| Vocero |
Transcripción |
| Kelci J. Miclaus |
Hola y bienvenidos a JMP Discovery Online. Hoy hablaré sobre cómo resumir informes de eventos adversos y análisis de ensayos clínicos. |
| |
Soy el gerente senior del grupo de análisis avanzado de la división JMP Life Sciences aquí en SAS, y trabajamos mucho con clientes que utilizan datos genómicos y clínicos en sus investigaciones. |
| |
Así que, antes de repasar el resumen y los detalles sobre el uso de JMP con análisis de eventos adversos, quiero presentarles el software JMP Clinical que crea nuestro equipo. |
| |
JMP Clinical es uno de los productos de la familia que ahora incluye cinco productos oficiales, así como complementos, que pueden extender JMP para permitirle tener tantos tipos de aplicaciones verticales o extensiones de JMP como desee. |
| |
Mi equipo de desarrollo da soporte a JMP Genomics y JMP Clinical. JMP Genomics y JMP Clinical son, respectivamente, aplicaciones verticales personalizadas, basadas en JMP, que se utilizan para la investigación genómica y la investigación de ensayos clínicos. |
| |
Y hoy hablaré sobre cómo hemos creado revisiones y análisis en JMP Clinical para |
| |
Industrias farmacéuticas que realizan ensayos clínicos de seguridad y análisis de eficacia temprana. |
| |
El propósito original de JMP Clinical y la creación de este producto surgieron gracias a la asistencia prestada a la FDA, que es una gran usuaria de JMP. |
| |
Y su grupo CDER, el Centro para la Evaluación e Investigación de Medicamentos. Sus revisores médicos utilizaban habitualmente JMP para ayudar a revisar las solicitudes de medicamentos. |
| |
Y les encanta. Lo dominan a la perfección. Sin embargo, descubrieron que ciertas acciones repetitivas, sobre todo con datos clínicos muy estándar, podían resultar bastante tediosas. |
| |
Un ejemplo de ello es la idea de algo llamado gráfico de desplazamiento, que se utiliza para mediciones de laboratorio. |
| |
donde se compara el promedio del ensayo de un laboratorio con el valor basal de los grupos de tratamiento. Para crear esto, se necesitaron al menos ocho a diez pasos. |
| |
Dentro de la interfaz JMP, se abren los datos, se normalizan, se dividen en subconjuntos de línea base versus ensayo, se realizan estadísticas, respectivamente, para esos grupos, se vuelven a fusionar y luego se dividen esos datos por pruebas de laboratorio para poder crear este tipo de gráfico para cada laboratorio. |
| |
Y eso sin mencionar la cantidad de pasos necesarios dentro de Graph Builder para construirlo. |
| |
Así que JMP claramente puede hacerlo, pero lo que queríamos era solucionar su problema con este tipo de datos clínicos tan estándar. |
| |
Por ejemplo, con gráficos de cambios de laboratorio con un solo clic. De hecho, queríamos crear revisiones clínicas en nuestra infraestructura, a la que llamamos creador de revisiones. |
| |
que son revisiones estandarizadas y reproducibles con un solo clic para muchos de los análisis y visualizaciones estándar más comunes que se requieren o esperan en la investigación de ensayos clínicos para evaluar la seguridad y la eficacia de los medicamentos. |
| |
Así pues, JMP Clinical ha evolucionado desde aquella primera iniciativa para crear una aplicación personalizada para un gráfico de desplazamiento. |
| |
en un software de análisis de ensayos clínicos de servicio completo que abarca el monitoreo médico y la ciencia de datos clínicos, equipos de redacción médica, biometría y bioestadística, así como la gestión de datos en torno a los datos del estudio involucrados en la recopilación de datos para ensayos clínicos. |
| |
Esto se aplica tanto a la seguridad y la eficacia como a la integridad operativa o las anomalías operativas que puedan encontrarse en la recopilación de datos clínicos. |
| |
Algunas de las características clave de JMP Clinical que consideramos son |
| |
especialmente útil para aquellos que utilizan la interfaz JMP para cualquier tipo de análisis. |
| |
Son cosas como las uniones virtuales. Así que tenemos una idea de un filtro global de temas de revisión, que les mostraré durante las demostraciones de eventos adversos. |
| |
que realmente permiten integrar y vincular la información demográfica o los datos demográficos sobre nuestros sujetos en un ensayo clínico con todos los datos del dominio clínico que se recopilan. |
| |
Y esta arquitectura, que se habilita mediante uniones virtuales dentro de la interfaz JMP con sincronización del estado de las filas, |
| |
te permiten tener revisiones interactivas instantáneas con muy poca o ninguna manipulación de datos en todos los tipos de análisis que puedas estar realizando en un análisis de datos de un ensayo clínico. |
| |
Otra nueva función que hemos añadido al software también aprovecha parte de la potencia del filtro de datos JMP, así como |
| |
La creación de columnas indicadoras de JMP es esta capacidad de, mientras se revisan interactivamente los datos de ensayos clínicos, |
| |
Encuentre señales interesantes que indiquen, por ejemplo, que la captura de pantalla mostrada corresponde a sujetos que sufrieron un evento adverso grave durante el ensayo clínico; encuentre esas señales interesantes. |
| |
Y, de inmediato, crea un indicador que se almacene en los metadatos de tu estudio en JMP Clinical. |
| |
Eso está disponible para cualquier otro tipo de análisis que pueda realizar. Por ejemplo, puede decir: "Quiero analizar ahora los resultados de laboratorio de los pacientes que sufrieron un evento adverso grave frente a los de aquellos que no lo sufrieron, para ver si también existen anomalías que puedan estar relacionadas con la gravedad de la aparición de dicho evento". |
| |
Otra característica que también mostraré con JMP Clinical y la demostración sobre el análisis de eventos adversos es la |
| |
La API clínica de JMP que hemos integrado en el sistema. Uno de los aspectos más difíciles de proporcionar, crear y desarrollar una aplicación vertical. |
| |
que cuenta con informes con un solo clic listos para usar es que |
| |
Se llega al 90% del camino y entonces el cliente puede decir: "Ah, bueno, en realidad quería modificarlo", o "En realidad quería verlo de esta manera", o "Necesito cambiar la forma en que se muestra la vista de datos". |
| |
Así que una de las cosas en las que hemos estado trabajando intensamente en nuestro equipo de desarrollo es en el uso de JSL para scripting en JMP. |
| |
Se trata de integrar una API en la revisión clínica para tener control sobre los objetos, las visualizaciones, los paneles de control, los análisis e incluso los conjuntos de datos que se utilizan en nuestras revisiones clínicas. Por lo tanto, también mostraré algo de esto en el análisis de eventos adversos. |
| |
Así que retrocedamos un poco y entremos de lleno en los eventos adversos y los ensayos clínicos ahora que tenemos una visión general de JMP Clinical. |
| |
En realidad, hay dos formas clave de abordar esto. Está el aspecto de revisión de seguridad de un ensayo clínico, donde normalmente se contabilizan y se calculan los porcentajes de los eventos adversos que podrían ocurrir. |
| |
Y muchos médicos, monitores o revisores suelen utilizar estos datos para comprender anomalías médicas, ya sabes, cuando empieza a aparecer algún efecto adverso. |
| |
más comúnmente, con uno de los tratamientos que podrían tener implicaciones médicas. |
| |
También existe la detección estadística de señales, la idea de evaluar estadísticamente los eventos adversos que ocurren a una tasa inusual. |
| |
en uno de los grupos de tratamiento frente al otro. Aquí tenemos, por ejemplo, una tabla estática tradicional que se observa en muchos tipos de investigaciones, presentaciones o comunicaciones relacionadas con el análisis de eventos adversos de un ensayo clínico. |
| |
Básicamente, es una tabla estática con porcentajes y recuentos; si tiene una orientación más estadística, también verá elementos como intervalos de confianza y valores p. |
| |
en torno a cuestiones como odds ratios, riesgos relativos o diferencias de tasas. |
| |
Otra forma de visualizar esto es mediante un formato visual, en lugar de una tabla, para la detección de señales, observando, por ejemplo, la razón de probabilidades o la diferencia de riesgos. |
| |
En este caso, podríamos usar el Generador de gráficos para mostrar los resultados de un análisis estadístico de la incidencia de ciertos eventos adversos y cómo difieren entre los grupos de tratamiento, por ejemplo. |
| |
Esos son dos ejemplos. De hecho, según el trabajo que hemos realizado y los clientes con los que hemos colaborado en cuanto a cómo perciben y analizan los eventos adversos, |
| |
El sistema JMP Clinical ahora ofrece varios análisis de eventos adversos comunes, desde simples recuentos y porcentajes hasta tasas de incidencia o sucesos. |
| |
en métricas estadísticas como la diferencia de riesgo, el riesgo relativo, la razón de probabilidades, incluyendo algunos análisis de tiempo hasta el evento ajustados por exposición. |
| |
También podemos ser mucho más complejos con los tipos de modelos que ajustamos y adentrarnos en modelos mixtos o bayesianos para encontrar ciertas señales en nuestras diferencias de eventos adversos. |
| |
Además, utilizamos mucho estos datos al revisar la información médica, ya sea en un informe médico o en un perfil del paciente. |
| |
Así que ahora voy a pasar directamente a JMP Clinical con una revisión que he elaborado en torno a muchos de estos análisis comunes. |
| |
Una de las cosas que notarás de JMP Clinical es que no se parece exactamente a JMP, pero lo es. |
| |
Se trata de una solución integrada que incluye una gran cantidad de scripts JSL personalizados para crear nuestros propios tipos de interfaces. Por ejemplo, nuestra ventana principal muestra estudios, reseñas y ajustes. |
| |
Y ya tengo una reseña preparada. |
| |
aquí |
| |
Esto se basa en nuestros datos de ejemplo de nicardipina. Estos datos se incluyen con el producto y también están disponibles en la biblioteca de ejemplos de JMP. |
| |
Se trata de un ensayo clínico real sobre la hemorragia subaracnoidea. Participaron unos 900 pacientes. |
| |
Así pues, lo que analiza esta primera pestaña de nuestra revisión es simplemente la distribución de las características demográficas de esos pacientes: cuántos eran hombres y cuántos mujeres, y su distribución racial. |
| |
a qué grupo de tratamiento se les asignó, de qué centros se obtuvieron los datos, etc. Esto es muy común, simplemente como primer paso para comprender los datos clínicos de un ensayo clínico. |
| |
Aquí podrá observar un navegador de informes que muestra el resto de tipos de análisis que tenemos disponibles en esta revisión integrada. |
| |
Voy a repasar brevemente cada una de estas pestañas para mostrarles las diferentes maneras en que podemos analizar los eventos adversos con el conjunto de datos del ensayo clínico. |
| |
Actualmente, la forma habitual de recopilar datos en los ensayos clínicos es mediante un estándar internacional denominado formato CDISC. |
| |
Lo cual suele significar que tenemos un formato de conjunto de datos muy estructurado. Aquí podemos verlo, donde tenemos múltiples registros para cada sujeto que indican los diferentes eventos adversos que podrían haber ocurrido a lo largo del tiempo. |
| |
Estos datos se combinarán con los datos demográficos, que consisten en una fila por cada sujeto, como se muestra aquí. Tenemos aproximadamente 900 pacientes y, como se verá en este primer informe, contamos con entre 5000 y 5500 registros de diferentes eventos adversos ocurridos. |
| |
Por lo tanto, este es probablemente el informe más utilizado por muchos de los monitores y revisores médicos que evalúan las señales de eventos adversos. |
| |
Lo que tenemos aquí es básicamente un panel de control que combina un gráfico de recuentos del Generador de gráficos con una tabla adjunta, tal como están acostumbrados a ver este tipo de tablas. |
| |
Ahora bien, el verdadero valor de JMP reside en su interactividad y en ese enlace dinámico directo a tus datos, de modo que puedes seleccionar cualquier parte de los datos y visualizarla en ambos lugares. O, aún más potente, puedes controlar tus vistas con |
| |
Interruptores de columna. |
| |
Ahora podemos pasar de analizar la distribución de los tratamientos a considerar el sexo frente a la raza. Recordemos que, en cuanto a la raza, tuvimos bastantes casos que eran |
| |
En este estudio, la población blanca es un factor importante, por lo que este gráfico no resulta muy útil si lo analizamos por porcentajes o por recuentos; por lo tanto, podríamos normalizar los datos y mostrar porcentajes en su lugar. |
| |
También podemos optar por analizar el recuento global de eventos adversos. |
| |
Otra ventaja de usar este selector de columnas es la posibilidad de categorizar qué tipo de eventos fueron. ¿Fue un evento adverso grave? ¿Cuál fue su gravedad? |
| |
¿El resultado fue el que obtuvieron tras recuperarse? ¿Cuál fue la causa? ¿Estuvo relacionado con el fármaco del estudio? |
| |
Todas estas son preguntas que las revisiones médicas suelen plantearse para encontrar señales interesantes o anómalas relacionadas con los eventos adversos en su ocurrencia. |
| |
Una de las cosas que quizás ya hayas notado en este panel es que tengo un grupo de control como selector de columnas que controla tanto el gráfico como la tabla. Así, cuando selecciono "gravedad", la tabla también cambia. |
| |
Esto se logró con una gran cantidad de scripts JSL personalizados específicamente para nuestros propósitos, pero |
| |
Te voy a contar un secreto: en la versión 16, el desarrollador del selector de columnas nos permitirá tener este tipo de flexibilidad para que puedas vincular varios objetos de la plataforma al mismo selector de columnas para realizar un análisis complejo. |
| |
Voy a retomar este gráfico de ocurrencia, aunque parezca sencillo. Aquí tenemos otro ejemplo que muestra la ocurrencia general, donde ciertos eventos adversos podrían haber ocurrido varias veces al mismo sujeto. |
| |
Volveré a estos temas más adelante, pero primero repasaremos rápidamente el resto de los análisis y estas reseñas antes de retomar algunas de las complejidades del sencillo creador de gráficos y los informes de distribución tabulados. |
| |
La siguiente sección de nuestra revisión es la evaluación de incidentes adversos. Aquí, pasamos de simplemente observar recuentos y frecuencias, o posiblemente tasas de incidencia, a analizar los datos. |
| |
en un marco estadístico más amplio para probar la diferencia en la incidencia de ciertos eventos adversos entre un grupo de tratamiento y otro. |
| |
Aquí lo representamos con un gráfico de volcán. Podemos observar que la flebitis, la hipotensión y la isotenuria se presentan con mucha mayor frecuencia en nuestro grupo de tratamiento, el grupo tratado con nicardipino, en comparación con el grupo placebo. |
| |
Así, podemos seleccionar esos eventos y profundizar en una vista muy común para eventos adversos, que también es nuestro riesgo relativo para un gráfico de celdas. |
| |
que muchas veces sigue siendo más fácil de interpretar cuando solo se observan aquellas señales interesantes que posiblemente presenten diferencias clínicamente o estadísticamente significativas. |
| |
A veces los ensayos clínicos duran mucho tiempo. A veces duran unas pocas semanas, como este estudio, pero a veces duran años. |
| |
Por eso, a veces resulta interesante considerar las diferencias en los incidentes adversos a medida que avanza el ensayo. También contamos con esta capacidad. |
| |
El informe de detección de incidencias permite dividir el día o los días de estudio en secciones para observar cómo cambian los incidentes de eventos adversos a lo largo del tiempo. |
| |
Y una buena manera de demostrarlo podría ser con un gráfico de volcán en erupción que muestre cómo cambian esas señales a lo largo del desarrollo del estudio. |
| |
Otra idea importante relacionada con esto, especialmente cuando se trata de ensayos clínicos más largos o más complejos, |
| |
En lugar de fijarse únicamente en la incidencia directa entre los sujetos, se puede considerar el tiempo transcurrido hasta el evento o la tasa de exposición ajustada a la que se producen esos eventos adversos. |
| |
Y eso es lo que ofrecemos en nuestros análisis de tiempo hasta el evento, que una vez más, se muestran en un gráfico de volcán utilizando una prueba de Kaplan-Meier en |
| |
Existen diferencias en el tiempo de ocurrencia de ciertos eventos que se producen en un ensayo clínico. Una de las ventajas es que se pueden seleccionar estos eventos y analizarlos en detalle en el JMP. |
| |
plataforma de supervivencia para obtener todos los detalles de cada uno de los eventos adversos que tal vez tuvieron resultados de tiempo de evento diferentes entre los grupos de tratamiento. |
| |
Otra variante del cálculo del tiempo hasta el evento se conoce como razón de densidad de incidencia, que se basa en la idea de la densidad de incidencia ajustada a la exposición. Básicamente, la diferencia radica en que, en lugar de utilizar análisis de riesgos proporcionales o de Kaplan-Meier más tradicionales, este método se asemeja más a un |
| |
una distribución de estilo Poisson ajustada según el tiempo de exposición real al fármaco. Y, una vez más, aquí podemos observar esas señales principales. |
| |
y profundizar en el informe análogo dentro de JMP utilizando un modelo lineal generalizado para ese tipo específico de modelo con una detección de señal de evento adverso. |
| |
De hecho, también ofrecemos análisis bayesianos muy complejos. Una de las características típicas de este tipo de datos son los eventos adversos. |
| |
Existen dentro de ciertos sistemas o clases corporales... clases de órganos. Por lo tanto, hay mucha información previa que podemos incorporar a estos modelos. Así que algunos de nuestros clientes, a través de sus equipos de biometría, deciden utilizar modelos bastante sofisticados al analizar sus eventos adversos. |
| |
Hasta ahora, hemos partido de lo que yo consideraría visiones de distribución bastante simplistas de los datos. |
| |
en distribuciones y simplemente contar gráficos de eventos adversos en análisis estadísticos muy complejos. |
| |
Voy a volver ahora a lo que se considera información simple de recuento y frecuencia, y quiero dedicar un tiempo aquí a mostrar el poder de la interactividad de JMP que tenemos. |
| |
Como recordarán, una de las diferencias aquí es que esta tabla es una tabla apilada que contiene todas las ocurrencias de nuestros eventos adversos para cada sujeto. |
| |
y nuestra tabla demográfica, que sabemos que tiene 900 sujetos, está aparte. Así que lo que queríamos no era un gráfico estático, |
| |
como lo que tenemos aquí, o como lo tendríamos en un informe típico en formato PDF, pero queríamos poder explorar nuestros datos de forma interactiva. |
| |
y analicemos subgrupos de nuestros datos para ver cómo cambiarían esos porcentajes. Ahora bien, la dificultad radica en que el cálculo del porcentaje debe provenir del recuento de sujetos en una tabla diferente. |
| |
Así que lo hemos hecho mediante fórmulas... como crear fórmulas de columna para controlar dinámicamente el recálculo de porcentajes al seleccionarlos, ya sea dentro de la categorización de eventos. |
| |
o, de forma más eficaz, utilizando nuestra herramienta de filtro de temas de revisión. Aquí, por ejemplo, estamos viendo todos los temas por tratamiento. |
| |
Quizás se trate de eventos adversos graves o no graves, pero podemos usar este filtro de datos global que afecta a cada uno de los informes a nivel de sujeto en nuestra revisión. |
| |
y cambiar instantáneamente nuestros grupos demográficos y cambiar nuestros porcentajes para ser |
| |
Este tipo de exploración de subgrupos es interactiva. Aquí, podemos subagrupar a las mujeres blancas y ver su porcentaje de eventos adversos y sus talentos, o quizás prefiera un análisis más detallado para comprender cómo cambian los datos en cada sitio. |
| |
Entonces, lo que realmente tenemos aquí es, en lugar de un paquete de presentación o un análisis clínico, donde el equipo de biometría |
| |
Se entregan 70 gráficos y tablas diferentes al revisor médico para que los examine y analice; tienen la capacidad de crear cientos de tablas diferentes, subconjuntos diferentes y gráficos diferentes, todo en una sola interfaz. |
| |
De hecho, se puede filtrar aún más dentro de esas categorías interesantes. Por ejemplo, si estuvieran analizando eventos adversos graves. |
| |
y querían saber muy rápidamente sobre los eventos adversos graves relacionados con el tratamiento farmacológico; ahora hemos reducido un subconjunto muy pequeño de nuestros 900 pacientes a aproximadamente |
| |
Nueve pacientes experimentaron eventos adversos graves que se consideraron relacionados con el tratamiento. Por lo tanto, como revisor médico, es importante que Ithen comprenda todos los detalles clínicos de estos pacientes. |
| |
Y muy rápidamente, puedo usar uno de nuestros botones de acción del informe para acceder a lo que se denomina un perfil completo del paciente. |
| |
Aquí podemos ver ahora toda la información, en lugar de a nivel resumido, a nivel individual de todo lo que le ocurrió a este paciente a lo largo del tiempo. |
| |
incluyendo cuándo ocurrieron eventos adversos graves y las mediciones de laboratorio o signos vitales que se tomaron junto con esos eventos. |
| |
Otro de los principales usos de nuestro sistema JMP Clinical, además de la revisión y el seguimiento médico, es para los equipos de redacción médica. En lugar de visualizarlo gráficamente o en una tabla (como las de perfiles de pacientes), puede consultar esta información aquí. |
| |
y generar una narrativa automatizada. |
| |
Así que aquí vamos a lanzar |
| |
para la generación de narrativas de eventos adversos. Una vez más, uno de los beneficios y valores de nuestro JMP Clinical es que se trata de una aplicación vertical que se basa en datos estandarizados. |
| |
La ventaja es que conocemos todos los datos y su formato desde el principio, simplemente con que nos remitan al estudio. Así que lo que podemos hacer aquí es ejecutar esta narrativa. |
| |
que nos va a escribir |
| |
la historia real de cada uno de esos eventos adversos que ocurrieron. |
| |
Y esto abrirá un documento de Word. |
| |
que contiene todos los detalles sobre este tema, su demografía, su historial médico y luego cada uno de los eventos adversos y los resultados u otros problemas relacionados con esos eventos adversos. |
| |
Y podemos hacerlo para un paciente a la vez o incluso para los 900 pacientes a la vez e incluir |
| |
Detalles más complejos, como mediciones de laboratorio, signos vitales (ya sean basales o previos), son fundamentales. Por ello, los revisores médicos consideran sumamente valioso poder estandarizar las fuentes de datos y evitar errores en la transferencia de datos de una tabla numérica a una descripción narrativa. |
| |
Así que creo que solo con eso se puede apreciar realmente parte del poder de estas vistas de distribución, estas |
| |
Gráficos de recuento que permiten analizar los datos a niveles muy detallados. Esta capacidad de usar filtros de temas para |
| |
Busque información tanto en la población total de sus pacientes en un ensayo clínico como en subgrupos relevantes que haya encontrado. |
| |
Ahora bien, una cosa sobre la forma en que nuestro filtro global funciona a través de nuestras uniones virtuales es que esta es solo la información que normalmente muestra datos demográficos. |
| |
Otra de las herramientas personalizadas que hemos incorporado a este sistema es la capacidad de, por ejemplo, seleccionar a todos los sujetos con un evento adverso grave. |
| |
Y podemos obtener un indicador de población y luego utilizarlo en análisis posteriores. |
| |
o incluso podemos aplicar el filtro de ese sujeto a nuestro filtro global y ahora solo estamos viendo casos graves... a un sujeto que tuvo un evento adverso grave, que fueron aproximadamente... casi 300 pacientes en el ensayo clínico tuvieron un evento adverso grave. |
| |
Ahora bien, incluso este informe, como verán, está filtrado. El segundo informe presenta un aspecto diferente de la distribución de eventos adversos, una novedad de nuestra última versión: las tasas de incidencia. |
| |
Aquí, la idea es, en lugar de normalizar o dividir para calcular un porcentaje por el número de sujetos que tuvieron un evento, si se trata de ensayos clínicos en curso, ensayos de larga duración o estudios en diferentes países con distintas fechas de inicio, |
| |
Quizás te interese analizar la frecuencia con la que ocurren los eventos adversos. Eso es precisamente lo que calcula esta herramienta. En este caso, nos centramos en los sujetos que sufrieron un evento adverso grave y podemos observar la tasa de ocurrencia. |
| |
en años-paciente. Por ejemplo, este primer caso, como pueden ver, tiene una tasa de aproximadamente 86 casos por cada 10 años-paciente en el grupo placebo frente a 71 casos. |
| |
En el caso de la nicardipina. Este medicamento se utilizaba para tratar la hemorragia subaracnoidea; sin embargo, es probable que aumente la presión intracraneal si no se recibe tratamiento con un fármaco activo. |
| |
Estos porcentajes, al igual que estas tasas de incidencia, son completamente dinámicos. Una vez más, todo esto se calcula mediante fórmulas de JMP que alimentan la tabla automáticamente. |
| |
que respetan las diferentes poblaciones, ya que son seleccionadas mediante este filtro global. Así, podemos observar, por ejemplo, solo dentro de EE. UU., las tasas y cómo varían, incluyendo los años-paciente normalizados basados en los pacientes que son solo de EE. UU., por ejemplo. |
| |
Así que, aunque estos informes parezcan bastante sencillos, la complejidad de la codificación JSL que va más allá de integrar esto en un panel de control es básicamente lo que nuestro equipo hace todo el día. |
| |
Intentamos hacerlo para que usted tenga un panel de control que le ayude a explorar los datos como ya sabe, fácilmente y sin todas esas manipulaciones que podrían volverse muy complejas. |
| |
Lo último que quería mostrar es la idea de esta personalización. |
| |
Informe o informe personalizado. Este es un buen lugar para mostrarlo, ya que aquí analizamos las tasas de incidencia de eventos adversos. Y, por lo tanto, analizamos cada evento individualmente. |
| |
Y tenemos el recuento, o también se puede cambiar a la tasa de incidencia, es decir, la frecuencia con la que ocurre por paciente al año. Otra perspectiva sería observar la evolución de estos eventos adversos a lo largo del tiempo. |
| |
Por eso quiero mostrarles esto rápidamente con nuestra API clínica. La tabla de datos que aparece aquí está totalmente disponible. |
| |
Una de las primeras cosas que debo hacer es crear una variable de fecha numérica. Para ello, tenemos un pequeño widget en la tabla de datos, y la convertiré en una fecha numérica. Ahora verán que hay una nueva columna al final. |
| |
de la fecha y hora de inicio numérica del evento adverso. Aquí también se observa que toda la potencia reside en las fórmulas. Estas fórmulas se regeneran dinámicamente en función de los datos de población para crear estas vistas. |
| |
Ahora que disponemos de una fecha numérica con estos datos, podríamos ampliar este análisis para incluir un nuevo tipo de gráfico. |
| |
Y tengo un script para hacerlo. Una de las primeras cosas que voy a hacer es crear un par de columnas adicionales en nuestro conjunto de datos para el mes y el año. |
| |
Y luego, este siguiente fragmento de JSL son nuestras llamadas a la API clínica. No voy a entrar en detalles, salvo que es una forma de conectarnos con... |
| |
la revisión clínica y el acceso a las secciones. Entonces, cuando ejecuto este código, |
| |
Esto añadirá una nueva sección a mi revisión clínica. Ahora tengo una nueva perspectiva para analizar los eventos adversos a lo largo del año, mes a mes, en todos los participantes de mi ensayo clínico. |
| |
Así pues, una de las ventajas, incluso con esta vista personalizada, es que esta tabla, al estar unida virtualmente a nuestro grupo principal, aún puede completarse |
| |
Respondemos a ese filtro global de temas de unión virtual. Así, con un poco de código JSL de API personalizado, podemos tomar estos informes estándar predefinidos y personalizarlos con nuestros propios tipos de análisis. |
| |
Sé que esto ha sido una descripción general bastante extensa tanto de JMP Clinical como de los tipos de análisis de eventos adversos clínicos que el sistema puede realizar y que son comunes para quienes trabajan en la industria farmacéutica en ensayos clínicos. |
| |
Pero espero que esta sección les haya resultado valiosa e interesante, incluso si no trabajan en el sector farmacéutico. Una de las mejores |
| |
Un ejemplo de lo que es JMP Clinical es simplemente una extensión extrema y el poder de JSL para crear aplicaciones increíblemente personalizadas. |
| |
Quizás no estés trabajando con eventos adversos, pero aquí puedes ver algunas cosas que te inspiren a crear paneles personalizados o complementos personalizados para tus propios tipos de análisis dentro de JMP. |
| |
Gracias. |
