Niveau: Anfänger
Kelci Miclaus, Senior Manager Advanced Analytics R&D, JMP Life Sciences, SAS
Translationale und klinische Forschung ist mit hohen Kosten verbunden. Angesichts des Kosten- und Zeitaufwands für Studien zum Verständnis von Gesundheitsergebnissen und Krankheiten sammeln Forschende üblicherweise so viele Daten wie möglich zu möglichst vielen Endpunkten. Dies wird zusätzlich durch unser begrenztes Verständnis der genomischen Grundlagen von Krankheiten und die Einhaltung guter klinischer Forschungspraxis (GCP) motiviert, um nicht nur die Wirksamkeit neuer Therapien, sondern auch deren Sicherheit und operative Integrität zu bewerten. Im Lebenszyklus von Life-Science-Daten stellt das Datenvolumen eine Herausforderung für die Analyse und Kommunikation der Ergebnisse dar; traditionelle Verfahren, die Hunderte von Tabellen erzeugen, sind weder effizient noch effektiv. Diese Präsentation konzentriert sich auf die Visualisierung von Ergebnissen anhand mehrerer Fallstudienanalysen, die typisch für die Life-Science-Forschung sind. Wir stellen sowohl Techniken zur Visualisierung von Datenzusammenfassungen als auch Diagramme zur Darstellung der Ergebnisse komplexer statistischer Analysen vor. Beispiele hierfür sind Volcano-Plots und Manhattan-Plots bei der Durchführung von statistischen Modellen mit Tausenden bis Millionen von Genomdaten, Verteilungsübersichten von Sicherheit und Wirksamkeit in klinischen Studien, Trends in Laborbefunden (Wasserfalldiagramme, Shift-Plots, Spaghetti-Plots, Lasagne-Plots, Swimmer-Plots) und die Erkennung von Anomalien in der klinischen operativen Integrität. Alle Beispiele werden mit Graph Builder präsentiert, um die Leistungsfähigkeit und Flexibilität dieser wichtigen JMP-Plattform zu demonstrieren.
