SEND [非临床数据交流标准]不单是一个促进向FDA进行非临床数据申报的工具。SEND数据集中含有丰富的信息，但对于非专业人士来说，消化这些信息非常费时。借助合适的可视化工具，SEND数据集可为非临床项目提供信息，并提取出重要的见解。
数据可视化工具如何帮助我使用SEND？
受控词表有利于展示数据，让研究人员能够仔细梳理并深入钻研临床信息。使用可视化工具能够显著缩短传达解剖病理学结果所需的时间。由于这些均为定性数据，因此，量化、使用色彩标记、分组和排序有助于通过查看数据来辨别模式、发现趋势和识别异常。
您可通过以下一些实例了解可视化工具如何帮助更加轻松、快速地阅读数据：
实例1：SEND数据集报告的副作用可视化
下方图1展示了一项研究中可能令人担忧的观察结果：五位男性受试者患有“肾病，慢性进行性 - 重度”；其详细信息扩展为一份针对受影响受试者的表格。
图1. SEND数据集报告的观察到的副作用可视化。
实例2：单一研究模型的副作用报告
图2展示了研究中被研究人员选出接受其他组织检查或进一步研究的一位受试者。这让研究人员能够为个体受试者的结果和发现进行侧写，从而发现临床副作用的趋势。
图2. 单一研究模型中观察到的副作用报告。
实例3：SEND数据集的临床参数摘要
数据可视化之前
在未采用数据可视化辅助工具的情况下，下方SEND研究（表1）每页展示一个临床参数（CP）且每页展示一个性别。但此页并非该参数针对男性受试者的唯一一页数据；实际上，报告所有男性和女性受试者三个参数的结果摘要就需要11页。
表1. SEND数据集的临床参数摘要。
同样三个参数的个体结果占了24页。在CP贡献者报告中，此研究中的所有CP数据就占了超过500页。整篇研究报告长达1500页以上。如此冗长的报告使得关注某位受试者的结果变得非常耗时，而对数据的解释也变得不直观。
数据可视化之后
为让这些数据更易于消化，我们运用可视化方法对数据进行了展示。在图3中，上文数据集中的同样三个参数被总结在一个页面中，并在合并（顶部）和区分（底部）性别的情况下对数据进行了排序。
由于可视化工具是交互式的，因此科学家可在摘要与个体数据、个体研究模型、不同参数之间轻松切换。您还可仅选择一位受试者，将其数据在所有相关可视化图表中突出显示。
图3. SEND数据集的可视化。
实例4：SEND数据集的临床观察结果
数据可视化之前
在另一个数据集样本中，表2显示了在研究的任何时间点有发现的受试者人数；但未显示发现的次数。
摘要表根据装运批次进行了拆分，造成每个类别的发现之间相隔超过10页。摘要表有20页，单份表格就占了424页，整个报告长达2700页以上。
表2. SEND数据集的临床观察结果摘要。
数据可视化之后
通过使用数据可视化工具，大大小小的信息都呈现在一张表（图4）上。带状图表明了每位受试者的发现次数。所有发现均可在一页上查看，而且使用者可以选择其他小组、参数或个体受试者以筛选结果。
图 4. SEND数据集的数据可视化
我可以使用哪些数据可视化工具？
科文斯使用内部的数据可视化工具以帮助我们阅读和理解自己的数据集。您也可这样处理自己的数据集。
市场中有多种可视化工具，这些工具可接受原始数据，并将冗长的研究报告转化为直观、交互式的图表。具体还需您自行研究，请务必选择适合您现有数据系统的工具。
