JMP Clinical

JMP Clinical,是SAS公司面向生命科學領域的下一代數據分析平台,它將SAS豐富而強大的分析功能和JMP突出的動態圖形分析結合起來,既包含多個SAS軟體的強大分析模組,又具備JMP軟體的所有功能及其互動式可視化數據分析的特性,能為苗頭化合物尋找、臨床前研究、臨床試驗、流行病研究、疾病控制、公共衛生、生物統計教學等領域提供前所未有的強大、便捷、高效的分析能力。

基本介紹

  • 外文名:JMP Clinical
  • 領域:生命科學領域
  • 開發商:SAS公司
  • 特點:強大、便捷、高效的分析能力
JMP Clinical of SAS 概覽,簡化臨床試驗的數據分析,從巨觀場景開始,鑽取要關注的,輕鬆過渡到現代評審環境,從各個角度查看和探索數據,主要功能,將JMP的動態可視化與強大的SAS分析技術聯接,JMP互動式可視化分析能力,對可視化分析進行的空間展現,儀錶盤圖表,CDISC數據最佳化,受試者聚類,時間視窗,從各個方面檢查患者檔案,新統計方法,模式發現功能,預測模型分析工具,

JMP Clinical of SAS 概覽

特別地,在臨床試驗方面,JMP Clinical能夠通過大幅簡化臨床試驗數據的安全性審查,縮短昂貴和繁瑣的藥物開發過程。它幫助用戶從靜態的、以文檔為中心的環境遷移到一種互動式的數據驅動環境,這種環境已被特別地最佳化以幫助用戶更高效地獲得新發現。它從核心的CDISC域中篩選數據來提高安全性和有效性評估,縮短藥物的推向市場的時間,並在研究過程的早期及時發現致命的缺陷。它能夠可視化地呈現分析結果,這樣用戶就可以聚焦那些很可能會被工作表和靜態表格掩蓋的重要趨勢。JMP Clinical提供了獨特、便捷的方式幫助用戶訪問圖形背後的數據,能夠對各種事件、干預和發現進行聚類分析。它尤其適合醫學評審員,流行病學家、數據監查員,生物統計學家和生物測定學團體使用,以高效地分析臨床試驗的安全性數據。

簡化臨床試驗的數據分析

從巨觀場景開始,鑽取要關注的

JMP Clinica of SAS軟體為臨床試驗數據的精密分析和探索帶入到一個動態的安全審查過程中。它結合了SAS Analytics業界領先的分析能力和長期在臨床評審領域得到認可的JMP的圖形靈活性。
醫學評審員、生物統計學家、數據監查員和生物測定技術團體成員需要準確高效地理解和匯報臨床試驗數據。JMP Clinical提供了一個良好的協作環境,促進從統計的角度對與醫學相關的假設進行探索。
JMP Clinical將先進統計方法與獨特圖形效果完美銜接,呈現出臨床試驗結果的詳實圖片。不論用戶的統計水平如何,其無與倫比的易用特性將多方面的分析功能均奉送到所有用戶的手中。在簡化的對話框和定製的工作流程的協助下,即使沒有編程經驗或統計培訓的評審員也可以快速上手。
韋恩圖有助於識別受試者同時產生的不良事件韋恩圖有助於識別受試者同時產生的不良事件
JMP Clinical的一個顯著特點是通過多方面的向下鑽取和向上遊動能力,可以在整個試驗結果和特定受試者試驗結果之間順暢地切換。
“圖形生成器”和地圖的創新結合讓用戶能夠選擇任何數據以展現其地域性信息。
“圖形生成器”和地圖的結合“圖形生成器”和地圖的結合

輕鬆過渡到現代評審環境

JMP Clinical使用CDISC數據,全球公認的臨床分析和報告標準。它組織起整個審查過程,通過自動化的分析與報告形式在後台工作,讓您有更多的時間來解釋和理解結果。
作為首批最為了解ADaM數據的工具之一,對於正在過渡到現代評審環境的臨床醫師和生物統計學家而言,JMP Clinical是一個明智的選擇。其可選的64位平台可以帶來更強大的海量數據分析能力。
該軟體支持安全性和有效性評審的九項核心的CDISC域:人口學資料、不良事件、治療史、處置、暴露情況、合併用藥、實驗室檢查結果,心電圖和生命體徵。當然,通過簡單的配置,它也能分析其他CDISC域的結果。
您可以依靠JMP Clinical來:
可視化、互動式探索地數據,替代靜態的表格和列表
利用分布的可視化儀錶盤和具有人口互動特性的發病率顯示屏分析來考察事件、發現和干預之間的關係。
幾乎可以為任何分析選擇特定的時間視窗。
輕鬆分享報告,使內部評審員之間、乃至贊助機構和監管機構之間的溝通更加順暢。
擬合高級統計模型,包括那些與時間視窗的統計模型。

從各個角度查看和探索數據

全新的Clinical起始頁選單幫助你載入CDISC數據和按邏輯順序遵循FDA報告準則。可定製的、選單驅動的桌面系統讓您從各個角度觀察和探索安全性和有效性的數據,然後與其他人輕鬆共享結果。您還可以使用對話框來快速地管理數據,提高合作小組之間的溝通效率。
JMP Clinical可以毫不費力地獲取圖形背後的統計分析,這是其他同類軟體工具無法實現的一個好處。例如,JMP Clinical可以輕鬆地從任意圖形中選擇特定受試者生成患者檔案,根據種族、性別或其他特徵考察分組的分析結果。用戶只需要匯總、選擇、放大和深度鑽取即可。
JMP Clinical的特點是在展現安全性和有效性數據時,既產生行業標準圖形,又創造了一些新穎獨特的圖形。在有限的視覺空間內,JMP Clinical通過簡易儀錶盤上的圖形,輕鬆地識別個體間的差異。新增的地圖功能讓用戶可以比較不同試驗地點或國家的檢驗結果。

主要功能

將JMP的動態可視化與強大的SAS分析技術聯接

全新的啟動界面,可以迅速通過點擊滑鼠進入所有報告。
廣泛的高級統計分析、模式發現和預測建模功能,其方法都有案可稽。
一個可以跟蹤用戶分析過程和路徑的審核索引。
用戶可自定義分析流程、對話框和模板,並為用戶提供詳細的編程手冊。
用戶可以訪問所有的 SAS 代碼、宏和JMP腳本,可以確切看到所有工作的進展和完成情況,不再存在黑匣子。
與 JMP Genomics 共享架構,可以將傳統臨床數據分析與基因組的生物標記分析相結合。

JMP互動式可視化分析能力

縮放和過濾功能可以用來對數據向下鑽取,發現具備統計顯著性的事件。
以探索和發現為核心對動態圖形和統計技術進行融合,實現其他統計軟體所無法達到的高度可視化探索及分析能力。
無與倫比的靈活性,只需要點擊滑鼠就可以生成:二維和三維散點圖、樹圖、馬賽克圖、平行圖、疊加圖,等高線圖,氣泡圖等各種自定義圖形。
用圖形生成器通過簡單的拖拽生成高度動態的圖形,能對數據模式進行可視化的探索性分析。
內置的腳本語言會記錄所有分析和圖形操作,並能自動生成和反覆使用,這幫助用戶能夠非常簡單地固化和分享分析方法和結果。

對可視化分析進行的空間展現

實現在動態火山圖或者氣泡圖中實現四維及以上維度的報告。
用數據電影來展現干預效果隨時間的變化情況。
在5維韋恩圖中對重疊因子進行高效的描述。

儀錶盤圖表

海量數據的可視化初覽,使得對數據的早期理解分秒可達。
幾次滑鼠點擊就可以讓用戶實現基本安全工作流(BSW)所要求的一整套標準分析。
後台強大的數據處理能力幫助用戶更容易地充分發揮統計分析的能力。
即時糾錯能力。若建議的變數有數據缺失,JMP/SAS Clinical會自動在其他位置中搜尋這些數據。
工作流生成器,讓專業用戶創造自定義工作流。
數據和圖形之間存在動態連結。通過點擊圖形的特定部位即可選定這部分圖形代表的後台數據,然後點擊滑鼠進行子集化,即可獲取這部分數據。
數據過濾器可以幫助用戶用複雜的查詢命令定製特定數據的圖形化展示。

CDISC數據最佳化

CDISC(臨床報告和分析的全球標準)輕鬆遷移。
在數據評估時自動檢查CDISC所需變數。
作為市場上首個ADaM (分析數據模型)感知工具,JMP Clinical of SAS可以對源自SDTM(研究數據表格模型)的數據進行信息管理。
通過收集SDTM數據的相關片段實時創建 ADSL 數據集和其他類型的ADaM數據集。

受試者聚類

查看域內或者跨域的干預、事件和發現,以找到隱藏的模式。
分別通過對合併用藥以及治療史的篩選,來發現藥與藥的、藥與人口統計資料的以及藥與疾病的等相互作用。

時間視窗

對任意時間視窗進行詳覽和分析,可以輕鬆發現被總體摘要報告所掩蓋的時間趨勢。
動態地以時間為主線來展現數據,並可以用氣泡圖結合其他高級圖形(如地圖)實現動畫放映效果。
圖:一個帶有二位聚類的Hierarchical Cluster報告幫助識別安全性分
帶有二維聚類的Hierarchical Cluster報告帶有二維聚類的Hierarchical Cluster報告
析中包含的個體受試者和事件、發現以及干預之間的關係。

從各個方面檢查患者檔案

打開任何CDISC域,新建任何受試者的患者檔案。
向下鑽取關於任何顯著不良事件和其他內容的細節。
定製患者檔案模板,根據需要選擇相關安全域的展示方式。
查看任何受試者的治療史。
同時對多個受試者建立患者檔案。

新統計方法

運用Fisher’s Exact Test, Kaplan-Meier曲線和混合模型方差分析等方法為主要的CDISC域篩選和對比安全性結果。
在為多種檢驗進行糾正的過程中發現數據中統計意義上的顯著差異:比如在對有關方差分析或其他流程的多種檢驗糾正中採用最新的檢驗方法(例如:Adaptive Holm, Adaptive Hochberg, Adaptive FDR和Dependent FDR等)。

模式發現功能

對事件的一些分組(類)進行互動式部分相關性分析以防止潛在的混淆。
使用降維度技術——例如主成份分析和多維度度量——來突出數據中的結構性趨勢。
用多達5維變數製作互動式韋恩圖

預測模型分析工具

對八種不同的主流預測建模方法的結果進行對比,同時提供了大量的選項和開關功能。
建模過程中的自定義預測篩選功能
生存分析的預測建模。
精細的交叉驗證功能具備可調的開關和重複選項,使得跨模型的相對比較成為可能。
用學習曲線分析來評估樣本大小的影響。

相關詞條

熱門詞條

聯絡我們