本部落格由Shuying Han 撰寫。作為北卡羅來納大學教堂山分校生物統計學本科生暑期實習(BUSI) 計畫的一部分，韓淑英開發了 UpSet Plot 外掛程式。
介紹
如今，統計研究和臨床試驗旨在揭示和傳達數據中的故事，將原始數字轉化為有意義的見解。資料視覺化是有效呈現和傳達這些發現的重要橋樑。
受到Ballarini 等人的作品的啟發。 （2020） ，我們採用了UpSet 圖作為強大的資料視覺化工具來探索和分析分類資料集。 UpSet 圖提供了一種清晰且可擴展的方法來視覺化多個變數之間的交叉點，讓使用者動態選擇分組和因子變數進行自訂和互動式探索。這種方法使它們特別適合揭示複雜、多維資料集中的模式和關係。與傳統的維恩圖不同，UpSet 圖提供了一種更結構化、更直觀的方式來分析重疊，特別是在臨床試驗的背景下，複雜性通常會隨著收集的資料量的增加而增加。
使用 Nicardipine.jmp 的範例
在此部落格中，我們利用樣本資料集 Nicardipine.jmp（可在 JMP 樣本資料中取得）的子集，該子集在刪除了具有重複主題標識符的行後，從涉及尼卡地平治療的臨床試驗中捕獲患者資訊（N=882）。它包括關鍵患者人口統計、治療方案、不良事件報告、臨床結果和研究元數據——提供臨床試驗研究中通常收集的變數的全面視圖，使其對於亞組分析很有價值。
（注意：要取得 Nicardipine.jmp 的患者級資料摘要，請選擇「唯一受試者識別碼」列，然後轉到「行」>「行選擇」>「選擇重複行」。刪除這些重複的選定行 - 現在共有 882 行，每個患者一行。「域縮寫」和「不良事件結束研究日序號」欄位是 AE 級資料，可以忽略或忽略）。
為了分析性別（男、女）與各種臨床幹預標誌之間的關係，例如 Swan-Ganz 監測（“Y” 表示是，“N” 表示否）、類固醇（“Y” 表示是，“N” 表示否）和有意血液稀釋（“Y” 表示是，“N” 表示否），我們在圖 1 中展示了 UpSet 圖對話框。
Figure 1. Sample UpSet plot dialog圖 1. UpSet 圖對話框範例
輸入目標因子變數和分組變數後，UpSet Plot Add-In產生對應的UpSet圖（圖2）。
Figure 2. Sample UpSet plot圖 2. UpSet 圖表範例
UpSet 情節概述
- 頂部的堆積長條圖表示對話方塊（圖 1）中選定的分組變數中每個性別（男性、女性）的患者比例，用於不同的介入標誌子組。
- 中間的長條圖顯示幹預標誌的每個唯一交叉點中的患者總數（每個子組的 N 數）。右側長條圖顯示每個因素等級的患者總數。例如，456 名患者（第四條柱狀圖）有意血液稀釋標誌 = N 且類固醇標誌 = Y（此列中有點且連接在一起）。在該組中，456 名患者中分別有 38% 和 63% 為男性和女性（將滑鼠懸停在這些條形圖上將顯示確切的百分比）。
- 帶有線段的圖表底部顯示基於每個幹預標誌的存在和不存在的個體、成對和三向子組組合（“Y”表示是，“N”表示否）。這些點說明了每個子群的特徵。
從《UpSet》情節中得到的啟示
- 分組因素比例：根據上面的堆疊長條圖，女性組（F）在所有子組組合中始終占主導地位，範圍從 56% 到 70%。這種相對不平衡的性別分佈可能會影響以性別為關鍵因素的研究結果。
- 子組大小：右側長條圖顯示了每個介入標誌組合的大小變化，其中最大的組別包含 643 人，其他組別依序減少到 625、489、293 和 257 人。 Swan-Ganz 監測標誌具有相對均衡的代表性，而其他標誌則顯示不均勻的分佈，表明幹預利用率或患者特徵存在差異。根據研究目標，對成對和三向子組相互作用的進一步分析可能會揭示關鍵趨勢。
結論
UpSet 圖提供了一種有效且直觀的方式來視覺化多維資料集內的交叉點和關係。使用 Nicardipine.jmp 試驗資料集子集的子集，我們展示了此視覺化工具如何有效地突出性別和臨床幹預標誌之間的相互作用。透過實現子組模式的動態探索，UpSet 圖簡化了大型複雜數據並提供了可操作的見解，使其成為臨床試驗分析和決策的寶貴資源。
有關該插件的更多詳細資訊和範例，請參閱UpSet Plot 插件文件。如果您喜歡該插件，請給我們五星評價！可以在問答中請求新功能。
參考
Ballarini NM、Chiu Y、König F、Posch M 和 Jaki T. (2020)。 對臨床試驗亞組分析圖形的嚴格審查。藥物統計學,19:541-560。
