Kelci Miclaus, Senior Manager, Ricerca e Sviluppo di Analisi Avanzate, JMP Life Sciences, SAS Institute Inc.
Condurre ricerche traslazionali (che spaziano dai campi di base a quelli applicati) e ricerche cliniche è costoso. Per comprendere gli esiti sanitari e le malattie, i ricercatori in genere raccolgono la massima quantità di dati sul maggior numero possibile di parametri, tenendo conto dei costi e dei tempi. Ciò è ulteriormente motivato dalla limitata comprensione delle basi genomiche delle malattie e dalla necessità di protocolli di ricerca clinica di alto livello per valutare non solo l'efficacia delle nuove terapie, ma anche la loro sicurezza e integrità operativa. Nel "ciclo di vita" dei dati delle scienze biologiche, l'enorme volume di dati può rappresentare un onere significativo nell'analisi e nella comunicazione dei risultati (i metodi tradizionali di creazione di centinaia di tabelle non sono né efficienti né efficaci). Questa sessione si concentrerà sulla visualizzazione, in particolare per la comunicazione dei risultati, nel contesto delle tipiche analisi di casi studio nella ricerca nelle scienze biologiche. Discuteremo le tecniche per riassumere e visualizzare i dati, e per creare grafici, al fine di comunicare i risultati di analisi statistiche complesse.
Spiegherò tutto nel dettaglio. Gli esempi includono grafici a vulcano e grafici di Manhattan nell'esecuzione di modelli statistici con migliaia o milioni di dati genomici, riepiloghi della distribuzione di sicurezza ed efficacia negli studi clinici, andamenti diagnostici di laboratorio (grafici a cascata, grafici a spostamento, grafici a spaghetti, grafici a lasagna, grafici a nuotatore) e rilevamento di anomalie di completezza negli studi clinici. Tutti gli esempi sono stati creati utilizzando Graph Builder di JMP, di cui verranno evidenziati i vantaggi e la flessibilità.
