除了目前的數據品質報告之外，還添加了五個附加報告。雖然這五份報告存在於 JMP Clinical 8.1 中，但它們已針對 JMP Clinical 18.1.2 完全重寫。
工作日和假期正在尋找週末或假日期間發生的異常就診，這可能表示臨床詐欺。在 JMP Clinical 8.1 中，該報告主要關注全球和美國的假期。為了實現其他可能性，我們實施了一種讓客戶添加適用於本地的假期的方法。然而，這涉及過多的體力勞動。為了克服這一負擔， Python 假期包已整合到系統中，讓客戶可以建立特定國家/地區的假期參考資料集。該資料集可以根據需要隨時更新。
該圖顯示了一個範例：
輸出是 FDR 閾值約為 2.9 的火山圖。每個站點都會在週末或假期進行調查結果或研究訪問試驗，並以點表示。高於閾值的每個點都被認為是重要的，這意味著與所有其他站點相比，該特定站點存在顯著性差異。將滑鼠懸停在點上時會出現長條圖。我們可以看到，對於高於閾值的點，與所有其他網站相比，在該特定假期沒有發生任何調查結果訪問。
相關結果尋找結果趨勢的相關升高或降低。它按每個站點的域與所有其他站點比較變數的關係，以評估異常資料模式，從而檢測和修正品質問題，如下圖所示：
輸出是 FDR 閾值約為 2.6 的火山圖。每個站點都經過相關結果測試，並以點表示。高於閾值的每個點都被認為是重要的，這意味著與所有其他站點相比，該特定站點存在顯著性差異。將滑鼠懸停在點上時會出現熱圖，如下所示：
與所有其他站點相比，站點 28 的成對發現之間的相關性似乎更多。如果我們更仔細地查看第 28 位點，以了解每位患者的丙胺酸轉氨酶和天門冬胺酸轉氨酶之間的相關結果，我們會看到許多相關趨勢（見下圖）。有趣的是，當肝臟中毒時，這些酵素將直接相關。
頻率將每個站點與所有其他站點的分類結果資料的頻率進行比較，以評估任何異常資料模式，從而檢測和修正品質問題。該報告確定了整個研究或研究訪問中的異常頻率。這種分析通常用於分類變量，儘管對連續結果的分析可以識別某個站點與其他站點相比某些值的代表性過高或過低。此測試使用 LB 和 EG 數據，可以按造訪次數進行過濾。
摘要統計將每個站點與所有其他站點的連續發現資料的摘要統計進行比較，以評估任何異常資料模式。它尋找站點與所有其他站點相比的結果測試平均值的標準化差異。
篩選偏差允許分析師識別兩次訪問之間值的任何大的現場內變化，以識別評估研究進入標準時的均值回歸。使用配對t檢定進行分析。
