[R Shiny] Real-Time Data Dashboard

Link

1. 데이터 구성

• 데이터 출처: Electronic Data Capture (EDC) 시스템 기반 실시간 임상 데이터(임의 생성)
• 주요 데이터
  • 피험자 등록 현황 (Enrollment Status)
  • 이상반응 보고
  • Site Monitoring Visit 일정 및 진행 상태
• 데이터 특징
  • 다기관 임상시험 데이터로 site 및 visit 기준의 다차원 구조
  • 지속적으로 업데이트되는 실시간 데이터
  • 분석 전 데이터 통합, 정제 및 집계 과정 수행

2. 분석 방법 및 기술

• 사용 기술
  • R (dplyr, ggplot2, lme4)
  • R Shiny (shinyWidgets, shinythemes)
  • R Markdown
• 데이터 구조 설계
  • subject-level과 visit-level 데이터를 분리하여 반복 측정 구조를 반영
  • treatment 변수는 subject-level에서 할당되어 longitudinal 구조 유지
• 분석 방법
  • Mixed Effects Model
    • treatment × visit interaction을 포함하여 치료군 간 시간에 따른 효과 변화 평가
      • 반복측정 데이터를 대상으로 수행한 선형 혼합모형의 고정효과 추정 결과를 보여줌,
      • visit은 방문 시점에 따른 점수 변화의 평균적인 경향을 평가하며, subject에 대한 랜덤 절편(random intercept)을 포함하여 개인 간 차이를 반영함.
  • 자동화 및 리포팅
    • R Markdown 기반 자동 보고서 생성 및 다운로드 기능 제공
• 통계 결과 활용
  • 혼합모형 결과를 기반으로 치료 효과 및 시간 경향성 해석
  • 반복 측정 데이터를 고려한 보다 정확한 추정 수행

3. 시각화 및 대시보드 기능

• Line Chart
  • 시간 및 visit 기준 enrollment 추세 및 주요 지표 변화
• Bar / Donut Chart
  • Site별 enrollment rate
  • AE 발생률
  • Query 해결 현황 비교
• Interactive Table
  • Site 및 Investigator별 주요 지표 제공
  • 정렬, 검색, 필터 기능 지원
  • CSV 및 PDF 다운로드 가능
• UI/UX 개선
  • Site / 날짜 / Investigator 기준 필터 기능
  • 탭 기반 구조 및 반응형 레이아웃 적용

---

• Mixed Model 결과

Term	Estimate	Std. Error	df	t value	Pr(>
(Intercept)	1.08	0.27	287.97	4.06	0.0001
treatmentTest	0.19	0.38	287.97	0.50	0.6173
visit	0.71	0.04	598.00	15.82	0.0000
treatmentTest:visit	0.68	0.06	598.00	10.69	0.0000

1. Visit 효과 (시간에 따른 변화)
   • Estimate: 0.71, p < 0.001
   • 방문 시점이 증가할수록 score가 유의하게 증가하였다.
   • 시간 경과에 따른 전반적인 변화가 존재한다.
2. Treatment 효과 (baseline 차이)
   • Estimate: 0.19, p = 0.617
   • test와 reference 간 baseline에서 유의한 차이가 없다.
3. Treatment × Visit 상호작용
   • Estimate: 0.68, p < 0.001
   • 치료군에서 시간에 따라 score 증가 폭이 크다
   • 치료 효과는 시간에 따라 점점 나타난다.
4. 결과
   • 시간에 따른 score증가 경향이 있고,
   • 초기에 치료군간 유의한 차이가 존재하지 않으나
   • 시간이 지남에 따라 test군에서 더 큰 개선 효과가 나타났다.