<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Autores
Anastasia Dmitrienko (Blue Valley High School, Overland Park, KS) y Richard C. Zink (JMP Life Sciences, SAS Institute, Cary NC)
Biografía del autor
Anastasia Dmitrienko es una alumna de último año en Blue Valley North High School. Se interesó por las estadísticas y trabajó en el desarrollo de herramientas de software de ensayos clínicos, como herramientas de monitoreo basadas en el riesgo (ha presentado dos afiches sobre este tema en conferencias regionales y nacionales). Anastasia es miembro de la American Statistical Association y ha sido usuario de JMP durante más de un año.
Richard C. Zink es el principal desarrollador de estadísticas de investigación en la división de ciencias de la vida de JMP en el Instituto SAS, luego de ocho años en la industria farmacéutica. Richard es editor de la sección de estadísticas de Innovación Terapéutica y Ciencia Reguladora , y tiene un doctorado en bioestadística de la Universidad de Carolina del Norte en Chapel Hill, donde se desempeña como miembro adjunto de la facultad. Es autor de Monitoreo basado en riesgo y detección de fraude en ensayos clínicos con JMP y SAS .
Resumen
Las estrategias de monitoreo basado en el riesgo (RBM, por sus siglas en inglés) se usan comúnmente en ensayos clínicos para detectar sitios de ensayos con características inusuales como riesgos de eventos adversos excesivos. Esta presentación se enfoca en el desarrollo de límites de control y herramientas de monitoreo tales como gráficos de embudo y mapas de calor para resultados binomiales y de Poisson. Los límites de control se basan en intervalos de confianza asintóticos y exactos para los parámetros correspondientes. Los factores importantes que afectan la cantidad esperada de variabilidad, como el tiempo de estudio del paciente, se consideran al calcular los límites de control. Los métodos desarrollados en este póster se aplican para definir reglas RBM para monitorear la interrupción del paciente (resultado binario) y la cantidad de eventos adversos por paciente (resultado del recuento) en varios ensayos clínicos reales. Estas estrategias RBM se implementan utilizando scripts JSL personalizados y plataformas de software JMP existentes.
