b必威人类数据科学：一种多学科方法
制定为全球临床试验选择研究人员站点的策略非常复杂。目标听起来很简单：找到最合格的网站来招募合适的患者。但是有许多因素需要考虑。首先，您需要对分子以及对方案，治疗途径和患者群体的临床理解的深入科学理解，这是只有临床医生所拥有的知识。同时，您需要详细了解可用的数据集，以查找患者，评估现场绩效和预测入学，这是只有IQVIA数据科学家才有的见解。
我的角色是人类数据科学家的典型代表，因为我在临床医生和数据专家世界之间充当介于或翻译的人。我的日常挑战是，我们的数据分析师了解了临床方案的非常具体和复杂的要求，以便考虑到从数据源到数据源的细微差别，从国家到国家 /地区都可以正确应用数据。
因此，我在治疗领域，我们的数据资产，技术和高级分析中具有领域专业知识的人之间形成了一种桥梁。迈克尔·克莱因洛克（Michael Kleinrock）在早期的一篇文章中提出了这一点，我同意：这是一项努力。没有人可以独自做到这一点，因为没有人是一切的专家。团队中的每个人都有自己的专业，然后除此之外，我们每个人都必须拥有一英里宽而一英寸深的知识。但这就是应该的方式 - 如果我们不与新的人合作，我们还将如何提出新的做事方式？
参见我们的行动：网站选择
站点识别是一个很好的例子，说明了人类数据科学对于改善事情的做法至关重b必威要。以及人类数据科学家如何应对挑战！从站点策略的一开始，我们一直在努力查看完整的图片。这与数字处理无关，也不是孤立的算法。我们收集临床，治疗，监管和后勤专家，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，我们才能研究数据如何支持试验策略，这就是人类数据科学家的光芒，因为我需要能够将协议的非常具体的临床语言转化为数据语言，并了解该数据如何起作用作为站点ID策略的主要货币。哪些变量很重要？查询应该如何结构？如果不对我们的数据资产的外观有细微的了解，我们将丢失。从一个国家到另一个国家的数据存在细微的差异，它们在我们提出的建议的有效性方面有所不同。由于产生的复杂的基础方法，即使是像患者计数一样简单的变量也可能根本不直接。
一旦我们涵盖了这一立场，我们就可以与其他同事合作，将所有正确的变量放置在机器学习（ML）算法中，这将帮助我们建立更好，知情，更客观的站点策略，以支持整体研究目标。
人类数据科学家：行业的独角兽
人类数据科学大多数工作的理想候选人实际上并不存在 - 因此，当我们招聘时，b必威我们说我们正在寻找独角兽。需要太多的专业领域，我们每个人都有自己的优势和劣势。这就是为什么人类数据科b必威学是一个多学科领域的原因。但是，我认为有一些共同点使人类数据科学家与其他数据科学家区分开来：
- 好奇心。您必须知道正确的问题。例如，我们是否真的在具体指示中了解药物市场的整体格局？什么是治疗方式？我们是使用正确的数据源，还是需要以不同的方式解决问题？
- 成为终身学习者。该领域的学习曲线很陡。我仍然每天都在学习有关我们的数据源以及其中的细微差别的新知识。另外，我们一直在发展和适应。我学到的一周可能会改变下一个。
- 独创性/创造力。答案很少很明显，尤其是因为每个协议都是唯一的。另外，每种方法都有警告。因此，我们必须准备好将不同的原则应用于手头的问题，并在我们的思维中敏捷。
- 渴望变革。人类数据科学家不能成为将任务视为交易的订单接受者。每个项目都需要探索，目的是通过数据驱动的策略来改变赞助商的方法。如果我们只是移交数据，那将是有帮助的，但是我们将无法实现改变试验过程的目标。
- 热情。归根结底，我们的任务是帮助公司吸毒以使患者的利益更快地销售。我们不仅仅是“ ge之以鼻”。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）作为他们决策的基础。必威手机APP我非常坚信这一点，以至于当我意识到伊克维亚是人类数据科学领域的先驱时，我说：“注册我！”b必威
这是伊克维亚（Iqvia）正在进行的有关“人类数据科学家的生活”的系列中的一个个人资料。阅读更多旨在解释这一新兴学科的分期付款，以及如何准备解决医疗保健的最大问题并支持其最艰难的决定。必威手机APP
要了解更多信息，请访问我们b必威页。