Richard C. Zink
Statisticien de recherche principal Développeur
Compte tenu du coût et de la complexité de la conduite d'un essai clinique, ainsi que de l'incertitude quant à la réponse des patients à une intervention, les chercheurs collectent souvent un maximum de données afin de décrire l'innocuité et l'efficacité d'un nouveau traitement. La visualisation des données joue un rôle essentiel pour synthétiser et communiquer efficacement les résultats de ces études. Le graphique en forêt est un exemple remarquable : il s'agit d'une figure qui présente un ou plusieurs intervalles de confiance ou de crédibilité verticalement afin de communiquer les résultats de plusieurs critères d'évaluation ou d'un seul critère d'évaluation pour plusieurs groupes. Dans cette présentation, nous décrivons plusieurs applications du graphique en forêt dans le contexte des essais cliniques, notamment le dépistage de l'innocuité et de la qualité, l'analyse de sous-groupes, l'analyse de sensibilité d'un critère d'évaluation principal et la méta-analyse. Si nous présentons nombre des exemples mentionnés ci-dessus dans un contexte fréquentiste, nous expliquons également comment les graphiques en forêt peuvent facilement communiquer les résultats de modèles bayésiens complexes utilisant la méthode de Monte-Carlo par chaîne de Markov (MCMC). Nous illustrons ces exemples à l'aide du module complémentaire JMP pour graphiques en forêt, disponible gratuitement.
