémorragie sous-arachnoïdienne. Il a été mené auprès d'environ 900 patients. |
| |
Ce premier onglet de notre analyse porte donc sur la répartition des caractéristiques démographiques de ces patients : le nombre d’hommes et de femmes, leur répartition ethnique, |
| |
Le groupe de traitement auquel ils ont été affectés, les sites d'où proviennent les données, etc. C'est une étape très courante, qui constitue la première étape pour comprendre les données cliniques d'un essai clinique. |
| |
Vous remarquerez ici un navigateur de rapports qui affiche les autres types d'analyses disponibles dans cette revue intégrée. |
| |
Je vais passer rapidement en revue chacun de ces onglets pour vous montrer les différentes manières d'analyser les événements indésirables à partir des données de l'essai clinique. |
| |
Aujourd'hui, la méthode typique de collecte des données dans les essais cliniques est un format standard international appelé format CDISC. |
| |
Ce qui signifie généralement que nous avons un ensemble de données très structuré. On le constate ici : plusieurs enregistrements pour chaque sujet indiquent les différents événements indésirables qui ont pu survenir au fil du temps. |
| |
Ces données seront associées aux données démographiques, soit une ligne par sujet, comme illustré ici. Nous avons environ 900 patients et, comme vous le verrez dans ce premier rapport, nous disposons d'environ 5 000 à 5 500 enregistrements de différents événements indésirables survenus. |
| |
Il s'agit donc probablement du type de rapport le plus fréquemment utilisé par de nombreux moniteurs et examinateurs médicaux chargés d'évaluer les signaux d'événements indésirables. |
| |
Ce que nous avons ici est essentiellement un tableau de bord qui combine un graphique de comptage Graph Builder avec un tableau d'accompagnement, car ils sont habitués à voir ce type de tableaux. |
| |
La véritable valeur de JMP réside dans son interactivité et son lien dynamique direct avec vos données. Vous pouvez ainsi sélectionner n'importe quel point des données et le visualiser aux deux endroits. Plus puissant encore, vous pouvez contrôler vos vues avec |
| |
Changeurs de colonnes. |
| |
Nous pouvons maintenant passer de l'analyse de la répartition des traitements à celle du sexe et de l'origine ethnique. Vous remarquerez, concernant l'origine ethnique, que nous avions un certain nombre de cas qui étaient… |
| |
Les données étant majoritairement blanches dans cette étude, ce graphique n'est pas très pertinent lorsqu'on l'analyse en pourcentage ou en nombre. Il serait donc préférable de normaliser les données et d'afficher plutôt les pourcentages. |
| |
Et nous pouvons aussi décider de considérer l'ensemble des données globales relatives aux événements indésirables. |
| |
Un autre avantage de cet outil de sélection de colonnes est la possibilité de catégoriser les événements. S'agissait-il d'un événement indésirable grave ? Quelle était sa gravité ? |
| |
L'issue a-t-elle été la même après leur rétablissement ? Quelle en était la cause ? Était-ce lié au médicament étudié ? |
| |
Ce sont autant de questions que les revues médicales posent souvent pour déceler des signaux intéressants ou anormaux associés à des événements indésirables. |
| |
Vous avez peut-être déjà remarqué sur ce tableau de bord la présence d'un groupe de contrôle servant de sélecteur de colonnes, qui gère à la fois mon graphique et mon tableau. Ainsi, lorsque je sélectionne la gravité, le tableau se met à jour automatiquement. |
| |
Cela a été réalisé avec de nombreux scripts JSL personnalisés, spécifiquement adaptés à nos besoins, mais |
| |
Je vais vous confier un secret : dans la version 16, le module de développement du sélecteur de colonnes va nous permettre d'avoir ce type de flexibilité, ce qui vous permettra de lier plusieurs objets de plateforme au même sélecteur de colonnes pour effectuer une analyse complexe. |
| |
Je vais revenir sur ce graphique de fréquence, même s'il paraît simple. Voici un autre exemple qui examine la fréquence globale d'apparition de certains événements indésirables pouvant survenir plusieurs fois chez un même sujet. |
| |
Je reviendrai sur ces points, mais je vais d'abord passer rapidement en revue le reste des analyses et de ces revues avant de revenir sur certaines des complexités du générateur de graphiques simples et des rapports de distribution tabulaires. |
| |
La section suivante de notre analyse porte sur le dépistage des événements indésirables. Nous passons donc ici d'une simple observation du nombre et de la fréquence, ou éventuellement des taux d'incidence, à une analyse plus approfondie. |
| |
dans un cadre statistique plus poussé permettant de tester la différence d'incidence de certains événements indésirables entre deux groupes de traitement. |
| |
Nous représentons cela ici par un graphique en volcan. On constate donc que la phlébite, l'hypotension et l'isothénurie sont beaucoup plus fréquentes dans le groupe traité par nicardipine que dans le groupe placebo. |
| |
Nous pouvons donc sélectionner ces éléments et examiner en détail une vue très courante des événements indésirables, qui correspond également à notre risque relatif pour un graphique cellulaire. |
| |
ce qui est bien souvent encore plus facile à lire lorsqu'on ne s'intéresse qu'aux signaux intéressants présentant des différences potentiellement significatives sur le plan clinique ou statistique. |
| |
Les essais cliniques peuvent parfois être longs. Parfois, ils ne durent que quelques semaines, comme cette étude, mais parfois ils durent des années. |
| |
Il est donc parfois intéressant d'examiner les différences d'incidents liés aux événements indésirables au fur et à mesure que l'essai progresse. Nous disposons également de cette capacité au sein de notre équipe. |
| |
le rapport d'incidence où vous pouvez découper la journée d'étude, ou les jours d'étude, en sections pour voir comment les incidents d'événements indésirables évoluent au fil du temps. |
| |
Et une bonne façon de le démontrer pourrait être avec un graphique en forme de volcan en explosion, comme celui-ci, qui montre comment ces signaux évoluent au fil de l'étude. |
| |
Voici donc une autre idée puissante qui se dégage de ceci, notamment lorsqu'il s'agit d'essais cliniques plus longs ou plus complexes : |
| |
Au lieu de se concentrer uniquement sur l'incidence directe chez les sujets, on peut considérer le délai d'apparition de l'événement ou le taux d'exposition ajusté auquel ces événements indésirables surviennent. |
| |
Et c’est ce que nous proposons dans nos analyses de durée de vie, illustrées ici par un graphique en volcan utilisant un test de Kaplan-Meier. |
| |
Différences dans le délai d'apparition de certains événements survenant lors d'un essai clinique. L'un des avantages est la possibilité de sélectionner ces événements et d'explorer en détail les données JMP. |
| |
plateforme de survie pour obtenir tous les détails concernant chaque événement indésirable ayant pu présenter des délais d'apparition différents selon les groupes de traitement. |
| |
Une autre forme d'analyse du délai avant l'événement est souvent appelée ratio de densité d'incidence, qui correspond à la densité d'incidence ajustée à l'exposition. La différence réside principalement dans le fait qu'au lieu d'utiliser les analyses de risques proportionnels ou de Kaplan-Meier plus classiques, on utilise ici une approche plus proche d'une analyse de probabilité. |
| |
une distribution de type Poisson ajustée en fonction de la durée d'exposition réelle au médicament. Et là encore, nous pouvons examiner les principaux signaux. |
| |
et accéder au rapport analogue dans JMP en utilisant un modèle linéaire généralisé pour ce type spécifique de modèle avec détection d'un signal d'événement indésirable. |
| |
Et nous proposons même des analyses bayésiennes très complexes. L'un des aspects caractéristiques de ce type de données est généralement l'identification des événements indésirables. |
| |
Ces données existent au sein de certains systèmes ou classes d'organes. Il existe donc de nombreuses informations, ou connaissances préalables, que nous pouvons intégrer à ces modèles. Ainsi, certains de nos clients, par le biais de leurs équipes de biométrie, optent pour des modèles très sophistiqués lorsqu'ils analysent leurs événements indésirables. |
| |
Jusqu'à présent, nous sommes donc partis de ce que je qualifierais de visions de distribution des données assez simplistes. |
| |
en distributions et en simples graphiques de comptage des événements indésirables, jusqu'à des analyses statistiques très complexes. |
| |
Je vais maintenant revenir à ce que l'on considère comme de simples informations de comptage et de fréquence, et je souhaite consacrer un peu de temps ici à démontrer la puissance de l'interactivité de JMP dont nous disposons. |
| |
Comme vous vous en souvenez peut-être, l'une des différences ici est que ce tableau est un tableau empilé qui répertorie toutes les occurrences de nos événements indésirables pour chaque sujet. |
| |
et notre tableau démographique, qui comprend 900 sujets, est séparé. Nous ne souhaitions donc pas un graphique statique. |
| |
comme ici, ou comme dans un rapport classique au format PDF, mais nous souhaitions pouvoir explorer nos données de manière interactive. |
| |
Nous allons examiner des sous-groupes de nos données et observer comment ces pourcentages évoluent. La difficulté réside dans le fait que le calcul des pourcentages doit être effectué à partir du nombre de sujets figurant dans un autre tableau. |
| |
Nous avons donc procédé par formule, en créant par exemple des formules de colonnes pour contrôler dynamiquement le recalcul des pourcentages lors de la sélection, notamment au sein d'événements de catégorisation. |
| |
Ou, plus efficacement, en utilisant notre outil de filtrage par sujet d'évaluation. Ici, par exemple, nous examinons tous les sujets par traitement. |
| |
Il s'agit peut-être de distinguer les événements indésirables graves des événements indésirables non graves, mais nous pouvons utiliser ce filtre de données global qui affecte chacun des rapports individuels de notre analyse. |
| |
et modifier instantanément nos groupes démographiques et nos pourcentages pour être |
| |
Cette approche interactive permet d'explorer différents sous-groupes. Ainsi, nous pouvons maintenant affiner notre analyse en nous concentrant sur les femmes blanches et en observant leur pourcentage d'événements indésirables et leurs talents. Vous pouvez également opter pour une analyse plus fine, en étudiant l'évolution de leurs données selon les sites. |
| |
Donc, ce que nous avons réellement ici, c'est au lieu d'un dossier de soumission ou d'une analyse clinique où l'équipe de biométrie |
| |
Ils remettent 70 graphiques et tableaux différents au réviseur médical pour qu'il les examine et les analyse ; ils ont le pouvoir de créer des centaines de tableaux différents, de sous-ensembles différents et de graphiques différents, le tout dans une seule interface. |
| |
En fait, on peut vraiment affiner la recherche et l'analyser en fonction des catégories intéressantes. Par exemple, s'ils s'intéressaient aux événements indésirables graves, ils pourraient par exemple s'y intéresser. |
| |
et ils voulaient connaître très rapidement les effets indésirables graves liés au traitement médicamenteux ; nous sommes donc passés d'un groupe initial de 900 patients à un très petit sous-groupe d'environ |
| |
Neuf patients ont présenté des effets indésirables graves considérés comme liés au traitement. Par conséquent, en tant qu'expert médical, Ithen souhaitera probablement prendre connaissance de tous les détails cliniques concernant ces patients. |
| |
Et très rapidement, je peux utiliser l'un de nos boutons d'action du rapport pour accéder à ce qu'on appelle un profil patient complet. |
| |
Nous voyons donc ici toutes les informations, non plus sous forme de résumé, mais au niveau individuel du sujet, retraçant tout ce qui est arrivé à ce patient au fil du temps. |
| |
y compris en cas d'événements indésirables graves et les résultats des analyses de laboratoire ou des mesures vitales effectuées en parallèle. |
| |
L'une des autres principales utilisations de notre système JMP Clinical, outre la révision et le suivi médical, concerne les équipes de rédaction médicale. Ainsi, au lieu d'une représentation visuelle sous forme de graphique ou de tableau (comme les profils des patients), vous pouvez consulter cette page. |
| |
et générer un récit automatisé. |
| |
Nous allons donc procéder au lancement. |
| |
à notre génération de récits d'événements indésirables. Là encore, l'un des avantages et des atouts de notre JMP Clinical réside dans son architecture verticale reposant sur des données standardisées. |
| |
L'avantage, c'est que nous avons accès à toutes les données et à leur format dès le départ, simplement en étant orientés vers l'étude. Nous pouvons donc ensuite développer ce récit. |
| |
qui va nous écrire |
| |
le récit précis de chacun de ces événements indésirables survenus. |
| |
Et cela va ouvrir un document Word. |
| |
qui contient tous les détails concernant ce sujet, ses données démographiques, ses antécédents médicaux, puis chacun des événements indésirables et les résultats ou autres problèmes liés à ces événements indésirables. |
| |
Et nous pouvons le faire pour un patient à la fois, ou même pour les 900 patients simultanément, et inclure |
| |
Des détails plus complexes, comme les résultats de laboratoire et les constantes vitales (valeurs de référence ou antérieures), sont essentiels. Les examinateurs médicaux apprécient donc particulièrement cette fonctionnalité, car elle leur permet de standardiser les sources de données et d'éviter les erreurs lors de la conversion d'un tableau numérique en un récit détaillé. |
| |
Je pense donc que rien qu'avec ça, on peut vraiment constater la puissance de ces vues de distribution, de ces |
| |
des graphiques de comptage qui permettent d'explorer les données à des niveaux très granulaires. Cette possibilité d'utiliser des filtres par sujet pour |
| |
Recherchez soit dans l'ensemble de la population de vos patients participant à un essai clinique, soit dans des sous-groupes pertinents que vous auriez pu identifier. |
| |
L'une des particularités de notre filtre global, qui fonctionne via nos jointures virtuelles, est qu'il ne fournit généralement que des informations sur les données démographiques. |
| |
L'un des autres outils personnalisés que nous avons intégrés à ce système est la possibilité de sélectionner tous les sujets ayant présenté un événement indésirable grave. |
| |
Nous pouvons soit dériver un indicateur de population et l'utiliser ensuite dans des analyses ultérieures, soit l'utiliser dans des analyses plus poussées. |
| |
ou nous pouvons même appliquer le filtre de ce sujet à notre filtre global et nous ne considérons alors que les cas graves... les sujets ayant présenté un événement indésirable grave, ce qui concernait environ... près de 300 patients participant à l'essai clinique ont présenté un événement indésirable grave. |
| |
Même ce rapport, comme vous le verrez, est filtré. Le second rapport présente un autre aspect de la distribution des événements indésirables, nouveauté de notre dernière version : les taux d’incidence. |
| |
Ici, l'idée est de ne pas normaliser ni diviser pour calculer un pourcentage par le nombre de sujets ayant présenté un événement. Si vous menez des essais en cours, des essais de longue durée ou des études menées dans différents pays avec des délais de démarrage différents, |
| |
Il serait judicieux d'examiner le taux d'apparition des événements indésirables. C'est précisément ce que calcule cet outil. Dans ce cas précis, nous nous concentrons sur les sujets ayant présenté un événement indésirable grave. Nous pouvons ainsi observer le taux d'occurrence. |
| |
en années-patients. Par exemple, ce tout premier cas, voyez-vous, présente un taux d'environ 86 occurrences pour 10 années-patients sous placebo contre 71 occurrences. |
| |
Dans le cas de la nicardipine. Il s'agissait en fait d'un médicament destiné à traiter l'hémorragie sous-arachnoïdienne ; une augmentation de la pression intracrânienne est probable si vous n'êtes pas traité par un médicament actif. |
| |
Ces pourcentages, ainsi que ces taux d'incidence, sont également entièrement dynamiques. Encore une fois, tout cela est calculé automatiquement par des formules JMP qui alimentent le tableau. |
| |
qui tiennent compte des différentes populations sélectionnées par ce filtre global. Ainsi, nous pouvons examiner les données des États-Unis et observer les taux et leur évolution, y compris les années-patients normalisées basées sur les seuls patients américains, par exemple. |
| |
Ainsi, même si ces rapports semblent assez simples, la complexité du codage JSL qui va au-delà de la simple création d'un tableau de bord représente essentiellement ce que notre équipe fait toute la journée. |
| |
Nous essayons de faire cela pour que vous disposiez d'un tableau de bord qui vous permette d'explorer les données comme vous le savez, facilement, sans toutes ces manipulations qui pourraient devenir très complexes. |
| |
Enfin, la dernière chose que je voulais vous montrer, c'est l'idée de cette personnalisation. |
| |
Rapport ou rapport personnalisé. C'est donc l'endroit idéal pour le présenter, car nous examinons ici les taux d'incidence des événements indésirables. Et nous l'analysons donc pour chaque événement. |
| |
Nous disposons du nombre total, ou vous pouvez également l'exprimer en taux d'incidence, c'est-à-dire la fréquence d'apparition par patient et par année. Une autre perspective consisterait à observer l'évolution de ces événements indésirables au fil du temps. |
| |
Je vais donc vous le montrer rapidement grâce à notre API clinique. Le tableau de données est entièrement à votre disposition. |
| |
L'une des premières choses à faire est de créer une variable de date numérique. Nous avons un petit widget prévu à cet effet dans le tableau de données, et je vais la convertir en date numérique. Vous remarquerez maintenant qu'une nouvelle colonne est apparue à la fin. |
| |
de la date et de l'heure de début numériques de l'événement indésirable. Vous remarquerez également que c'est ici que réside toute la puissance des formules. Ce sont en réalité des formules régénérées dynamiquement en fonction des populations pour créer ces vues. |
| |
Maintenant que nous disposons de données numériques, nous pourrions compléter cette analyse en y incluant un nouveau type de graphique. |
| |
Et j'ai un script pour ça. Une des premières choses que je vais faire, c'est de créer deux colonnes supplémentaires dans notre ensemble de données pour le mois et l'année. |
| |
Et ensuite, cette partie de JSL concerne nos appels d'API cliniques. Je ne vais pas entrer dans les détails, si ce n'est que cela nous permet de nous connecter à… |
| |
l'examen clinique et l'accès aux sections. Donc, lorsque j'exécute ce code, |
| |
Cela va en fait ajouter une nouvelle section à mon analyse clinique. J'aurai ainsi une nouvelle perspective sur l'évolution des événements indésirables, mois par mois, pour tous les sujets de mon essai clinique, année après année. |
| |
L'un des atouts, même avec cette vue personnalisée, est que cette table, étant toujours virtuellement liée à notre groupe principal, peut toujours être pleinement utilisée. |
| |
Répondre à ce filtre de sujet global de jointure virtuelle. Ainsi, grâce à un peu de code JSL API personnalisé, nous pouvons adapter ces rapports standard prêts à l'emploi et les personnaliser avec nos propres types d'analyses. |
| |
Je sais donc que c'était un aperçu assez complet de JMP Clinical, mais aussi des types d'analyses d'événements indésirables cliniques que le système peut effectuer et qui sont courantes pour ceux qui travaillent dans l'industrie pharmaceutique pour les essais cliniques. |
| |
Mais j'espère que vous avez trouvé cette section utile et intéressante, même si vous ne travaillez pas dans le secteur pharmaceutique. L'une des meilleures |
| |
JMP Clinical illustre parfaitement ce qu'est une extension extrême et la puissance de JSL pour créer des applications incroyablement personnalisées. |
| |
Vous ne travaillez peut-être pas sur les événements indésirables, mais vous trouverez ici des éléments qui peuvent vous inspirer pour créer des tableaux de bord personnalisés ou des modules complémentaires personnalisés pour vos propres types d'analyses dans JMP. |
| |
Merci. |
