Questo blog è stato scritto da Shuying Han. Shuying Han ha sviluppato il componente aggiuntivo UpSet Plot nell'ambito del programma di tirocinio estivo per studenti universitari di biostatistica (BUSI) presso l'Università della Carolina del Nord a Chapel Hill.
Introduzione
Oggigiorno, studi statistici e studi clinici mirano a svelare e comunicare le storie contenute nei dati, trasformando numeri grezzi in informazioni significative. La visualizzazione dei dati rappresenta un ponte cruciale per presentare e comunicare efficacemente questi risultati.
Ispirati dal lavoro di Ballarini et al. (2020) , abbiamo adottato il grafico UpSet come robusto strumento di visualizzazione dati per esplorare e analizzare set di dati categoriali. I grafici UpSet offrono un approccio chiaro e scalabile alla visualizzazione delle intersezioni tra più variabili, consentendo agli utenti di selezionare dinamicamente le variabili di raggruppamento e fattoriali per un'esplorazione personalizzata e interattiva. Questo approccio li rende particolarmente adatti per scoprire pattern e relazioni in set di dati complessi e multidimensionali. A differenza dei tradizionali diagrammi di Venn, i grafici UpSet offrono un modo più strutturato e intuitivo per analizzare le sovrapposizioni, soprattutto nel contesto degli studi clinici, dove la complessità spesso aumenta con il volume dei dati raccolti.
Esempio utilizzando Nicardipine.jmp
In questo blog, utilizziamo un sottoinsieme del set di dati campione Nicardipine.jmp (disponibile nei dati campione JMP), che acquisisce le informazioni sui pazienti (N=882) da uno studio clinico che ha coinvolto il trattamento con nicardipina, dopo aver rimosso le righe con identificativi dei soggetti duplicati. Include dati demografici chiave dei pazienti, protocolli di trattamento, segnalazione di eventi avversi, esiti clinici e metadati dello studio, offrendo una panoramica completa delle variabili tipicamente raccolte in uno studio clinico, rendendolo prezioso per le analisi di sottogruppo.
(Nota: per ottenere un riepilogo dei dati a livello di paziente per Nicardipine.jmp, selezionare la colonna Identificatore univoco del soggetto, andare su Righe > Selezione riga > Seleziona righe duplicate. Eliminare queste righe duplicate selezionate: ora ci sono 882 righe, una per paziente. Le colonne Abbreviazione di dominio e Numero di sequenza per studiare il giorno di fine dell'evento avverso sono dati a livello di EA e possono essere eliminate o ignorate.)
Per analizzare la relazione tra sesso (maschio, femmina) e vari indicatori di intervento clinico, come il monitoraggio Swan-Ganz ("S" per Sì, "N" per No), gli steroidi ("S" per Sì, "N" per No) e l'emodiluizione intenzionale ("S" per Sì, "N" per No), presentiamo la finestra di dialogo del grafico UpSet nella Figura 1.
Figure 1. Sample UpSet plot dialogFigura 1. Esempio di finestra di dialogo del grafico UpSet
Dopo aver immesso le variabili del fattore target e la variabile di raggruppamento, il componente aggiuntivo UpSet Plot ha generato il grafico UpSet corrispondente (Figura 2).
Figure 2. Sample UpSet plotFigura 2. Esempio di grafico UpSet
Panoramica del grafico UpSet
- Il grafico a barre sovrapposte in alto rappresenta la percentuale di pazienti per ciascun sesso (maschio, femmina) come variabile di raggruppamento selezionata nella finestra di dialogo (Figura 1) per diversi sottogruppi di indicatori di intervento.
- Il grafico a barre centrale mostra il numero totale di pazienti (N per sottogruppo) in ciascuna intersezione univoca di indicatori di intervento. Il grafico a barre destro mostra il numero totale di pazienti per ciascun livello di fattore. Ad esempio, 456 pazienti (la quarta barra) hanno l'indicatore di emodiluizione intenzionale = N e l'indicatore di steroidi = Y (i punti sono presenti e collegati in questa colonna). All'interno di questo gruppo, il 38% e il 63% di questi 456 pazienti sono rispettivamente uomini e donne (passando il mouse su queste barre si ottengono le percentuali esatte).
- La parte inferiore del grafico, con segmenti lineari, mostra le combinazioni di sottogruppi individuali, a coppie e a tre, in base alla presenza e all'assenza di ciascun flag di intervento ("S" per Sì, "N" per No). I punti illustrano le caratteristiche di ciascun sottogruppo.
Approfondimenti dal grafico UpSet
- Proporzioni dei fattori di raggruppamento: in base al grafico a barre sovrapposte sopra, il gruppo femminile (F) domina costantemente in tutte le combinazioni di sottogruppi, con percentuali comprese tra il 56% e il 70%. Questa distribuzione di genere relativamente sbilanciata può influenzare i risultati degli studi in cui il genere è un fattore chiave.
- Dimensione del sottogruppo: il grafico a barre di destra mostra la variabilità nelle dimensioni di ciascuna combinazione di indicatori di intervento, con il gruppo più numeroso contenente 643 individui e gli altri che scendono a 625, 489, 293 e 257. L'indicatore di monitoraggio Swan-Ganz presenta una rappresentazione relativamente equilibrata, mentre altri mostrano una distribuzione non uniforme, suggerendo differenze nell'utilizzo dell'intervento o nelle caratteristiche dei pazienti. A seconda degli obiettivi dello studio, un'ulteriore analisi delle interazioni tra sottogruppi a coppie e a tre vie potrebbe rivelare tendenze chiave.
Conclusione
Il grafico UpSet offre un modo efficiente e intuitivo per visualizzare intersezioni e relazioni all'interno di set di dati multidimensionali. Utilizzando il sottoinsieme del dataset dello studio Nicardipine.jmp, abbiamo dimostrato come questo strumento di visualizzazione evidenzi efficacemente l'interazione tra sesso e indicatori di intervento clinico. Consentendo l'esplorazione dinamica dei pattern dei sottogruppi, il grafico UpSet semplifica la gestione di dati complessi e di grandi dimensioni e fornisce informazioni fruibili, rendendolo una risorsa preziosa per l'analisi degli studi clinici e il processo decisionale.
Per maggiori dettagli ed esempi del componente aggiuntivo, consulta la documentazione del componente aggiuntivo UpSet Plot . Se ti piace il componente aggiuntivo, lasciaci una recensione a cinque stelle! Puoi richiedere nuove funzionalità nella sezione Domande e Risposte.
Riferimenti
Ballarini NM, Chiu Y, König F, Posch M e Jaki T. (2020). Una revisione critica dei grafici per l'analisi dei sottogruppi negli studi clinici . Statistiche farmaceutiche , 19: 541-560.
