Ce blog a été rédigé par Shuying Han. Shuying Han a développé le module complémentaire UpSet Plot dans le cadre du programme de stage d'été de premier cycle en biostatistique (BUSI) de l'Université de Caroline du Nord à Chapel Hill.
Introduction
De nos jours, les études statistiques et les essais cliniques visent à révéler et à communiquer les histoires contenues dans les données, transformant les chiffres bruts en informations pertinentes. La visualisation des données constitue un pont essentiel pour présenter et communiquer efficacement ces résultats.
Inspirés par les travaux de Ballarini et al. (2020) , nous avons adopté le graphique UpSet comme outil de visualisation de données robuste pour explorer et analyser des ensembles de données catégorielles. Les graphiques UpSet offrent une approche claire et évolutive pour visualiser les intersections entre plusieurs variables, permettant aux utilisateurs de sélectionner dynamiquement des variables de regroupement et de factorisation pour une exploration personnalisée et interactive. Cette approche les rend particulièrement adaptés à la découverte de tendances et de relations dans des ensembles de données complexes et multidimensionnels. Contrairement aux diagrammes de Venn traditionnels, les graphiques UpSet offrent une méthode plus structurée et intuitive pour analyser les chevauchements, notamment dans le contexte des essais cliniques, où la complexité augmente souvent avec le volume de données collectées.
Exemple utilisant Nicardipine.jmp
Dans ce blog, nous utilisons un sous-ensemble de données d'échantillon Nicardipine.jmp (disponible dans les données d'échantillon JMP), qui recueille les informations des patients (N = 882) d'un essai clinique portant sur un traitement par nicardipine après suppression des lignes contenant des identifiants de sujets en double. Ce sous-ensemble comprend les données démographiques clés des patients, les protocoles de traitement, la déclaration des effets indésirables, les résultats cliniques et les métadonnées de l'étude, offrant ainsi une vue complète des variables généralement collectées dans un essai clinique, ce qui le rend précieux pour les analyses de sous-groupes.
(Remarque : pour obtenir un résumé des données au niveau du patient pour Nicardipine.jmp, sélectionnez la colonne Identifiant unique du sujet, accédez à Lignes > Sélection de ligne > Sélectionner les lignes en double. Supprimez ces lignes sélectionnées en double ; il y a maintenant 882 lignes, une par patient. Les colonnes Abréviation du domaine et Numéro de séquence jusqu'au jour de l'étude de fin de l'événement indésirable sont des données au niveau de l'EI et peuvent être supprimées ou ignorées.)
Pour analyser la relation entre le sexe (homme, femme) et divers indicateurs d'intervention clinique, tels que la surveillance Swan-Ganz (« Y » pour Oui, « N » pour Non), les stéroïdes (« Y » pour Oui, « N » pour Non) et l'hémodilution intentionnelle (« Y » pour Oui, « N » pour Non), nous présentons la boîte de dialogue de tracé UpSet dans la Figure 1.
Figure 1. Sample UpSet plot dialogFigure 1. Exemple de boîte de dialogue de tracé UpSet
Après avoir saisi les variables de facteur cible et la variable de regroupement, le module complémentaire UpSet Plot a généré le tracé UpSet correspondant (Figure 2).
Figure 2. Sample UpSet plotFigure 2. Exemple de graphique UpSet
Aperçu du tracé UpSet
- Le graphique à barres empilées en haut représente la proportion de patients pour chaque sexe (homme, femme) comme variable de regroupement sélectionnée dans la boîte de dialogue (figure 1) pour différents sous-groupes d'indicateurs d'intervention.
- Le graphique à barres du milieu affiche le nombre total de patients (N par sous-groupe) à chaque intersection d'indicateurs d'intervention. Le graphique à barres de droite affiche le nombre total de patients pour chaque niveau de facteur. Par exemple, 456 patients (quatrième barre) présentent un indicateur d'hémodilution intentionnelle = N et un indicateur de stéroïdes = Y (des points sont présents et reliés dans cette colonne). Au sein de ce groupe, 38 % et 63 % de ces 456 patients sont respectivement des hommes et des femmes (le survol de ces barres donne les pourcentages exacts).
- La partie inférieure du graphique, avec ses segments de droite, présente les combinaisons de sous-groupes individuels, par paires et à trois niveaux, selon la présence et l'absence de chaque indicateur d'intervention (« O » pour Oui, « N » pour Non). Les points illustrent les caractéristiques de chaque sous-groupe.
Aperçus de l'intrigue UpSet
- Proportions des facteurs de regroupement : D’après le graphique à barres empilées ci-dessus, le groupe féminin (F) domine systématiquement toutes les combinaisons de sous-groupes, allant de 56 % à 70 %. Cette répartition relativement déséquilibrée des sexes peut affecter les résultats des études où le sexe est un facteur clé.
- Taille des sous-groupes : Le graphique à barres de droite montre la variabilité de la taille de chaque combinaison d'indicateurs d'intervention, le groupe le plus important contenant 643 personnes, les autres diminuant à 625, 489, 293 et 257. L'indicateur de surveillance Swan-Ganz présente une représentation relativement équilibrée, tandis que les autres présentent une distribution inégale, suggérant des différences dans l'utilisation des interventions ou les caractéristiques des patients. Selon les objectifs de l'étude, une analyse plus approfondie des interactions entre les sous-groupes par paires et à trois facteurs pourrait révéler des tendances clés.
Conclusion
Le graphique UpSet offre un moyen efficace et intuitif de visualiser les intersections et les relations au sein d'ensembles de données multidimensionnelles. En utilisant le sous-ensemble de données de l'essai Nicardipine.jmp, nous avons démontré comment cet outil de visualisation met efficacement en évidence l'interaction entre le sexe et les indicateurs d'intervention clinique. En permettant une exploration dynamique des tendances des sous-groupes, le graphique UpSet simplifie les données volumineuses et complexes et fournit des informations exploitables, ce qui en fait une ressource précieuse pour l'analyse des essais cliniques et la prise de décision.
Pour plus de détails et d'exemples sur le module complémentaire, veuillez consulter la documentation du module complémentaire UpSet Plot . Si vous appréciez le module complémentaire, n'hésitez pas à nous donner un avis positif ! Les nouvelles fonctionnalités peuvent être demandées dans la section Questions-réponses.
Références
Ballarini NM, Chiu Y, König F, Posch M, & Jaki T. (2020). Revue critique des graphiques pour les analyses de sous-groupes dans les essais cliniques . Statistiques pharmaceutiques , 19 : 541-560.
