JMP als Werkzeug zur Untersuchung und Interpretation von Simulationsergebnissen
Mitsubishi Tanabe Pharma Corporation, Abteilung Data Science, Abteilung Arzneimittelentwicklung, Manager, Naoya Niimura Mitsubishi Tanabe Pharma Corporation, Abteilung Data Science, Abteilung Arzneimittelentwicklung, Yuichiro Kato, Nobuhiro Nakanishi
Die Rolle eines Studienstatistikers in der Arzneimittelentwicklung besteht darin, das Studiendesign einschließlich der Stichprobengröße zu planen. Andererseits ist es in den letzten Jahren aufgrund der zunehmenden Menge an Informationen, die berücksichtigt werden müssen (z. B. verschiedene Sensitivitätsanalysen), und der Diversifizierung der Studiendesigns (z. B. Zwischenanalyse/adaptives Design) schwierig geworden, Studiendesigns ausschließlich auf der Grundlage numerischer Berechnungen zu planen. Wenn es beispielsweise um das Stichprobengrößendesign geht, ist die in JMP implementierte Stichprobengrößendesignfunktion allein nicht ohne Weiteres ausreichend, wenn Sie die gleichzeitige Erkennungsstärke mehrerer Bewertungsindizes kennen möchten. Neben theoretischen Ansätzen, die auf numerischen Berechnungen basieren, werden häufig auch Ansätze verwendet, die Simulationen kombinieren. Die Ergebnisse dieser Ansätze sind jedoch für diejenigen, die die Versuche durchführen und keine Statistikexperten sind, manchmal schwer verständlich. Bei der Präsentation von Simulationsergebnissen gegenüber den oben genannten Mitarbeitern und Entscheidungsträgern in den ihnen angeschlossenen Institutionen sind die Benutzerfreundlichkeit und die intuitive Visualisierung von JMP äußerst hilfreich. Dieses Mal haben wir untersucht, wie die Visualisierungsfunktionen in JMP zur Entscheidungsfindung bei der Studiengestaltung eingesetzt werden können. In dieser Präsentation stellen wir die Ergebnisse der Simulation und den Prozess der Berücksichtigung dieser Ergebnisse anhand einer Demonstration am Beispiel eines Beispieldesigns vor.
