Artículos

1: Herramientas de análisis


Este capítulo analiza varios conceptos y construcciones matemáticos que son fundamentales para el estudio de los muchos resultados fundamentales del análisis. Las generalidades se mantienen al mínimo para pasar rápidamente al corazón del análisis: la estructura del sistema de números reales y la noción de límite. El lector debe consultar las referencias bibliográficas para más detalles.


Análisis de citas: herramientas para encontrar quién lo cita y calcular el impacto de la revista

PARTE 1: Las herramientas que generan el análisis de citas: Google Scholar, Web of Science y Scopus

PARTE 2: Las herramientas de impacto que utilizan las métricas del análisis de citas: Publicar o perecer (PoP) Informes de citas de revistas (JCR) Indicador SJR Altmetrics .

PARTE 3: Publicaciones depredadoras y factores de impacto falsos

PARTE 4: Recursos de verificación de revistas como ULRICH & # 39S WEB


OpenVigil: herramientas abiertas para la extracción de datos y el análisis de datos de farmacovigilancia

OpenVigil 1 y 2 son paquetes de software para analizar datos de farmacovigilancia (eventos adversos de medicamentos). Existen varias bases de datos nacionales e internacionales de los llamados informes de eventos adversos espontáneos, por ejemplo, el Sistema de Notificación de Eventos Adversos de la FDA estadounidense (AERS, principalmente datos nacionales) o el Centro de Monitoreo de Uppsala de la OMS (internacional). Actualmente, se encuentran disponibles análisis de datos de farmacovigilancia de FDA AERS (LAERS & amp FAERS). Además de los datos estadounidenses de EE. UU., También hemos importado datos de farmacovigilancia alemanes. Las características de minería de datos incluyen filtros de criterios de búsqueda y filtros de salida altamente configurables. Los análisis incluyen análisis de desproporcionalidad para la detección de señales, como los cálculos de proporción de informes proporcionales (PRR). Los resultados pueden verse, ordenarse y filtrarse en el navegador web o guardarse para análisis adicionales en paquetes de software estadístico. Ambos proyectos tienen como objetivo integrar estas y otras fuentes de farmacolovigilancia a datos farmacoepidemiológicos como los datos de prescripción. OpenVigil 2 está diseñado para análisis de casos completos.
OpenVigilFDA es un front-end para la interfaz openFDA que está siendo desarrollado por la FDA desde 2014. Permite la extracción de los últimos informes. Debido a las limitaciones técnicas, el estado de la versión beta y los cambios en curso en la API de openFDA, OpenVigil 2 es más estable y superior para los análisis de desproporcionalidad. OpenVigilFDA proporciona análisis de casos disponibles, por ejemplo, algunos registros no están completos pero aún se consideran.

¿Cómo puede contribuir OpenVigil al combate? coronaviridae/¿COVID-19?

Lea publicaciones recientes sobre medicamentos para tratar COVID-19 en la sección de literatura adicional. OpenVigil puede ayudar a prevenir las reacciones adversas a los medicamentos anti-COVID-19 al educar a la comunidad sobre sus peligros específicos, así como proponer nuevos medicamentos para interferir con la infección viral o la reacción exagerada del sistema inmunológico al SARS-CoV-2.

¿Dónde puedo acceder a OpenVigil?

Hay instalaciones en vivo con Datos de farmacovigilancia de la FDA estadounidense de ambas versiones de OpenVigil con datos FDA AERS y OpenVigilFDA disponibles gratuitamente en la Universidad Christian Albrecht (CAU) de Kiel, Alemania:

OpenVigil 2 y OpenVigilFDA son los sucesores de OpenVigil 1 y utilizan datos AERS limpiados de la FDA. Para investigaciones científicas sobre datos estadounidenses de EE. UU., no use OpenVigil 1 sino solo la versión 2 u OpenVigilFDA!

También hay una versión de OpenVigil 1 con Datos de farmacovigilancia alemana disponible. Dado que la autoridad nacional (Bundesinstitut für Arzneimittel und Medizinprodukte, BfArM) ha dejado de proporcionar informes nacionales, no habrá actualizaciones en este conjunto de datos incompleto con datos de 2005 a 9/2015:
OpenVigil 1 alemán: http://openvigil.pharmacology.uni-kiel.de/openvigil-current-bfarm.php)

También estamos trabajando en una versión de desarrollo de OpenVigil 1 con Datos de farmacovigilancia canadiense (la base de datos está todavía vacía, se busca el desarrollador):
OpenVigil 1 canadiense: http://openvigil.pharmacology.uni-kiel.de/openvigil-current-hc.php)
Los datos de farmacovigilancia de Alemania y Canadá son de calidad suficiente y no necesitan más mapeo de nombres de fármacos antes de extraerlos o analizarlos.

¿Dónde puedo descargar OpenVigil?

Puede descargar las fuentes PHP / ejecutables de OpenVigil 1, OpenVigilFDA y OpenVigil 2.1-MedDRA en sourceforge: http://sourceforge.net/projects/openvigil/

¿A quién se puede contactar sobre este proyecto?

El proyecto es mantenido por el Dr. Ruwen Böhm, especialista en farmacología clínica, Instituto de Farmacología Clínica y Experimental, UKSH Kiel, Prof. Dr.-Ing. Marina Tropmann-Frick, Departamento de Informática, Hochschule für Angewandte Wissenschaften Hamburg y el Prof. Dr. Hans-Joachim Klein, informático, Institut für Informatik, Universidad Christian Albrechts, Kiel. Puede ser contactado en [email protected]>

El proyecto OpenVigil sigue el código HON y fue certificado en noviembre de 2015. La recertificación anual fue posible gracias a la financiación privada y la amable ayuda de la fundación HON para proyectos sin presupuesto específico.

Todo el software utiliza cookies del navegador. Las cookies se utilizan para los captchas y para almacenar consultas anteriores como conveniencia para el usuario (solo OpenVigilFDA). No se realiza un seguimiento de los usuarios. Los correos electrónicos enviados a los miembros del proyecto se tratan de forma confidencial y no se guardan ni se utilizan de forma sistemática para estadísticas. Se registra el acceso a todas las páginas web / programas, incluida su dirección IP. Puede contactarnos si desea ver o borrar estos datos.
Cf. las páginas de descripción general de la instalación para la fecha de los últimos cambios en programas o bases de datos y números de versión, y los documentos detallados para errores generales.
Todo el software utiliza marcas que no están identificadas específicamente (por ejemplo, mediante el uso de & reg). Cf. la documentación para comprender la diferencia entre el nombre del medicamento y el nombre de marca y para saber qué salida contiene nombres de marca. Los autores declaran no tener ningún conflicto de interés ya que no tienen ninguna relación económica o de otro tipo con ninguno de los productores.
Responsable de este sitio web (Impressum / Betreiber der Website): Dr. med. Ruwen Böhm, Institut für Experimentelle und Klinisch Pharmakologie, UKSH Kiel, Hospitalstr. 4, 24105 Kiel, Alemania. Tel. +49 431500 30414, [email protected]>.
El proyecto está financiado con fondos públicos a través de la Universidad Christian Albrechts (CAU) de Kiel, Alemania. No hay financiación a través de anuncios.
El proyecto OpenVigil no produce ni recopila ninguno de los datos de farmacovigilancia en sí mismo, sino que depende de fuentes de datos externas.
Nuestro software está siendo desarrollado para médicos, farmacéuticos y científicos. Debido al origen y la naturaleza de los datos y al trabajo en curso en nuestros programas, todos los resultados deben considerarse no validados. Especialmente, los hallazgos no deben usarse sin crítica para cambios de terapia o procedimientos legales. Sin embargo, estos datos son muy útiles para la generación de hipótesis.
Esta página fue modificada por última vez el 2021-05-04.

La farmacovigilancia se define como la ciencia y las actividades relacionadas con la detección, evaluación, comprensión y prevención de efectos adversos o cualquier otro problema relacionado con las drogas.

¿Por qué tenemos farmacovigilancia?

Desencadenado por la tragedia de la talidomida (Contergan & reg) 1957-1961, varios países han introducido la recopilación sistemática de informes presentados espontáneamente de eventos adversos que ocurren durante o después de la farmacoterapia. Este monitoreo continuo de los medicamentos (recientemente aprobados) asegura la detección de eventos adversos que ocurren raramente y otros tipos de problemas con el producto farmacéutico o la adherencia del paciente al mismo. Entonces, si bien los ensayos clínicos pueden contribuir a seguridad de las drogas, la farmacovigilancia puede mejorar seguridad de la farmacoterapia!

¿Qué tipo de datos se recopilan?

Los informes pueden ser presentados por médicos, farmacéuticos, compañías farmacéuticas y pacientes. Dependiendo de las leyes nacionales, es obligatorio para la mayoría de estas partes informar cualquier evento adverso observado. Las directivas recientes de la UE recomiendan recopilar informes de los pacientes. Por tanto, la calidad de los datos es diversa: algunos son inutilizables debido a la falta de datos. Por otro lado, los informes realizados por farmacéuticos contienen mucha información debido a las leyes vigentes relativas a la seguridad del paciente. La mayoría de las bases de datos de farmacovigilancia contienen tradicionalmente algunos datos básicos sobre el paciente (por ejemplo, sexo y edad), los eventos adversos y una lista de medicamentos. Dependiendo de las fuentes de datos primarias (p. Ej., Paciente ambulatorio u hospitalario) y la política de la agencia que se ocupa de la base de datos, se pueden agregar otros datos, p. Ej., Indicaciones o valores de laboratorio.
Por la naturaleza de esta 'recopilación espontánea', estos datos deben tratarse con precaución y, por lo general, no son adecuados para la confirmación de hipótesis, sino solo para generación de hipótesis.

¿Cómo contribuye el análisis de los datos de farmacovigilancia a la atención sanitaria?

La extracción de datos de farmacovigilancia en busca de señales de notificación desproporcionada (SDR), es decir, asociaciones desproporcionadamente más fuertes entre medicamentos y eventos adversos, es realizada de forma rutinaria por las autoridades reguladoras. Sin embargo, los datos de farmacovigilancia no solo son útiles para monitorear nuevos medicamentos, sino también para detectar señales más complejas, p. Ej., Interacciones o síndromes entre medicamentos o para analizar más señales conocidas y encontrar una población o modo de aplicación especialmente vulnerable (los llamados procesamiento de datos). Los datos deben enriquecerse con ontologías para estos análisis (por ejemplo, MedDRA, RxNorm, SNOMED, ​​ATC, ICD-10/11).

¿Dónde puedo extraer o analizar los datos de farmacovigilancia?

El acceso abierto a los datos de farmacovigilancia es limitado. La ley de libertad de información (EE. UU.) Y leyes similares en otras jurisdicciones han llevado a la disponibilidad de datos sin procesar (por ejemplo, archivos de datos FDA AERS) y nuevos portales para acceder a los datos (por ejemplo, EMA http://www.adrreports.eu/) . Se proporciona una lista de posibles opciones de acceso y análisis en nuestra página de biblioteca de recursos.
Sin embargo, la disponibilidad abierta combinada con las capacidades avanzadas de limpieza, filtrado, extracción y análisis de OpenVigil 2 son únicas: toda la investigación de farmacovigilancia que utiliza el software OpenVigil es completamente transparente y reproducible, lo que permite a otros científicos confirmar cualquier hallazgo y ampliar los análisis.

¿Cómo se detectan las señales estadísticas en los datos de farmacovigilancia?

La detección estadística de señales de si una combinación fármaco-evento es una supuesta reacción adversa al fármaco o simplemente una asociación aleatoria se puede realizar utilizando (i) métodos basados ​​en la frecuencia que comparan los recuentos estimados con los recuentos observados para una combinación fármaco-evento-como la relación de notificación relativa ( RRR), Razón de informe proporcional (PRR) o Razón de probabilidades de informe (ROR) o Prueba de razón de verosimilitud (LRT), (ii) Probabilidades bayesianas como la red neuronal de propagación de confianza bayesiana (BCPNN) o el proceso de Poisson-Dirichlet (DP) o (iii) el (de varios elementos) Gamma Poisson Shrinker (GPS / MGPS).
Todo el software OpenVigil proporciona RRR, PRR y ROR que son similares en magnitud y poder explicativo. Estas medidas de desproporcionalidad se calculan como RRR = DE * N / (D * E), PRR = (DE / D) / (dE / d) y ROR = DE * de / (De * dE). Un valor de 1 se considera ruido de fondo normal. El intervalo de confianza se puede estimar utilizando Chi-cuadrado con la corrección de Yates chisq> 4 o límite inferior del intervalo de confianza (IC) del 95% de RRR, PRR o ROR, p. para s = sqr (1 / DE + 1 / De + 1 / dE + 1 / de) para ROR con CI = e ^ (ln ROR ± 1,96s) OpenVigil 2.2 ofrecerá cálculos MGPS. Este algoritmo de detección de señales es especialmente adecuado para pequeñas cantidades de combinaciones de fármacos y eventos (DE). La detección de señales se puede utilizar para encontrar un subgrupo de pacientes vulnerables. Al estratificar los informes por edad, sexo, modo de administración, dosis, indicación u otras categorías, es posible identificar cualquier factor de confusión y / o pacientes vulnerables.

¿Cuáles son los errores habituales al analizar los datos de farmacovigilancia?

Por la propia naturaleza de esta recopilación de datos, representa solo una cierta parte de la población general en el sector de la atención de la salud (el llamado problema del "mundo abierto"). Los problemas como los informes insuficientes / excesivos y los problemas de recuento debido a las multiplicaciones se resumen en el documento de OpenVigil 1 & amp 2 cave-at.
La calidad de los informes y los elementos de texto textual, por ejemplo, DROG.DRUGNAME en los datos de la FDA AERS, requieren un procesamiento previo de los registros y una validación cuidadosa de los resultados de los análisis. OpenVigil 2 proporciona limpieza de datos importados mediante el uso de bases de datos externas como drugbank.ca y la entrada del usuario.
Por lo general, un análisis de los datos de farmacovigilancia no puede confirmar una hipótesis. Por ejemplo, no puede usarlo para probar una determinada asociación. En algunas situaciones, podría respaldar una hipótesis. En cambio, los datos de farmacovigilancia se utilizan de forma rutinaria para generar una nueva hipótesis que requiere pruebas en investigación más in silico, preclínica o clínica, así como para orientar la terapia en la atención médica directa.

¿Qué preguntas clínicas o científicas se pueden abordar analizando los datos de farmacovigilancia?

Obviamente, la detección de nuevas reacciones adversas a los medicamentos es la razón principal por la que se ha implementado la farmacovigilancia y, por lo tanto, es el objetivo de análisis más importante. Otros usos incluyen la detección de subpoblaciones especialmente vulnerables, de excipientes / marcas dañinas, de restos químicos tóxicos, de síndromes, de interacciones fármaco-fármaco, comparación de fármacos dentro de la clase de fármaco y para reposicionamiento / reutilización de fármacos.

¿Qué hay de otro uso (por ejemplo, marketing o procedimientos legales)?

Debido a las limitaciones del análisis de datos de farmacovigilancia debido al origen y la naturaleza de los datos, cualquier hallazgo de desproporcionalidad generalmente no permite probar una suposición o sustentar una hipótesis. En ocasiones, puede ser útil mostrar que una determinada señal estuvo presente o no estuvo presente en una fecha determinada en el pasado para estos fines. La interpretación de consultas requiere un conocimiento sólido de estadística, farmacia, farmacología y la importancia clínica de cualquier hallazgo. Para comprender completamente los resultados, se recomienda un equipo que combine experiencia en estas áreas.

Debido a la naturaleza del método de recopilación de datos de farmacovigilancia y la naturaleza de los datos en sí, se deben tomar varias precauciones para realizar análisis de alta calidad de los medicamentos y sus supuestas reacciones adversas a los medicamentos. Esto es especialmente importante si decide instalar OpenVigil usted mismo.

  • Cueva en los documentos: errores metodológicos al elaborar o interpretar consultas
    • OpenVigil 1 & amp 2 caveat v2.0.2 (versión antigua: OpenVigil 1 cave-at v1.0: http://openvigil.pharmacology.uni-kiel.de/caveat.html) [reflejado de http: //www.fda. gov / downloads / Drugs / GuidanceComplianceRegulatoryInformation / Surveillance / AdverseDrugEffects / UCM350392.pdf]
    • Advertencia de la OMS UMC [reflejada de http://www.who-umc.org/graphics/25300.pdf] [reflejada de BfArM cave-at, que ahora está fuera de línea] (instrucciones para codificadores que también son útiles para decodificadores) [reflejada de http://www.meddra.org/sites/default/files/guidance/file/9491-1800_termselptc_r4_9_mar2015.pdf]
    • Problemas conocidos en OpenVigil 1 y amp 2 y en OpenVigilFDA

    • Archivos importados y errores de importación de registros en OpenVigil 1, por ejemplo, en CAU Kiel: http://openvigil.pharmacology.uni-kiel.de/openvigil.php?cd=if
    • Descripción general de una instalación de OpenVigil 1, por ejemplo, en CAU Kiel: http://openvigil.pharmacology.uni-kiel.de/openvigil127.php?cd=vs
    • Archivos importados en OpenVigil 2, por ejemplo, en CAU Kiel: http://www.is.informatik.uni-kiel.de:8503/OpenVigil/admin/public/imported_files.jsp
    • Descripción general de una instalación de OpenVigil FDA, por ejemplo, en CAU Kiel: http://openvigil.pharmacology.uni-kiel.de/openvigilfda.php?about=1
    • Validación de datos, procedimientos de limpieza y manual de evaluación de la calidad
    • Introducción al análisis de desproporcionalidad
    • Instalación de OpenVigil 1
    • Instalación de OpenVigil 2
    • Esquema relacional para medicamentos / marcas en OpenVigil 2 para consultas SQL
    • Interfaz con RxNorm para asignar nombres de medicamentos textualmente a USAN: http://openvigil.pharmacology.uni-kiel.de/rxn.php
    • Paquetes de software sugeridos para un análisis más detallado de los datos extraídos:
      • Software de hoja de cálculo, p. Ej. Microsoft Excel, LibreOffice Calc, Gnumeric
      • Software de base de datos, p. Ej. Microsoft Access, LibreOffice Base, software de formato de datos MySQL como Trifacta Wrangler, OpenRefine
      • Software de computación estadística, p. Ej. R / RStudio
        • asdfree for FDA data, un importador de datos FDA LAERS y amp FAERS a R
          importador de datos openFDA a R
          (Versión antigua)
        • EE. UU. - FDA: http://www.fda.gov/Drugs/GuidanceComplianceRegulatoryInformation/Surveillance/AdverseDrugEffects/ucm083765.htm (LAERS) y http://www.fda.gov/Drugs/GuidanceComplianceRegulatoryInformation/Surveillance/AdverseDrugEffects/ucmcm (FAERS)
          Archivos AERS preprocesados ​​NBER (formatos SAS, Stata y CSV de datos AERS de la FDA ofrecidos por la Oficina Nacional de Investigación Económica)
        • Canadá - HC: http://www.hc-sc.gc.ca/dhp-mps/medeff/databasdon/extract_extrait-eng.php
        • Alemania - BfArm
        • Holanda - Lareb
        • Europa - EMA
        • Japón - JADER
        • OMS - UMC - Vigibase
        • Motores de búsqueda basados ​​en datos de farmacovigilancia de la FDA de EE. UU.
          • eHealthMe: http://www.ehealthme.com/
          • DrugCite: http://www.drugcite.com/
          • Araña AERS: http://www.chemoprofiling.org/AERS/
          • CzeekV: https://www.czeek.com/
          • AERSMine: https://research.cchmc.org/aers/
          • USA - FDA: API openFDA para acceder a LAERS / FAERS
            Interfaces experimentales: demostración de openFDA, https://openfda.shinyapps.io/RR_D y https://openfda.shinyapps.io/RR_E
          • Health Canada: http://webprod3.hc-sc.gc.ca/arquery-rechercheei/index-eng.jsp
          • Informes ADR de la UE: http://www.adrreports.eu/EN/search.html
          • Informes alemanes BfArM ADR: http://nebenwirkung.bfarm.de/
          • Informes ADR holandeses de Lareb: http://databank.lareb.nl/Bijwerkingen?lang=en
          • JADER japonés: http://www.pmda.go.jp/PmdaSearch/iyakuSearch/
          • Asociación de resultados médicos observacionales (OMOP) http://omop.org/

          Aquí se describen los escenarios de análisis comunes. Tenga en cuenta que nuestras instalaciones de OpenVigil no utilizan datos actualizados semanalmente, por lo que generalmente no es posible monitorear los medicamentos recientemente aprobados.


          Análisis PEST

          Este es un marco que puede utilizar para analizar el análisis ambiental externo. El proceso implica conocer varios factores externos que afectan a la organización.

          Es un acrónimo de 4 factores. Los 4 elementos estudiados en PEST son:

          Este factor estudia la situación política actual. También incluye las posibles influencias políticas.

          Este factor tiene que ver con el impacto de la economía nacional y mundial.

          Este factor externo se centra en las formas en que una sociedad puede afectar a su empresa.

          Este factor analiza el efecto de la tecnología emergente.

          Otras variaciones del análisis PEST son STEP, STEEP, STEEPLE y PESTLE. Algunos factores externos adicionales que pueden estudiarse son los legales, ambientales y éticos.


          Cargue las herramientas de análisis en Excel

          Si necesita desarrollar análisis estadísticos o de ingeniería complejos, puede ahorrar pasos y tiempo utilizando las herramientas de análisis. Usted proporciona los datos y los parámetros para cada análisis, y la herramienta utiliza las funciones macro estadísticas o de ingeniería apropiadas para calcular y mostrar los resultados en una tabla de salida. Algunas herramientas generan gráficos además de tablas de salida.

          Las funciones de análisis de datos se pueden utilizar solo en una hoja de trabajo a la vez. Cuando realiza un análisis de datos en hojas de trabajo agrupadas, los resultados aparecerán en la primera hoja de trabajo y las tablas con formato vacías aparecerán en las hojas de trabajo restantes. Para realizar un análisis de datos en el resto de las hojas de trabajo, vuelva a calcular la herramienta de análisis para cada hoja de trabajo.

          Haga clic en el Archivo pestaña, haga clic en Opcionesy luego haga clic en el Complementos categoría.

          Si está usando Excel 2007, haga clic en el Botón de Microsoft Office y luego haga clic en Opciones de Excel

          En el Gestionar cuadro, seleccione Complementos de Excel y luego haga clic en Ir.

          Si está usando Excel para Mac, en el menú de archivo vaya a Herramientas & gt Complementos de Excel.

          En el Complementos casilla, marque la Paquete de herramientas de análisis casilla de verificación y luego haga clic en OK.

          Si Paquete de herramientas de análisis no aparece en el Complementos disponibles cuadro, haga clic en Navegar para localizarlo.

          Si se le indica que Analysis ToolPak no está instalado actualmente en su computadora, haga clic en para instalarlo.

          Nota: Para incluir funciones de Visual Basic para aplicaciones (VBA) para Analysis ToolPak, puede cargar el Paquete de herramientas de análisis - VBA Complemento de la misma forma en que carga las herramientas de análisis. En el Complementos disponibles cuadro, seleccione el Paquete de herramientas de análisis - VBA casilla de verificación.

          Analysis ToolPak no está disponible para Excel para Mac 2011. Consulte No puedo encontrar Analysis ToolPak en Excel para Mac 2011 para obtener más información.

          Algunos idiomas no son compatibles con Analysis ToolPak. ToolPak se muestra en inglés cuando su idioma no es compatible. Consulte Idiomas admitidos para obtener más información.

          Cargue las herramientas de análisis en Excel para Mac

          Haga clic en el Herramientas menú y luego haga clic en Complementos de Excel.

          En el Complementos disponibles cuadro, seleccione el Paquete de herramientas de análisis casilla de verificación y luego haga clic en OK.

          Si Paquete de herramientas de análisis no aparece en el Complementos disponibles cuadro, haga clic en Navegar para localizarlo.

          Si recibe un mensaje de que Analysis ToolPak no está instalado actualmente en su computadora, haga clic en para instalarlo.

          Ahora el Análisis de los datos El comando está disponible en el Datos pestaña.


          Las herramientas de análisis de datos gratuitas se utilizan para analizar datos y crear información significativa a partir del conjunto de datos. Se trata de un conjunto de herramientas que ayudan a las empresas a crear un proceso de toma de decisiones basado en datos. Algunas de las herramientas conocidas en la industria que son herramientas muy populares como Microsoft excel, tableau public, KNIME, Rattle GUI for R, Talend, H2O, Trifacta, Orange, RapidMiner, Qlikview. Estas herramientas son compatibles con varias funciones listas para usar que ayudan en el proceso de análisis de datos. Estas herramientas de análisis de datos son fáciles de aprender y desarrollan la solución de análisis muy rápidamente en comparación con la programación estándar para el análisis de datos.

          Herramientas de análisis de datos

          A continuación se muestran las diferentes herramientas de análisis de datos.

          Hadoop, ciencia de datos, estadísticas y otros

          1. Excel

          Excel todavía atrae a personas para realizar análisis de datos y sí, sigue siendo indispensable como herramienta de análisis. Hay muchos tutoriales gratuitos en línea disponibles que enseñan sobre Excel y VBA a través de los cuales puede dominar Excel. Todas las funciones, como explorar datos, resumir datos y visualizar datos a través de varias herramientas gráficas, se realizan en Excel.

          Es muy fácil aprender y dominar Excel. Excel sigue siendo una herramienta básica en ciencia y análisis de datos. El conocimiento de Excel lo ayudará en su carrera en ciencia de datos. Aunque Microsoft Excel no es gratuito, existen herramientas similares como hojas de cálculo, oficinas abiertas y muchas otras en el mercado que brindan las mismas características que Excel. Un pequeño inconveniente de Excel es que no se puede utilizar para conjuntos de datos muy grandes.

          2. Tableau

          • Tableau es una herramienta gratuita para la visualización de datos, desde datos simples hasta datos complejos. Es algo interactivo y podemos sugerir etiquetas, herramientas, tamaño de la columna y casi cualquier cosa que podamos personalizar. La interfaz de arrastrar y soltar es realmente útil en este software y los cálculos también se pueden realizar en Tableau. Cualquiera que no tenga idea de análisis puede ver y comprender los datos de la plataforma de Tableau.
          • Los paneles y las hojas de trabajo se crean en Tableau para el análisis y la visualización de datos. Tableau ayuda a ver los datos desde una perspectiva diferente a través de sus paneles. Se puede ingresar fácilmente al mundo de la ciencia de datos a través de Tableau. Además, Tableau se integra con el lenguaje de programación Python y R.

          3. Trifacta

          Trifacta es una herramienta de código abierto para la manipulación de datos que facilita la preparación de datos para el análisis de datos. Trifacta ayuda a transformar, explorar y analizar datos desde un formato de datos sin procesar hasta un formato ordenado y limpio. Utiliza técnicas de aprendizaje automático para ayudar a los usuarios en el análisis y la exploración de datos. El otro nombre de Trifacta es Data Wrangler, que deja en claro que es más útil en la limpieza de datos.

          Fue desarrollado en 2012 por Joe Hellerstein, Jeffrey Heer y Sean Kandel. Trifacta trabaja con la nube y colabora con AWS. Se ha ganado un premio por la implementación de aprendizaje automático de AWS. Trifacta le ayuda a trabajar con grandes conjuntos de datos, a diferencia de Excel. Además, las sugerencias de edición de texto son increíbles en Trifacta.

          4. RapidMiner

          RapidMiner es una herramienta de integración para la preparación de datos, aprendizaje automático, aprendizaje profundo y otras técnicas de análisis de datos. El flujo de trabajo se denomina procesos y la salida de un proceso se convierte en la entrada de otros. Esto se puede ampliar a través de lenguajes de programación o sus propios complementos. Algunas versiones de RapidMiner son gratuitas.

          Los productos de RapidMiner incluyen RapidMiner Studio, RapidMiner Auto Model, RapidMiner Turbo Prep, RapidMiner Server y RapidMiner Radoop. Podemos inspeccionar datos cargando datos en RapidMiner y hacer cálculos u ordenar los datos dentro de la herramienta. RapidMiner está diseñado principalmente para no programadores. RapidMiner también ayuda en la limpieza de datos y la preparación de gráficos.

          5. Talend

          Talend es una herramienta de código abierto para la integración de datos con la ayuda de la nube. Talend ayuda a importar datos y trasladarlos al almacén de datos lo más rápido posible. Talend tiene una plataforma unificada. Además, la comunidad de Talend es poderosa y nunca sabrá que la persona del otro lado proviene de qué origen.

          Talend Platforms, Talend Enterprise y Talend Open Studio ayudan en casi todo lo relacionado con los datos que quizás no busque otra herramienta una vez que comience a trabajar con Talend. Entre los tres, el más utilizado es Talend Open Studio. La colaboración y gestión de Talend son encomiables al igual que la integración de datos.

          6. Qlikview

          Se recomienda Qlikview como la mejor herramienta para la visualización de datos. Es más rápido, fácil y único por naturaleza. Hay una comunidad en QlikView que tiene foros de discusión, blogs y biblioteca. Community ayuda a resolver la mayoría de sus consultas. Muestra la relación entre los datos usando diferentes colores. Qlikview ayuda a los usuarios a tomar las decisiones correctas a partir de sus diferentes enfoques de visualización de datos.

          Si está interesado en el diseño de maquetación, Qlikview es su camino a seguir. Es bueno tener conocimientos de modelado de datos y conceptos básicos de SQL para dominar Qlikview.

          7. Naranja

          El kit de herramientas naranja se puede utilizar como visualización de datos simple para algoritmos complicados de aprendizaje automático, siempre que sea de código abierto. También se puede utilizar con la biblioteca de Python. Es como un lienzo donde el usuario coloca los widgets y se crea el flujo de trabajo. Todas las funcionalidades de datos se realizan en el lienzo de widgets. Los usuarios pueden explorar varias técnicas de visualización disponibles en la herramienta.

          Hay muchos complementos para la herramienta Orange, ya que también se usa en el algoritmo de aprendizaje automático. La minería de datos también se puede realizar en esta herramienta.

          8. H2O

          H2O ayuda a encontrar patrones de datos. Sus aplicaciones se encuentran principalmente en aprendizaje automático e inteligencia artificial, pero proporciona información realmente buena sobre los datos. H2O tiene una función incorporada para adivinar la estructura del conjunto de datos entrantes.

          También hay otras herramientas como OpenRefine para ordenar y filtrar datos, Fusion Tables para gráficos y visualización, Microsoft power BI para visualización de datos y disputa de datos, Google Dashboards para crear informes, Plotly para análisis estadístico, Gephi para visualización estadística y las herramientas son muchas. .

          Conclusión

          El análisis de datos se puede realizar fácilmente con un poco de práctica. Todas las herramientas no ayudarán por igual. Es bueno seleccionar una herramienta y convertirse en un maestro en esa herramienta. Comprender los datos es fundamental para saber dónde estamos realmente en términos de análisis de datos. La programación no es realmente importante para visualizar y analizar datos. Pero algunas herramientas te acercan a la programación.

          Artículos recomendados

          Esta es una guía de herramientas gratuitas de análisis de datos. Aquí discutimos el significado básico y las diferentes herramientas de análisis de datos en detalle. También puede consultar nuestros otros artículos sugeridos para obtener más información:


          Análisis estático frente a análisis dinámico

          El análisis estático es lo que parece: una revisión aislada del código fuente. El análisis dinámico, por otro lado, prueba el código a medida que se ejecuta en una máquina / procesador virtual o incluso real.

          Piense en el análisis estático como un pincel aquí y el análisis dinámico como un peine de dientes finos. Puede identificar defectos más sutiles, ya que revisa cómo el código interactúa con otros sistemas, sensores o periféricos.

          La gran diferencia es que el análisis dinámico no puede encontrar fallas en una base de código completa. Solo puede encontrar problemas en extractos de código ejecutado. Otra práctica recomendada es utilizar métodos de prueba de análisis tanto estáticos como dinámicos para producir el código más eficaz y eficiente.


          La evaluación de arco eléctrico calcula la energía incidente y el límite del arco eléctrico para cada ubicación en un sistema de energía. Arc Flash ahorra tiempo al determinar automáticamente los tiempos de disparo a partir de la configuración del dispositivo de protección y los valores de corriente de falla de arco. Los límites de energía incidente y arco eléctrico se calculan siguiendo las normas NFPA 70E, IEEE 1584 y NESC.

          Vea cómo nuestros productos pueden ayudarlo a ahorrar tiempo, garantizar el cumplimiento y salvar vidas. El análisis de fallas, la coordinación y el arco eléctrico son solo algunas de las características de nuestro paquete de software.


          En Excel, tenemos pocas herramientas integradas que se utilizan para el análisis de datos. Pero estos se activan solo cuando selecciona alguno de ellos. Para habilitar la herramienta de análisis de datos en Excel, vaya a la pestaña Opciones del menú Archivo. Una vez que obtengamos la ventana Opciones de Excel de los complementos, seleccione cualquiera de los paquetes de análisis, digamos Analysis Toolpak y haga clic en Ir. Esto nos llevará a la ventana desde donde podemos seleccionar uno o varios paquetes de herramientas de análisis de datos, que se pueden ver en la pestaña del menú Datos.

          Funciones de Excel, fórmulas, gráficos, formateo, creación de un panel de Excel y otros

          Si observa Excel en su computadora portátil o computadora, es posible que no vea la opción de análisis de datos de forma predeterminada. Necesitas desatarlo. Por lo general, hay un paquete de herramientas de análisis de datos disponible en la pestaña Datos.

          En la opción Análisis de datos, podemos ver muchas opciones de análisis.

          Libere el paquete de herramientas de análisis de datos en Excel

          Si su Excel no muestra este paquete, siga los pasos a continuación para liberar esta opción.

          Paso 1: Ir EXPEDIENTE.

          Paso 2: En Archivo, seleccione Opciones.

          Paso 3: Después de seleccionar Opciones, seleccione Complementos.

          Paso 4: Una vez que haga clic en Complementos, en la parte inferior, verá la lista desplegable Administrar. Seleccione Complementos de Excel y haga clic en Ir.

          Paso 5: Una vez que haga clic en Ir, verá un nuevo cuadro de diálogo. Verá todo el paquete de herramientas de análisis disponible. He seleccionado 3 de ellos y luego hago clic en OK.

          Paso 6: Ahora, verá estas opciones debajo de la cinta de Datos.

          ¿Cómo utilizar la herramienta de análisis de datos en Excel?

          Permita que & # 8217s comprenda el funcionamiento de una herramienta de análisis de datos con algunos ejemplos.

          Análisis de prueba T & # 8211 Ejemplo # 1

          Una prueba t devuelve la probabilidad de las pruebas. Mire los datos a continuación del patrón de puntuación de dos equipos en el torneo.

          Paso 1: Selecciona el Análisis de los datos opción bajo la DATOS pestaña.

          Paso 2: Una vez que haga clic en Análisis de datos, verá un nuevo cuadro de diálogo. Desplácese hacia abajo y busque la prueba T. En T-test, seleccionará tres tipos de T-test, el primero, es decir, Prueba t: dos muestras emparejadas para medias.

          Paso 3: Después de seleccionar la primera prueba t, verá las siguientes opciones.

          Paso 4: En Rango de la variable 1, seleccione la puntuación del equipo 1 y en Rango de la variable 2, seleccione la puntuación del equipo 2.

          Paso 5: Rango de salida selecciona la celda en la que desea mostrar los resultados.

          Paso 6: Haga clic en Etiquetas porque hemos seleccionado los rangos, incluidos los títulos. Haga clic en Aceptar para finalizar la prueba.

          Paso 7: Desde la celda D1, comenzará a mostrar el resultado de la prueba.

          El resultado mostrará el valor medio de dos equipos, valor de varianza, cuántas observaciones se realizan o cuántos valores se tienen en cuenta, correlación de Pearson, etc.

          Si P (T & lt = t) de dos colas, es 0.314, que es más alto que el valor P estándar esperado de 0.05. Esto significa que los datos no son significativos.

          También podemos hacer la prueba T usando la función incorporada T.TEST.

          Opción SOLVER & # 8211 Ejemplo # 2

          Un solucionador no es más que resolver el problema. SOLVER funciona como una búsqueda de objetivos en Excel.

          Mira la imagen de abajo. I have data of product units, unit price, total cost, and the total profit.

          Units sold quantity is 7550 at a selling price of 10 per unit. The total cost is 52500, and the total profit is 23000.

          As a proprietor, I want to earn a profit of 30000 by increasing the unit price. As of now, I don’t know how much units price I have to increase. SOLVER will help me to solve this problem.

          Paso 1: Abierto SOLVER under the DATA tab.

          Paso 2: Set the objective cell as B7 and the value of 30000 and by changing the cell to B2. Since I don’t have any other special criteria to test, I am clicking on the SOLVE button.

          Paso 3: The Result will be as below:

          Ok, excel SOLVER solved the problem for me. To make a profit of 30000 I need to sell the products at 11 per unit instead of 10 per unit.

          In this way, we can do the analyze the data.

          Things to Remember

          • We have many other analysis tests like Regression, F-test, ANOVA, Correlation, Descriptive techniques.
          • We can add Excel Add-in as a data analysis tool pack.
          • Analysis tool pack is available under VBA too.

          Recommended Articles

          This has been a guide to Data Analysis Tool in Excel. Here we discuss how to use the Excel Data Analysis Tool along with excel examples and a downloadable excel template. You may also look at these useful articles in excel –


          NDI Import I/O for Adobe CC

          Import your media files captured and recorded from NDI sources into Adobe Creative Cloud software applications from your local drives or across your network using standard storage systems. Once the NDI Import I/O for Adobe Creative Cloud is installed, all Creative Cloud applications that use video will recognize the NDI files as another media option. Simply apply media to your timelines for editing and animation projects. Because NDI files are time-stamped during recording, complex multi-cam editing is an effortless exercise.

          • Compatible with Adobe After Effects CC, Premiere Pro CC, and more…
          • Supports full-resolution, real-time video with audio and alpha channel
          • Enables synchronized multi-cam editing


          Ver el vídeo: Timing analysis with Vivado tools Part 1 (Septiembre 2021).