Richard C. Zink
Développeur statisticien principal de recherche
Compte tenu du coût et de la complexité d'un essai clinique et de l'incertitude quant à la réaction des patients à une intervention, les chercheurs collectent souvent autant de données que possible afin de décrire la sécurité et l'efficacité d'un nouveau traitement. La visualisation des données joue un rôle clé dans la synthèse et la communication efficaces des résultats de ces enquêtes. Un affichage graphique de la note est le tracé forestier, une figure qui présente un ou plusieurs intervalles de confiance ou crédibles verticalement pour communiquer les résultats de plusieurs critères d'extrémité ou un seul paramètre de plusieurs groupes. Dans cette présentation, nous décrivons plusieurs applications de la parcelle forestière dans le contexte d'essais cliniques, notamment le criblage d'innocuité et de qualité, l'analyse de sous-groupe, l'analyse de sensibilité d'un critère principal et la méta-analyse. Bien que nous présentions un grand nombre des exemples susmentionnés dans un contexte Frequentist, nous discutons également de la manière dont les parcelles forestières peuvent facilement communiquer les résultats de modèles bayésiens complexes utilisant la méthode de Markov Chain Monte Carlo (MCMC). Nous illustrons ces exemples en utilisant le complément de parcelle forestière JMP disponible gratuitement.
