| Oratore |
Trascrizione |
| Kelci J. Miclaus |
Ciao e benvenuti a JMP Discovery Online. Oggi parlerò di sintesi degli eventi avversi e analisi degli studi clinici. |
| |
Sono Senior Manager del gruppo di analisi avanzata per la divisione JMP Life Sciences qui in SAS e collaboriamo attivamente con i clienti che utilizzano dati genomici e clinici nelle loro ricerche. |
| |
Quindi, prima di passare alla sintesi e ai dettagli sull'utilizzo di JMP con le analisi degli eventi avversi, vorrei presentare il software JMP Clinical creato dal nostro team. |
| |
JMP Clinical fa parte della famiglia di prodotti che ora comprende cinque prodotti ufficiali, oltre a componenti aggiuntivi, che possono estendere JMP per consentirti 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, sviluppate su JMP, utilizzate per la ricerca genomica e per la sperimentazione clinica. |
| |
E oggi parlerò di come abbiamo creato revisioni e analisi in JMP Clinical per |
| |
industrie farmaceutiche che stanno conducendo studi clinici sulla sicurezza e sulle prime analisi dell'efficacia. |
| |
Lo scopo originale di JMP Clinical e l'avvio di questo prodotto sono in realtà nati dall'assistenza alla FDA, che è un grande utilizzatore di JMP. |
| |
E il loro gruppo CDER, il Center for Drug Evaluation and Research. I loro revisori medici utilizzavano comunemente JMP per esaminare le domande di autorizzazione all'immissione in commercio di farmaci. |
| |
E lo adorano. Sono molto bravi. Una delle cose che hanno scoperto, però, è che certe azioni ripetitive, soprattutto su dati clinici molto standard, possono essere piuttosto dolorose. |
| |
Un esempio è l'idea di qualcosa chiamato diagramma di spostamento che è per le misurazioni di laboratorio |
| |
dove si confronta la media di un laboratorio con quella di base dei gruppi di trattamento. Per creare questo modello, sono stati necessari almeno otto-dieci passaggi. |
| |
all'interno dell'interfaccia JMP di apertura dei dati, normalizzazione dei dati, suddivisione in baseline e prova, elaborazione di statistiche, rispettivamente, per quei gruppi, riunendoli, quindi suddivisione dei dati in base ai test di laboratorio in modo da poter creare questo tipo di grafico per ogni laboratorio. |
| |
E questo senza nemmeno parlare del numero di passaggi necessari per realizzarlo in Graph Builder. |
| |
Quindi JMP può chiaramente farlo, ma quello che volevamo fare era risolvere il loro problema con questo tipo molto standard di dati clinici |
| |
Ad esempio, con grafici dei turni di laboratorio con un clic. Infatti, volevamo creare revisioni cliniche nella nostra infrastruttura, che chiamiamo "review builder". |
| |
che sono revisioni standardizzate riproducibili con un clic per molte delle analisi e visualizzazioni standard più comuni, richieste o previste nella ricerca clinica per valutare la sicurezza e l'efficacia dei farmaci. |
| |
Quindi JMP Clinical si è evoluto da quella prima iniziativa di creazione di un'applicazione personalizzata per un grafico a 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 redazione di documenti medici, la biometria e la biostatistica, nonché la gestione dei dati relativi allo studio coinvolti nella raccolta di 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 nella raccolta dei dati clinici. |
| |
Alcune delle caratteristiche chiave di JMP Clinical che riteniamo essere |
| |
particolarmente utile per coloro che utilizzano l'interfaccia JMP per qualsiasi tipo di analisi |
| |
sono cose come le unioni virtuali. Quindi abbiamo un'idea di un filtro globale per gli argomenti delle revisioni, che vi mostrerò durante le dimostrazioni per gli eventi avversi, |
| |
che consentono realmente di integrare e collegare le informazioni demografiche o i dati demografici sui nostri soggetti in una sperimentazione clinica a tutti i dati clinici raccolti. |
| |
E questa architettura, che è abilitata da unioni virtuali all'interno dell'interfaccia JMP con sincronizzazione dello stato delle righe, |
| |
consentono di avere revisioni interattive realmente istantanee con pochissima o nessuna manipolazione dei dati in tutti i tipi di analisi che potresti effettuare in un'analisi dei dati di uno studio clinico. |
| |
Un'altra nuova funzionalità che abbiamo aggiunto al software sfrutta anche parte della potenza del filtro dati JMP, nonché |
| |
creazione di colonne indicatrici JMP, è questa capacità, mentre si esaminano interattivamente i dati degli studi clinici, |
| |
trova segnali interessanti che dicono, in questo esempio, che lo screenshot mostrato riguarda soggetti che hanno avuto un grave evento avverso durante la sperimentazione clinica, trova quei segnali interessanti, |
| |
e immediatamente, crea un flag indicatore che viene memorizzato nei metadati con il tuo studio in JMP Clinical |
| |
Questo è disponibile per tutti gli altri tipi di analisi che potresti effettuare. Quindi potresti dire: "Voglio esaminare ora i risultati di laboratorio dei pazienti che hanno avuto un evento avverso grave rispetto a quelli che non ne hanno avuto uno, per vedere se ci sono anche anomalie che potrebbero essere correlate alla gravità dell'evento avverso". |
| |
Un'altra caratteristica che mostrerò con JMP Cclinical e la dimostrazione sull'analisi degli eventi avversi è la |
| |
API clinica JMP che abbiamo integrato nel sistema. Uno degli aspetti più difficili nel fornire, creare e sviluppare un'applicazione verticale |
| |
che ha report pronti all'uso con un clic è che |
| |
quando arrivi al 90% del percorso, il cliente potrebbe dire: "Oh, beh, volevo davvero modificarlo, o volevo proprio vederlo in questo modo, o devo cambiare il modo in cui vengono visualizzati i dati". |
| |
Quindi una delle cose su cui abbiamo lavorato duramente nel nostro team di sviluppo è l'utilizzo dello scripting JMP JSL |
| |
Per integrare un'API nella revisione clinica, per avere il controllo sugli oggetti, sulle visualizzazioni, sui dashboard, sulle analisi e persino sui set di dati che confluiscono nelle nostre revisioni cliniche. Quindi, mostrerò alcune di queste funzionalità anche nell'analisi degli eventi avversi. |
| |
Ora che abbiamo una panoramica di JMP Clinical, facciamo un passo indietro e entriamo nel vivo degli eventi avversi e delle sperimentazioni cliniche. |
| |
Esistono due modi principali di concepire la questione. 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, monitor o revisori spesso usano questi dati per comprendere 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 del segnale statistico, 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. Ecco, ad esempio, una tabella statica tradizionale che si vede in molti tipi di ricerche, comunicazioni o documenti 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 |
| |
attorno a cose come i rapporti di probabilità o i rischi relativi o le differenze di tasso. |
| |
Un altro modo di visualizzare questo può essere anche visivamente invece che con un formato tabellare, quindi rilevamento del segnale, guardando ad esempio il rapporto di probabilità o la differenza di rischio |
| |
In questo caso, ad esempio, si potrebbe utilizzare Graph Builder per mostrare i risultati di un'analisi statistica dell'incidenza di determinati eventi avversi e come questi differiscono tra i gruppi di trattamento. |
| |
Questi sono due esempi. E in effetti, dal lavoro che abbiamo svolto e dai clienti con cui abbiamo collaborato, su come vedono e devono analizzare gli eventi avversi, |
| |
il sistema clinico JMP offre ora diverse analisi comuni degli eventi avversi, dai semplici conteggi e percentuali ai tassi di incidenza o alle occorrenze |
| |
in parametri statistici quali differenza di rischio, rischio relativo, odds ratio, comprese alcune analisi del tempo di esposizione all'evento. |
| |
Possiamo anche essere molto più complessi con i tipi di modelli che adattiamo e ricorrere a modelli misti o bayesiani per trovare determinati segnali con le nostre differenze di eventi avversi. |
| |
Inoltre, utilizziamo ampiamente questi dati per esaminare i dati medici in un resoconto medico o nel profilo del paziente. |
| |
Ora passerò direttamente a JMP Clinical con una revisione che ho costruito attorno a molte di queste analisi comuni. |
| |
Una delle cose che noterete di JMP Clinical è che non assomiglia esattamente a JMP, ma lo è. |
| |
Si tratta di una soluzione integrata e combinata che include numerosi script JSL personalizzati per creare interfacce personalizzate. La nostra finestra di avvio, ad esempio, presenta studi, revisioni e impostazioni. |
| |
E ho già una recensione costruita |
| |
Qui |
| |
che utilizza i nostri dati di esempio sulla nicardapina. Questi dati sono forniti con il prodotto. Sono disponibili anche nella libreria di esempi JMP. |
| |
Si tratta di un vero e proprio studio clinico, che ha preso in esame l'emorragia subaracnoidea. Ha coinvolto circa 900 pazienti. |
| |
E quindi ciò che questa prima scheda della nostra revisione esamina è semplicemente la distribuzione delle caratteristiche demografiche di quei pazienti, quanti erano maschi rispetto alle femmine, le loro ripartizioni razziali, |
| |
a quale gruppo di trattamento è stato 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. |
| |
Noterete che qui abbiamo un navigatore di report che mostra il resto dei tipi di analisi disponibili in questa revisione integrata. |
| |
Esaminerò rapidamente ciascuna di queste schede per mostrarvi tutti i diversi modi in cui possiamo analizzare gli eventi avversi con il set di dati degli studi clinici. |
| |
Ora, il modo tipico in cui i dati vengono raccolti negli studi clinici è uno standard internazionale chiamato formato CDISC, |
| |
Ciò significa che in genere abbiamo un formato di set di dati molto complesso. Qui possiamo vederlo, dove abbiamo più record per ogni soggetto che indicano i diversi eventi avversi che potrebbero essersi verificati nel tempo. |
| |
Questi dati saranno abbinati ai dati demografici, che rappresentano una riga per ogni soggetto, come mostrato in questo grafico demografico. Quindi abbiamo circa 900 pazienti e, come vedrete in questo primo report, abbiamo circa 5.000 o 5.500 registrazioni di diversi eventi avversi che si sono verificati. |
| |
Si tratta probabilmente dei report più comunemente utilizzati da molti monitor medici e revisori medici che valutano i segnali di eventi avversi. |
| |
Ciò che abbiamo qui è fondamentalmente una dashboard che combina un grafico dei conteggi di Graph Builder con una tabella di accompagnamento, così come sono abituati a vedere questo tipo di tabelle. |
| |
Ora, il vero valore di JMP è la sua interattività e quel collegamento dinamico diretto ai dati, così puoi selezionare qualsiasi punto dei dati e visualizzarli in entrambi i punti. O, ancora più potente, puoi controllare le tue viste con |
| |
commutatori di colonna. |
| |
Ora possiamo passare dall'analisi della distribuzione dei trattamenti a quella del sesso rispetto alla razza. Noterete che per quanto riguarda la razza, se ricordiamo, ne abbiamo avuti parecchi che erano |
| |
bianco in questo studio, quindi non è un gran grafico se lo osserviamo in percentuale o in base ai conteggi, quindi potremmo normalizzare e mostrare le percentuali. |
| |
E possiamo anche decidere di considerare il conteggio complessivo e olistico degli eventi avversi. |
| |
Un altro aspetto positivo dell'utilizzo di questo strumento come "switcher di colonna" è la possibilità di categorizzare il tipo di eventi. Si è trattato di un evento avverso grave? Qual è stata la sua gravità? |
| |
L'esito era quello atteso al momento della guarigione oppure no? Qual era la causa? Era correlato al farmaco in studio? |
| |
Sono tutte domande che le revisioni mediche spesso si pongono per individuare segnali interessanti o anomali con eventi avversi nel loro verificarsi. |
| |
Ora, una delle cose che potreste aver già notato in questa dashboard è che ho un gruppo di controllo come commutatore di colonna che in realtà controlla sia il mio grafico che la mia tabella. Quindi, quando passo alla gravità, anche questa tabella cambia. |
| |
Ciò è stato fatto con un sacco di script JSL personalizzati specificamente per i nostri scopi, ma |
| |
Vi svelerò un segreto: nella versione 16 lo sviluppatore del commutatore di colonne ci consentirà di avere questo tipo di flessibilità, così da poter collegare più oggetti della piattaforma nello stesso commutatore di colonne per condurre un'analisi complessa. |
| |
Tornerò su questo grafico di occorrenza, anche se sembra semplice. Eccone un altro esempio che in realtà analizza l'occorrenza complessiva, in cui determinati eventi avversi potrebbero essersi verificati più volte allo stesso soggetto. |
| |
Tornerò su questi argomenti, ma passerò rapidamente in rassegna il resto delle analisi e delle revisioni prima di tornare ad alcune delle complessità del semplice generatore di grafici e dei report di distribuzione tabulati. |
| |
La sezione successiva della nostra analisi riguarda lo screening degli eventi avversi. Quindi, in questo caso, ci stiamo concentrando sulla semplice analisi dei conteggi e delle frequenze, o eventualmente dei tassi di incidenza. |
| |
in un quadro più statistico di test per la differenza nell'incidenza di certi eventi avversi in un gruppo di trattamento rispetto a un altro. |
| |
E qui lo rappresentiamo con un grafico a vulcano. Possiamo quindi vedere che flebite, ipotensione e isotenuria si verificano molto più spesso nel nostro gruppo di trattamento, quello trattato con nicardipina, rispetto a quello trattato con placebo. |
| |
Quindi possiamo effettivamente selezionarli e approfondire una vista molto comune per gli eventi avversi, che è anche il nostro rischio relativo per un grafico cellulare, |
| |
che è molto spesso 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 durano solo poche settimane, come questo studio, ma a volte durano anni. |
| |
Quindi a volte è interessante pensare alle differenze negli incidenti di eventi avversi man mano che la sperimentazione procede. Abbiamo questa capacità anche all'interno |
| |
il rapporto di screening dell'incidenza in cui è possibile suddividere i giorni di studio in sezioni per vedere come gli incidenti di eventi avversi cambiano nel tempo. |
| |
Un buon modo per dimostrarlo potrebbe essere quello di rappresentare graficamente un vulcano in esplosione, che mostri come questi segnali cambiano nel corso dello studio. |
| |
Quindi un'altra idea potente, soprattutto quando si hanno sperimentazioni cliniche più lunghe o più complesse, |
| |
invece di considerare solo l'incidenza diretta tra i soggetti, è possibile considerare il tempo all'evento o il tasso di esposizione aggiustato al quale si verificano tali eventi avversi. |
| |
Ed è ciò che offriamo nelle nostre analisi tempo-evento, che ancora una volta, mostrate in un grafico a vulcano guardando qui usando un test di Kaplan Meier a |
| |
differenze nel tempo di attivazione di determinati eventi che si verificano in uno studio clinico. Uno degli aspetti positivi è che è possibile selezionare questi eventi e analizzarli in dettaglio nel JMP. |
| |
piattaforma di sopravvivenza per ottenere i dettagli completi per ciascuno degli eventi avversi che hanno avuto forse tempi di esito diversi tra i gruppi di trattamento. |
| |
Un altro tipo di tempo all'evento è spesso chiamato rapporto di densità di incidenza, che è l'idea di densità di incidenza aggiustata per l'esposizione. Fondamentalmente la differenza qui è che, invece di utilizzare alcuni dei più tradizionali rischi proporzionali o analisi di Kaplan Meier, questo è più simile a un |
| |
una distribuzione di tipo Poisson che viene aggiustata in base al tempo effettivo di esposizione al farmaco. E ancora una volta possiamo osservare i segnali principali. |
| |
e passare al report analogo all'interno di JMP utilizzando un modello lineare generalizzato per quel tipo specifico di modello con un rilevamento del segnale di evento avverso. |
| |
E in realtà offriamo anche analisi bayesiane davvero complesse. Quindi, uno degli aspetti da considerare con questo tipo di dati sono tipicamente gli eventi avversi. |
| |
Esistono all'interno di determinati sistemi o classi corporee... classi di organi. E quindi ci sono molti post... o conoscenze pregresse che possiamo applicare a questi modelli. E così alcuni dei nostri clienti, i loro team di biometria, decidono di utilizzare modelli piuttosto sofisticati quando analizzano i loro eventi avversi. |
| |
Quindi, finora abbiamo preso le mosse da quelle che considererei delle visioni di distribuzione dei dati piuttosto semplicistiche |
| |
in distribuzioni e semplicemente contare i grafici degli eventi avversi in analisi statistiche molto complesse. |
| |
Ora tornerò a parlare di ciò che si intende per semplice conteggio e informazione sulla frequenza e vorrei soffermarmi a mostrare la potenza dell'interattività JMP di cui disponiamo. |
| |
Come ricorderete, una delle differenze qui 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 avere 900 soggetti, è separata. Quindi quello che volevamo non era un grafico statico, |
| |
come abbiamo qui, o quello che avremmo in un tipico report in formato PDF, ma volevamo essere in grado di esplorare interattivamente i nostri dati |
| |
e osserviamo i sottogruppi dei nostri dati e vediamo 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 formule...come la creazione di formule di colonna per controllare dinamicamente il ricalcolo delle percentuali al momento della selezione, sia all'interno di eventi di categorizzazione |
| |
o, in modo più efficace, utilizzando il nostro strumento di filtro per argomento di revisione. Ad esempio, qui stiamo esaminando tutti gli argomenti in base al trattamento. |
| |
Forse eventi avversi gravi rispetto a quelli non gravi, ma possiamo usare questo filtro dati globale che influenza ciascuno dei report a livello di soggetto nella nostra revisione |
| |
e cambiare istantaneamente i nostri gruppi demografici e cambiare le nostre percentuali per essere |
| |
interattivo con questo tipo di esplorazione di sottogruppi. Quindi, ora possiamo effettivamente suddividere i dati in sottogruppi di donne bianche e vedere qual è la loro percentuale di eventi avversi e le loro capacità, oppure, se preferisci, puoi andare più nel dettaglio e capire, per ogni sito, come cambiano i dati nei diversi siti. |
| |
Quindi quello che abbiamo realmente qui è invece un pacchetto di presentazione o un'analisi clinica in cui il team biometrico |
| |
fornisce al revisore medico 70 grafici e tabelle diversi da esaminare e analizzare; ha il potere di creare centinaia di tabelle diverse, diversi sottoinsiemi e diversi grafici, tutto in un'unica interfaccia. |
| |
In effetti, è possibile filtrare in modo molto dettagliato queste categorie interessanti. Quindi, se si stessero esaminando, ad esempio, eventi avversi gravi |
| |
e volevano conoscere molto rapidamente gli eventi avversi gravi correlati al trattamento farmacologico, ora siamo passati a un sottoinsieme molto piccolo dai nostri 900 pazienti a circa |
| |
nove pazienti che hanno manifestato gravi eventi avversi considerati correlati al trattamento. Pertanto, in qualità di revisore medico, questo è il luogo in cui Ithen potrebbe voler comprendere tutti i dettagli clinici di questi pazienti. |
| |
E molto rapidamente, posso usare uno dei pulsanti di azione del report per accedere a quello che viene definito un profilo completo del paziente. |
| |
Quindi qui vediamo tutte le informazioni ora, invece che a livello di riepilogo, a livello individuale del soggetto di tutto ciò che è accaduto a questo paziente nel tempo, |
| |
compresi i casi in cui si sono verificati eventi avversi gravi e le misurazioni di laboratorio o vitali effettuate contestualmente. |
| |
Uno degli altri principali utilizzi del nostro sistema JMP Clinical, insieme a questa revisione medica e al monitoraggio medico, è quello dei team di redazione di documenti medici. Un altro modo per visualizzare la situazione, anziché in un grafico o in una tabella (come nel caso delle tabelle dei profili dei pazienti), è quello di andare qui. |
| |
e generare una narrazione automatizzata. |
| |
Quindi qui stiamo per lanciare effettivamente |
| |
alla nostra generazione di narrazioni sugli eventi avversi. Ancora una volta, uno dei vantaggi e dei valori del nostro JMP Clinical è che è un'applicazione verticale basata su dati standard |
| |
è che possiamo conoscere tutti i dati e il modo in cui sono formattati in anticipo, semplicemente indirizzandoci allo studio. Quindi quello che possiamo fare qui è effettivamente eseguire questa narrazione |
| |
che ci scriverà |
| |
la storia reale di ciascuno di quegli eventi avversi che si sono verificati. |
| |
E questo aprirà un documento Word |
| |
che contiene tutti i dettagli su questo soggetto, la sua demografia, la sua storia medica e poi ciascuno degli eventi avversi e gli esiti o altre questioni relative a tali eventi avversi. |
| |
E possiamo farlo per un paziente alla volta o possiamo addirittura farlo per tutti i 900 pazienti contemporaneamente e includere |
| |
Dettagli più complessi come misurazioni di laboratorio, parametri vitali, sia di base che precedenti. Pertanto, i revisori medici trovano incredibilmente prezioso poter utilizzare le fonti di dati in modo standardizzato e non commettere errori nel trasferimento dei dati da una tabella numerica a una narrazione effettiva. |
| |
Quindi penso che solo con questo si possa davvero vedere parte della potenza di queste viste di distribuzione, queste |
| |
grafici di conteggio che consentono di approfondire livelli molto granulari dei dati. Questa capacità di utilizzare filtri per argomento per |
| |
esamina l'intera popolazione dei tuoi pazienti sottoposti a una sperimentazione clinica oppure i sottogruppi pertinenti che potresti aver trovato. |
| |
Ora, una cosa sul modo in cui funziona il nostro filtro globale attraverso le nostre unioni virtuali è che queste sono solo informazioni che in genere mostrano dati demografici. |
| |
Uno degli altri strumenti personalizzati che abbiamo inserito in questo sistema è la possibilità di selezionare tutti i soggetti con un evento avverso grave. |
| |
E possiamo derivare un flag di popolazione e poi usarlo in ulteriori analisi |
| |
oppure possiamo anche impostare il filtro di quel soggetto sul nostro filtro globale e ora stiamo guardando solo i casi gravi...un soggetto che ha avuto un evento avverso grave, che riguardava circa...quasi 300 pazienti nello studio clinico che hanno avuto un evento avverso grave. |
| |
Ora, anche questo report, come vedrete, è effettivamente filtrato. Quindi il secondo report presenta un diverso tipo di aspetto della distribuzione degli eventi avversi, una novità della nostra ultima versione, ovvero i tassi di incidenza. |
| |
E qui, l'idea è, invece di normalizzare o dividere, di calcolare una percentuale in base al numero di soggetti che hanno avuto un evento. Se si utilizzano studi clinici in corso, studi di lunga durata o studi clinici in diversi Paesi con tempi di avvio diversi, |
| |
Potresti voler effettivamente osservare la frequenza con cui si verificano eventi avversi. Ed è questo che stiamo calcolando. In questo caso, siamo effettivamente suddivisi in sottogruppi, suddivisi in base a tutti i soggetti che hanno avuto un evento avverso grave. E possiamo vedere la frequenza di occorrenza. |
| |
in anni-paziente. Quindi, ad esempio, questo primo studio, vedi, ha un tasso di circa 86 occorrenze ogni 10 anni-paziente con placebo rispetto a 71 occorrenze |
| |
Nella nicardipina. Quindi, in realtà, si trattava di un farmaco che serviva a trattare l'emorragia subaracnoidea, un aumento della pressione intracranica che probabilmente si verifica se non si è in trattamento con un farmaco attivo. |
| |
Anche queste percentuali sono completamente dinamiche, questi tassi di incidenza. Quindi, ancora una volta, tutto questo viene elaborato da formule JMP che alimentano automaticamente la tabella. |
| |
che rispettano le diverse popolazioni selezionate da questo filtro globale. Quindi possiamo guardare solo agli Stati Uniti, ad esempio, e vedere i tassi e come cambiano, inclusi gli anni-paziente normalizzati in base ai pazienti provenienti solo dagli Stati Uniti, ad esempio. |
| |
Quindi, anche se questi report sembrano piuttosto semplici, la complessità della codifica JSL che va oltre la semplice integrazione in una dashboard è fondamentalmente ciò di cui si occupa il nostro team tutto il giorno. |
| |
Cerchiamo di fare questo in modo che tu abbia una dashboard che ti aiuti a esplorare i dati come li conosci, facilmente, senza tutte quelle manipolazioni che potrebbero diventare molto complesse. |
| |
Ora l'ultima cosa che volevo mostrare è l'idea di questa usanza |
| |
report o report personalizzato. Quindi questo è un ottimo posto per mostrarlo, perché qui stiamo esaminando i tassi di incidenza degli eventi avversi. E quindi stiamo esaminando ogni evento. |
| |
Abbiamo il conteggio, oppure possiamo anche modificarlo con il tasso di incidenza, ovvero la frequenza con cui si verifica per paziente/anno. Un'altra prospettiva potrebbe essere quella di voler analizzare l'andamento di questi eventi avversi nel tempo. |
| |
Voglio quindi mostrarvelo molto velocemente con la nostra API clinica. La tabella dati qui è completamente a vostra disposizione. |
| |
Una delle cose che devo fare per prima cosa è creare una variabile data numerica, per la quale abbiamo un piccolo widget nella tabella dati, e la trasformerò in una data numerica. Noterete che ora c'è una nuova colonna alla fine. |
| |
della data e ora di inizio numerica dell'evento avverso. Noterete anche che qui è dove tutta questa potenza deriva dalle formule. Si tratta in realtà di formule che vengono rigenerate dinamicamente in base alle popolazioni per creare queste visualizzazioni. |
| |
Ora che abbiamo una data numerica con questi dati, potremmo voler ampliare questa analisi per includere un nuovo tipo di grafico. |
| |
E ho uno script per farlo. Una delle cose che farò subito è creare un paio di colonne extra nel nostro set di dati per mese e anno. |
| |
E poi questa prossima parte di JSL sono le nostre chiamate API cliniche. E non entrerò nei dettagli, se non per il fatto che è un modo per agganciarci a |
| |
la revisione clinica e l'accesso alle sezioni. Quindi, quando eseguo questo codice, |
| |
In realtà inserirò una nuova sezione nella mia revisione clinica. E ora ho una nuova prospettiva per analizzare gli eventi avversi che si sono verificati anno per mese per tutti i soggetti del mio studio clinico. |
| |
Quindi uno dei poteri, ancora una volta, anche con questa vista personalizzata è che questa tabella, pur essendo ancora virtualmente unita al nostro gruppo principale, può ancora essere completamente |
| |
rispondere a quel filtro globale di join virtuale. Quindi, con un po' di codice API JSL personalizzato, possiamo prendere questi report standard e pronti all'uso e personalizzarli con i nostri tipi di analisi. |
| |
Quindi so che questa è stata una panoramica piuttosto ampia sia di JMP Clinical, sia dei tipi di analisi degli eventi avversi clinici che il sistema può eseguire e che sono comuni per coloro che lavorano nell'industria farmaceutica per le sperimentazioni cliniche, |
| |
ma spero che tu abbia trovato questa sezione utile e interessante anche se non lavori nel settore farmaceutico. Una delle migliori |
| |
Esempi di cosa sia JMP Clinical sono semplicemente un'estensione estrema e la potenza di JSL per creare applicazioni incredibilmente personalizzate. |
| |
Forse non stai lavorando con eventi avversi, ma qui vedi alcune cose che possono ispirarti a creare dashboard personalizzate o componenti aggiuntivi personalizzati per i tuoi tipi di analisi all'interno di JMP. |
| |
Grazie. |
