Quando ero al JMP Discovery Summit l'anno scorso, diverse persone mi hanno chiesto: "Cos'è un grafico a tre vie e perché ne dovrei aver bisogno?" Non tutti ne hanno bisogno, ma alcuni potrebbero. In questo post del blog, vi racconterò di più su di loro e sul perché potreste volerli usare.
I Centers of Disease Control (CDC) stanno consigliando a tutte le ragazze adolescenti e, più di recente, ai ragazzi adolescenti di ricevere la sequenza completa di tre dosi del vaccino contro il papillomavirus umano (HPV4). Molti studi hanno scoperto che i vaccini anti-HPV riducono significativamente i casi di cancro cervicale e di altri tumori causati dall'HPV. Nel 2008, in tutto il mondo, più di 500.000 nuovi casi di cancro e oltre 275.000 decessi sono stati attribuibili all'HPV, riferisce il CDC, rendendo l'HPV una delle più importanti cause infettive di cancro. Poiché il CDC ha riferito nel 2010 che solo il 32% delle ragazze di età compresa tra 13 e 17 anni aveva completato tutte e tre le dosi, sono state avviate forti campagne per studiare e aumentare i tassi di successo nel completamento della sequenza.
Le tipiche pratiche mediche che somministrano questi vaccini sono pediatria, medicina di famiglia e studi di ostetricia/ginecologia. Spesso ci sono più sedi in cui vengono somministrati i vaccini all'interno di un ospedale o di un gruppo medico. Questo studio considera una simulazione del tasso di completamento di 11 ospedali e delle loro cliniche associate, ciascuna con tutte e tre le pratiche. In questo caso, ogni reparto di pediatria, medicina di famiglia e ostetricia/ginecologia è annidato in ogni ospedale. Vale a dire, non possiamo supporre che un reparto pediatrico nell'ospedale 1 avrà gli stessi comportamenti e caratteristiche di un reparto pediatrico nell'ospedale 5; né sono intercambiabili.
Per replicare il grafico sottostante in JMP :
Aprire
HPV.jmp da JMP File Exchange (il download richiede un profilo SAS gratuito)
Dal menu Analizza, seleziona Qualità e processo->Costruttore di grafici di controllo
Trascina e rilascia Completato sull'asse Y
Trascina e rilascia la posizione sull'asse X
Trascina il testo di pratica nell'area appena sopra l'asse X e rilascialo
I dati che stiamo tracciando sull'asse Y sono un rapporto tra il numero di pazienti che completano la sequenza diviso per il numero totale di pazienti in questa fascia di età. Se ogni clinica o reparto avesse solo 5-10 pazienti, potremmo prendere in considerazione l'utilizzo di un grafico p per primo. Poiché i grafici di controllo di Shewhart non presuppongono la normalità e poiché questi dati di proporzione hanno dimensioni di campione così grandi, i grafici di Shewhart funzionano bene per esaminare i dati.
Nella Figura 2, vediamo molte pratiche che sarebbero considerate "fuori controllo" dagli standard di qualità, poiché le loro medie sono sopra o sotto i limiti. Immagina per un momento di tracciare un grafico di 20 o 100 ospedali, ognuno con una o due pratiche oltre i limiti di controllo. Questo grafico diventerebbe rapidamente inutile poiché non emergerebbe nulla.
Si noti che il secondo grafico nella Figura 2 è un grafico Range, che traccia i range di ogni combinazione studio/luogo. I limiti per il primo grafico, il grafico XBar, utilizzano il range medio del secondo grafico per calcolare i limiti.
Se invece consideriamo la struttura nidificata dei dati e calcoliamo i limiti utilizzando la differenza di intervallo mobile tra gli studi, potremmo essere in grado di distinguere meglio il rumore dalla variazione regolare tra e all'interno dei diversi tipi di clinica.
Per fare ciò, possiamo fare clic con il pulsante destro del mouse sul grafico superiore e scegliere "Aggiungi grafico di dispersione". Ciò consentirà:
1) Inserire un grafico Moving Range tra il grafico XBar e il grafico Range.
2) Modificare i limiti sul grafico XBar per utilizzare come sigma l'intervallo mobile medio anziché l'intervallo medio.
Vedrai i limiti sul grafico XBar spostarsi, diventando più ampi. I limiti ora utilizzano l'intervallo mobile tra ogni combinazione studio-luogo. Poiché il nostro interesse è nel confrontare studi piuttosto che in un paziente specifico all'interno di uno studio, ha senso utilizzare la variazione tra per i limiti sul grafico XBar. Ora abbiamo solo uno studio che si distingue e possiamo iniziare a esplorare cosa rende questo studio così efficace.
* Autorizzazione all'utilizzo dell'immagine della molecola HPV sopra riportata concessa da Thomas Zucker-Scharff presso l'Albert Einstein College of Medicine della Yeshiva University, Epidemiology Cancer Center.
