Nivel: Principiante
Kelci Miclaus, Gerente sénior de I+D de análisis avanzado, JMP Life Sciences, SAS
Realizar investigación traslacional y clínica conlleva un alto coste. Debido a los costes y el tiempo que implican los estudios para comprender los resultados de salud y las enfermedades, los investigadores suelen recopilar la mayor cantidad de datos posible sobre el mayor número de variables de valoración. Esto se ve reforzado por nuestro conocimiento limitado de las bases genómicas de las enfermedades y las buenas prácticas de investigación clínica para evaluar no solo la eficacia de las nuevas terapias, sino también su seguridad e integridad operativa. En el ciclo de vida de los datos en ciencias de la vida, el volumen de datos plantea desafíos para el análisis y la comunicación de resultados; las prácticas tradicionales que generan cientos de tablas no son ni eficientes ni efectivas. Esta presentación se centrará en la visualización para comunicar resultados en varios análisis de casos prácticos típicos de la investigación en ciencias de la vida. Destacaremos tanto las técnicas de visualización de resúmenes de datos como los gráficos para comunicar los resultados de análisis estadísticos complejos. Algunos ejemplos incluyen diagramas de volcán y diagramas de Manhattan al realizar modelos estadísticos con miles o millones de datos genómicos, resúmenes de distribución de seguridad y eficacia en ensayos clínicos, tendencias de hallazgos de laboratorio (diagramas de cascada, diagramas de desplazamiento, diagramas de espagueti, diagramas de lasaña, diagramas de natación) y detección de anomalías en la integridad operativa clínica. Todos los ejemplos se presentarán con Graph Builder, mostrando la potencia y flexibilidad de esta plataforma clave de JMP.
