基于风险的监查

基于风险的监查(英语)工具是JMP Clinical新推出的功能,可促进当前模式向更为高效的临床试验审查的转变,进而可在保持数据完整性和研究参与者安全性的同时,减少成本昂贵的现场源数据验证。

通过使用标准的CDISC数据格式,JMP Clinical可支持集中化数据监测团队借助可靠的统计数据和直观的可视化来高效地评估风险。TransCelerate BioPharma是一个覆盖多个制药与生物技术领域公司的协会,由其推荐规范衍生而来的风险指标是JMP Clinical的评估基础。定制功能操作简单,可根据试验基地和研究人群的性质轻松添加或修改指标。

试验基地级别表为颜色编码风险级别一览表,可轻松识别需要即时关注的任何试验基地。地理空间地图可显示试验基地和国家级别的临床试验风险,有助于深入了解环境条件或培训计划等潜在的临床试验问题。

数据快照比较功能可跟踪随时间发生的所有变化,有助于临床医生、统计学家和数据管理者专注于新数据或修改的数据。数据监查员可轻松比较试验基地干预前后的性能。

基于风险的监查功能可与患者档案和不良事件叙述等JMP Clinical功能无缝整合,从而令监测人员可基于所掌握的风险情况,轻松获得对试验基地更深入的了解。

数据质量与欺诈检测

任何临床试验的成功与否,取决于其研究过程以及试验所得数据的准确性和完整性。检测有无错误和欺骗性数据对于每个步骤而言都非常重要。

传统的监测策略主要依靠现场访问和源数据验证,但这么做不仅成本高昂,而且价值有限。JMP Clinical提供一种独特的工具来汇总临床试验数据,能够轻松识别单独受试对象或临床基地相关数据中有意或无意的错误。

有了JMP Clinical,即便您并非统计学家或程序员,也能检测欺诈数据或其他数据质量问题。利用CDISC数据,JMP Clinical能够以可视化方式执行统计分析并显示结果,其交互式模式会使分享与探索发现变得轻而易举。该软件的数据质量和欺诈检测功能中所包含的方法可用于实现下列目的:

  • 识别生日和姓名缩写都相同的患者
  • 确认患者研究访问的工作日和假日的分布
  • 识别受试者有着异乎寻常的完美出勤率的试验基地
  • 识别报告的发现结果(例如,实验室测试、生命体征等)无任何变化的试验基地
  • 识别重复多次的患者测量项,例如收缩压、舒张压和心率
  • 利用带多元正常值与离群值的统计技术识别非正常模式
  • 对临床试验基地的受试对象进行聚类,以识别伪造患者数据的共性特征
  • 对临床试验基地的受试对象进行聚类,以识别在多个试验基地注册的人员
  • 分析调查结果数据,了解不同试验基地末位数字首选项的不一致性

数据可视化与分析

在临床试验期间,JMP Clinical组织整个审查过程,并在后台自动执行分析与报告操作,让审查员有比较充裕的时间来说明和理解结果。其可视化模式则可加速发现过程,进而揭示在电子表格中往往处于隐藏状态的趋势和离群值。

数据监查员点击按钮即可就安全问题评估现行盲法试验的数据,并创建汇总仪表板报告,以显示不良事件、伴随用药、实验室和生命体征,还可以进一步显示自定义患者档案和患者叙述。监查员可以将这些报告保存为PDF或RTF格式,并与医学编辑分享,而医学编辑将在此基础上编制最终研究报告。无论任何时候,生物统计学家都可以利用精密的模式发现功能或预测性建模分析,从统计学角度评估因年龄组、性别、种族或试验基地的不同所产生的巨大差异。

通过利用标准的CDISC数据 - 食品和药物管理局(FDA)首选的临床分析与报告格式 - 以及标准的审查员指导和可视化效果,该软件可简化对临床试验数据的探索、审查以及提交FDA的过程。

数据监测

JMP Clinical汇总仪表板的设计是与数据监查员合作完成的,临床医生点击按钮即可就安全问题评估现行盲法试验的数据,并生成包含不良事件、伴随用药、实验室和生命体征的交互式报告,还可进一步显示自定义患者档案和患者叙述。

  • 识别与治疗或其他受试对象标准相关的严重不良事件
  • 查看与不良事件或治疗相关的伴随用药
  • 利用时间趋势与推移图,以可视化方式识别实验室、生命体征或其他发现随时间发生的变化
  • 为数据监测委员会会议或临床研究报告而自动生成患者档案或患者叙述
  • 识别面临严重肝功能衰竭风险的患者

生物测定与生物统计

通过将最精密的统计算法与创新性可视化效果相结合,JMP Clinical允许生物统计学家进一步了解临床试验中的临床事件、发现和干预。

利用JMP Clinical中独特的贝叶斯分层模型,可以发现罕见但可能导致临床试验面临极大风险的不良事件。对于基于较常用频率论方法的发生率筛选分析而言,这些模型是一种补足和功能性增强。

  • 利用发生率筛选算法,筛选所有不良事件、常规事件或干预分类数据的风险
  • 利用不良事件贝叶斯分层模型,与软件中更多基于频率论的发生率筛选分析结果进行比较
  • 使用模式发现方法来识别聚类或相关性
  • 使用精密的预测性建模技术,优化试验的治疗或其他特性

模式发现和预测结果

JMP Clinical行业领先的预测性建模功能提供大量强有效的预测变量过滤、预测变量锁定和交叉验证方法和选项。该软件可指导统计审查员对独立和成对数据类型进行全面的探索性分析,并允许合并多种预测变量类型,用以构建、测试和交叉验证生物标志物特征,同时可选择使用留取法。

软件的模式发现功能包括聚类技术和相关性方法,通过这两项可识别面临严重安全问题风险、可能导致试验终止的个体或子群患者。

JMP Clinical能够轻松提出数据相关的问题,并迅速找到统计上可靠的答案。图形与全面统计功能的相互整合,让您可以轻松查看趋势、模式和离群值。

患者档案与叙述

自动患者档案和患者叙述可减少创建输出结果,提交,并接受内部和FDA及其他监管机构审查所需的时间,并降低操作复杂度。这些功能再加上事件、发现和干预汇总仪表板的配合,可让卫生官员快速生成与所研究人群中特定群组或子群组有关的假设。

查看生成器应用程序可将数据和报告加载到简单的用户界面中,为那些需要获取数据、但不想学习新系统的卫生官员排忧解难,同时避免不必要的时间浪费。临床医生通过单击操作即可获取患者档案和叙述。

在JMP Clinical中,卫生官员只要选择受试对象,就会立即生成单个或一组受试者的患者档案,并以可视化方式显示临床结果,便于非统计专业人员理解。患者档案可以自定义,能够显示来自任意核心安全域组合的数据。定制好报告后,用户可将视图保存成模板,或以PDF或RTF格式打印出来,以便在审查群组中对他们的发现进行直接便捷的交流。

JMP Clinical可为每个在临床试验中经历严重不良事件的受试者撰写可配置的患者叙述。审查员和医学编辑将体会到这一编程过程的迅捷。在该过程中,报告书将作为最终患者叙述的底稿,并编译到FDA要求提交的临床研究报告(CSR)中。

干预

暴露汇总流程可识别不同治疗群组间接受剂量和暴露持续时间的差异,为所有后续分析提供背景资料。JMP Clinical中包含可选择用药组数量和时间窗持续时间的选项。针对伴随用药和物质使用的发生率筛选可帮助临床医生识别药物间的相互作用。通过遵守FDA审查员指导原则和ICHE3指导方针,并重点关注不良事件,JMP Clinical能够针对隐蔽与非隐蔽数据,进行分布、事件比率和风险估计随时间而变化的分析工作。临床医生可利用分布仪表板轻松选择子群组。这些分布仪表板是按照年龄、性别、种族、治疗群组和试验基地进行数据汇总。

事件

借助JMP Clinical,您可确定不良事件的开始时间及其结果,并分别进行事件时间分析和分辨率筛选。点击按钮即可进行各种事件时间分析,例如中止时间。JMP Clinical会在大多数分析中运用时间窗,而AE分辨率筛选让您可以在特定时间窗中监测不良事件的结果。

发生率筛选作为识别不良事件的主要安全性分析手段,可以执行Cochran-Mantel-Haenszel检验,并根据风险差异、相对风险或让步比,生成多重性调整p值火山图。气泡大小表明在两种治疗方法相结合的情况下某一事件的总发生率。选择有关的不良事件(气泡),利用维恩图可确定事件在所研究人群中的同现频率。

JMP Clinical支持MedDRA层次结构,允许进行任何条款级别的检查,包括标准MedDRA查询,可帮助您辨别不同治疗群组的不良事件模式。使用该软件,您还可以比较整个试验期间任意这些条款级别的发生率。

发现

确定治疗依从性并建立实验室测量基线值的意义对于所有临床审查员而言都非常重大。这些数据也通常会被用来确定疗效和安全性评估。JMP Clinical为医学审查员提供集中趋势测量和离群值检测的分析功能,便于其快速识别临床试验过程中发生的潜在有害症状。

FDA审查员指南中推荐的所有可视化功能几乎都能在JMP Clinical中找到,而且无需编程操作,包括分布显示、箱线图、推移图、时间趋势、散点图,以及相对于基线的变化。另外,火山图可提供简化且全面的相关风险数据视图,显示随时间发生变化的情况。

JMP Clinical会根据FDA在药物性肝损伤指导文件中所设定的Hy定律肝损伤诊断标准,来识别符合标准的受试者,并依此评估肝毒性,而肝毒性是临床试验中首要的安全性关注点。行业标准散点图矩阵显示Hy定律以及马赛克图,该图用于确定受试者经历偏多肝脏测试测量的天数。最后,出现在仪表板中的表格报告将显示因漏掉必要实验室试验而无法确定是否符合Hy定律标准的受试对象数量。

药物安全监视

JMP Clinical提供定制型仪表板来支持统计汇总技术应用,允许流行病学家和统计学家审查后市场研究数据。监管机构、制药公司和设备制造商会收集自发报告的不良事件,以便在产品进入市场后,对安全性进行监测。该数据一般来自医生、患者或是医学文献。

由于缺乏总暴露测量步骤,因此如何处理自发报告的不良事件成为一项难题。为了识别潜在安全性信号,将对事件数据库中的两大概率进行比较:使用某药物时特定相关事件发生的概率,与未使用此药物时该事件发生的概率。JMP Clinical包含四种用于失衡分析的行业标准技术:

  • 均衡风险率
  • 报告让步比
  • 贝叶斯置信传播神经网络法
  • 多项伽马-泊松压缩估计法

JMP® Clinical 的主要特性


研究
  • 增加研究,其中包含来自SAS数据集或传输文件的CDISC格式的SDTM和/或ADaM数据
  • 通过收集相关的SDTM数据片,轻松创建ADSL数据集和其他类型的ADaM数据
  • 重命名某项研究或其相关文件夹,并删除不必要的研究或研究的部分内容
  • 检查SDTM和ADaM文件夹中是否有JMP Clinical分析过程要求的变量,并生成可指明丢失变量和受影响过程的结果表

基于风险的监查
  • 添加并定制适合各临床试验风险管理计划的风险指标
  • 将其他数据纳入到查询信息、主动报名日期、主要试验基地监查员和地理信息等基于风险的监测分析中
  • 通过直方图和箱线图检查风险指标的分布
  • 借助使用TransCelerate BioPharma提议的红绿灯系统进行颜色编码的试验基地级别风险表,快速识别需要进一步关注的试验基地
  • 借助采用颜色编码的地理空间地图,按照地理空间方式实现试验基地和国家级风险指标的可视化
  • 按照风险指标聚类试验基地,以识别具有类似问题区域的试验基地
  • 借助数据快照比较功能,关注新的、修改的或未修改的记录。查看JMP Clinical自动生成的记录级注释中的变量变化,或者创建并保存您自己的内容。检查已从当前快照中删除的记录,以及可能是重复项的任何记录
  • 导出和导入包含有特定试验基地的表,以支持在许多数据监查员之间执行劳动力分工

数据质量与欺诈检测
  • 识别生日和姓名缩写都相同的患者
  • 确认患者研究访问的工作日和假日的分布
  • 识别受试者有着异乎寻常的完美出勤率的试验基地
  • 识别报告的发现结果(例如,实验室测试、生命体征等)无任何变化的试验基地
  • 查找重复多组的患者测量项,例如收缩压、舒张压和心率
  • 利用带多元正常值与离群值的统计技术揭示非正常模式
  • 对临床试验基地的受试者进行聚类,以识别伪造患者数据的共性特征
  • 对临床试验基地的受试者进行聚类,以识别在多个试验基地注册的人员
  • 分析调查结果数据,了解不同试验基地末位数字首选项的不一致性

模式发现与预测性建模
  • 对事件聚类执行交互式偏相关分析,为应对潜在混淆进行调整
  • 使用维数减少技术,例如主成分和多维量表法,突出数据的主要结构趋势
  • 利用多个选项和调谐功能,比较九大不同预测性建模方法的结果
  • 在模型构造阶段自定义预测变量过滤
  • 执行预测性建模,执行生存分析
  • 使用学习曲线分析功能,评估样本大小的影响

工作流程
  • 仅需单击几次鼠标,即可执行全套的标准安全数据分析
  • 构建定制工作流程
  • 创建包含用户指定过程结果的记录文件

人口统计
  • 通过单向方差分析或列联分析,比较各个治疗群组人口变量的分布

事件
  • 以治疗群组为单位创建Kaplan-Meier生存曲线及相关统计
  • 通过执行列联分析,比较治疗群组之间的死因频率
  • 查看整个治疗群组中不良事件、受试对象倾向或病史的分布
  • 执行两个或多个治疗群组中所有不良事件的发生率分析或标准MeliRA查询条款分析,生成相对风险火山图、风险差火山图或优势比火山图。使用Mehrotra和Adewale(2011)的双FDR方法选择性执行发生率筛选,并通过在分析中合并分组变量(例如身体系统)发现真正的信号
  • 分析各个治疗群组不良事件发生率的分辨率
  • 执行不良事件严重性方差分析,探索在时间期间和/或治疗群组之间存在差异的严重性
  • 按照治疗群组分类,为安全性分析人群创建处理紧急不良事件的表格与图形概述
  • 确定不良事件首次发生的时间,进而在不同治疗群组之间进行对数秩和Wilcoxon试验
  • 生成临床研究报告所需要的不良事件叙述,可选择捕获围绕事件开始日期的特定时间框架内的所有不良事件
  • 在两个或多个治疗群组中针对致病倾向或病史执行发生率分析,并生成相对风险火山图

发现
  • 对各个治疗群组的实验室、生命体征和ECG发现分布进行比较
  • 利用基线方差分析有效筛选整个研究或某特定时间窗中在各个治疗群组间存在差异的所有发现测量
  • 显示推移图,比较针对特定发现域的检验测量的基线值与实际处理中的值,并进行配对分析
  • 显示以治疗群组为单位的箱线图,表示在研究中各个指定时间窗或时间点处,每项检验测量相对于基线的变化
  • 将各受试者在整个研究时间线上的发现测量时间趋势可视化
  • 使用动画气泡图跟踪一对随时间变化的发现测量,并选择相关受试对象,以显示其时间配置文件
  • 使用一个或多个经过事件时间分析的发现检验来定义事件

Hy定律筛选
  • 在整个研究期间可视化与Hy定律有关的实验室测量峰值,检测各治疗群组中所有受试对象是否存在潜在肝毒性
  • 计算受试者经历偏高肝测试测量的天数,识别个体Hy定律符合案例
  • 执行列联分析,比较各治疗群组中潜在肝毒性的发生率与频率,这些数据可能会用来评估药物性肝损伤(DILI)的可能性
  • 将漏掉实验室测试的受试者数量制成表格

标准报告
  • 生成RTF和PDF格式的研究访问出勤报告、各种标准安全性报告和研究报告注释

描述受试者
  • 检查任何CDISC域的患者档案
  • 进一步查看任何受试者的人口统计、倾向、安全性、发现、病史和注释
  • 同时并排描述多个受试对象
  • 创建自定义患者档案模板
  • 从深化视图中创建PDF报告和不良事件叙述

其他研究受试者工具
  • 对受试者进行聚类,在某域范围内或跨域干预、事件和发现中搜索隐藏模式
  • 创建最多具有五个变量的互动式维恩图
  • 使用复杂查询定制数据视图
  • 对任何分析过程应用受试者过滤器
  • 将研究中受试者的审查状态分布可视化
  • 创建适用于聚类、模式发现和预测性建模的跨域数据

模式发现与预测性建模
  • 对事件聚类执行交互式偏相关分析,为应对潜在混淆进行调整
  • 使用维数减少技术,例如主成分和多维量表法,突出数据的主要结构趋势
  • 利用多个选项和调谐功能,比较九大不同预测性建模方法的结果
  • 在模型构造阶段自定义预测变量过滤
  • 执行预测性建模,执行生存分析
  • 使用学习曲线分析功能,评估样本大小的影响

干预
  • 生成整个研究或特定时间窗中受试者药物暴露持续时间的汇总
  • 比较各个治疗群组中伴随用药和物质使用变量的分布
  • 执行两个或多个治疗群组之间伴随用药或物质使用的发生率分析,进而生成相对风险火山图、风险差火山图或优势比火山图

系统要求

JMP Clinical可运行于Microsoft Windows和Mac OS之上。支持32位和64位操作系统。

Back to Top