b必威人类数据科学:多学科方法
为全球临床试验制定一个选择研究地点的策略是非常复杂的。目标听起来很简单:更快地找到最合格的网站来登记合适的病人。但有很多因素需要考虑。首先，你需要对分子有深刻的科学理解，同时也需要对治疗方案、治疗途径和患者群体有临床理解——这种知识只有临床医生才能掌握。与此同时，您还需要对可用的数据集有详细的了解，以便找到患者、评估临床表现和预测患者登记情况——只有IQVIA数据科学家才具备这种洞察力。
我的角色是典型的人类数据科学家，在临床医生世界和数据专家世界之间充当中间人或翻译。我每天面临的挑战是，如何让我们的数据分析师理解临床方案的非常具体和复杂的要求，以便在考虑到数据源与数据源、国家与国家之间的细微差别的情况下，正确地应用数据。
所以，我在那些在治疗领域，在我们的数据资产，在技术和高级分析领域有专业知识的人之间架起了一座桥梁。Michael Kleinrock在之前的一篇文章中指出了这一点，我同意:这是一个团队的努力。没有一个人能独自做到这一点，因为没有人是所有领域的专家。团队中的每个人都有自己的专长，除此之外，我们每个人都必须有一英里宽一英寸深的知识。但这就是它应该的方式——如果我们不与新的人群合作，我们又怎么能想出新的做事方式呢?
看我们的行动:选址
网站识别这是一个很好的例子，说明为什么人类数据科学对改进工作方式如此b必威重要;人类数据科学家如何迎接挑战!从网站战略的一开始，我们就在推动全面发展;这不是数字运算，也不是孤立的算法。我们聚集了临床、治疗、监管和后勤方面的专家，因为我们知道我们需要详细了解研究的临床、分析和后勤方面。
只有这样做我们看看数据如何支持试验策略,这就是人类的数据科学家照耀,因为我需要的非常具体的临床语言协议转化为语言和理解这个数据作为网站的主要货币ID的策略。哪些变量是重要的?该如何构造查询?如果对我们的数据资产没有细致入微的理解，我们就会迷失。每个国家的数据都有细微的差异，这对我们提出的建议的有效性有很大影响;即使是像患者数量这样简单的变量，由于产生它的复杂的、潜在的方法学，也可能根本不直接。
一旦我们涵盖了这一领域，我们就可以与其他同事合作，自信地将所有正确的变量输入到机器学习(ML)算法中，这将帮助我们建立一个更好、更知情、更客观的站点策略，支持整体研究目标。
人类数据科学家:行业的独角兽
在人类数据科学领域的大多数工作中，理想的候选人在现实中是不存在的——所以当b必威我们招聘时，我们会说我们在寻找一个独角兽。需要专业知识的领域太多了，我们每个人都有自己的长处和弱点。这就是为什么人类数据科b必威学是一个多学科领域。不过，我认为人类数据科学家与其他数据科学家有一些共性:
- 好奇心．你必须知道该问什么问题。例如，我们是否真的了解特定适应症药物市场的总体情况?治疗模式是什么?我们是否使用了正确的数据源，或者我们是否需要用不同的方法来解决问题?
- 做一个终身学习者．这个领域的学习曲线是陡峭的。关于我们的数据源以及它们之间的细微差别，我每天都在学习新的东西。另外，我们总是在进化和适应。我一周学到的东西可能会在下一周改变。
- 独创性/创造力．答案很少是显而易见的，尤其是每种协议都是独一无二的。此外，每种方法都有一个警告。因此，我们必须准备好将不同的原则应用到手头的问题上，并灵活地思考。
- 一种想要改变的欲望．人类数据科学家不可能是把任务当作交易的命令接受者。每个项目都需要探索，目标是通过数据驱动的策略改变发起人的方法。如果我们仅仅交出数据，这将是有帮助的，但我们将达不到改变试验过程的目标。
- 激情．说到底，我们的使命是帮助公司更快地将药物推向市场，以造福患者。我们不只是“极客”。我们的工作有意义。
对于人类数据科学家来说，基本目标是确保医疗保健决策者使用数据(正确的数据)作为决策的基础。必威手机APP我非常相信这一点，当我意识到IQVIA是人类数据科学的先驱时，我说:“给我报名吧!”b必威
这是IQVIA正在进行的“人类数据科学家的生活”系列中的一个简介。阅读更多旨在解释这一新兴学科以及它如何准备解决医疗保健领域的最大问题并支持其最艰难的决定的文章。必威手机APP
欲了解更多信息，请访问我们的b必威页面。