Introduzione
Nel mondo odierno basato sui dati, le relazioni sono importanti tanto quanto i punti dati stessi. Che si tratti di mappare le connessioni sociali o di esplorare le interazioni farmaco-evento, visualizzare queste relazioni può rivelare informazioni altrimenti nascoste in tabelle o statistiche aggregate. Un grafico a rete offre un modo intuitivo per esplorare tali dati interconnessi, rappresentando le entità come nodi e le loro relazioni come archi. Può essere utilizzato per individuare attori chiave nei social media, rilevare frodi finanziarie, ottimizzare i percorsi logistici e persino esplorare le interazioni proteiche e i percorsi delle malattie. Ciò che accomuna queste applicazioni è la necessità di semplificare una struttura relazionale complessa in narrazioni visive utili e chiare.
Possiamo ponderare i margini in base alla frequenza e alle relazioni statistiche, come la correlazione e la correlazione parziale. Inoltre, diverse opzioni di layout ci consentono di esplorare diverse relazioni, identificare cluster e collegare elementi che possono segnalare attori influenti o relazioni di tipo "collo di bottiglia" che possono essere nascoste nei grafici o nei fogli di calcolo tradizionali.
Dopo aver introdotto i principi generali e le tecniche del network plot, esaminerò un caso di studio di farmacovigilanza sulla co-occorrenza di eventi avversi (EA), che dimostrerà come il network plot illumini i segnali di sicurezza dei farmaci. Infine, esplorerò come il componente aggiuntivo JMP Network Plot supporti l'esplorazione interattiva, il filtraggio dei dati e l'analisi a livello di gruppo.
Componente aggiuntivo Network Plot
I grafici di rete modellano i dati come relazioni. Ogni nodo rappresenta un'entità – come una persona, un prodotto, un gene o un farmaco – mentre un arco indica un'interazione definita, una co-occorrenza o una relazione tra due nodi. Gli archi possono avere pesi per riflettere una serie di attributi condivisi, come la frequenza a coppie, la durata della sovrapposizione, la correlazione o la dipendenza condizionale. La dimensione o il colore del nodo possono codificare attributi come la frequenza marginale o le caratteristiche di gruppo.
Un grafico di rete interattivo migliora l'individuazione di pattern e la generazione di ipotesi. I layout più comuni includono configurazioni basate su autovettori o circolari che evidenziano pattern strutturali o una panoramica comparativa. Filtri, raggruppamento dei bordi e impostazioni di soglia riducono l'ingombro e focalizzano l'attenzione sulle connessioni significative.
Abbiamo sviluppato il componente aggiuntivo Network Plot , disponibile per JMP 17 e versioni successive. Come mostrato nella Figura 1, il flusso di lavoro inizia con la selezione di colonne dal set di dati selezionato dall'utente: l'identificativo del soggetto, i termini di interesse (come i termini di evento o farmaco) e, facoltativamente, una variabile di raggruppamento che organizza i termini di interesse in categorie reciprocamente esclusive.
All'interno dell'interfaccia di dialogo, gli utenti possono personalizzare l'aspetto del grafico. Gli archi vengono disegnati tra coppie di nodi se si verificano contemporaneamente all'interno dello stesso soggetto, con la dimensione del nodo e dell'arco (di default) che riflette la frequenza dell'evento e la co-occorrenza degli eventi. Per quanto riguarda le opzioni di colore, gli archi possono essere colorati in base alla frequenza e all'associazione statistica, come il coefficiente di correlazione o di correlazione parziale, che evidenzia la forza della connessione tra due eventi qualsiasi.
Figure 1. Dialog window displayed upon launching the add-inFigure 1. Dialog window displayed upon launching the add-inFigura 1. Finestra di dialogo visualizzata all'avvio del componente aggiuntivo
Il componente aggiuntivo costruisce la rete con due opzioni di layout principali, in cui ogni termine di interesse univoco è rappresentato come un nodo:
- Il layout circolare predefinito , come mostrato nella Figura 2, dispone tutti i nodi attorno a un cerchio, rendendo ogni connessione più facilmente visibile e fornendo una panoramica di alto livello della connettività di rete. Nota importante: questo è un layout dinamico. Ricalcola e riorganizza automaticamente le posizioni dei nodi durante il filtraggio per garantire la massima visibilità.
- In alternativa, un layout basato sugli autovettori dispone i nodi in base ai primi due autovettori della matrice di correlazione parziale o di correlazione (quando la correlazione parziale non è a rango completo) delle co-occorrenze, come mostrato nella Figura 3. Questo approccio raggruppa insieme i nodi con modelli di sovrapposizione simili, facilitando l'individuazione di raggruppamenti o moduli naturali all'interno dei dati.
Il grafico è completamente interattivo; gli utenti possono filtrare dinamicamente i dati sottostanti utilizzando le opzioni del Filtro Dati del pannello di sinistra, aggiornando istantaneamente la rete per concentrarsi su specifici sottogruppi, intervalli di frequenza o di correlazione. Selezionando un nodo o un arco nel grafico, vengono evidenziati i record corrispondenti nella tabella dati JMP, facilitando un rapido drill-down per una revisione dettagliata.
Figure 2. Interactive Data Filter of Network Plot add-inFigure 2. Interactive Data Filter of Network Plot add-inFigura 2. Filtro dati interattivo del componente aggiuntivo Network Plot
Figure 3. Layout options of Network Plot add-inFigure 3. Layout options of Network Plot add-inFigura 3. Opzioni di layout del componente aggiuntivo Network Plot
Caso di studio: sovrapposizione di farmaci ed eventi avversi
Per dimostrare l'impatto pratico dei grafici a rete, li abbiamo applicati a un set di dati di eventi avversi muscoloscheletrici (EA) utilizzando il componente aggiuntivo interattivo Network Plot. Ogni nodo della rete rappresenta un EA distinto, come artralgia , gonfiore articolare o dolore muscoloscheletrico . I bordi indicano i casi in cui questi eventi si sono verificati contemporaneamente nelle cartelle cliniche dei pazienti almeno una volta, ovvero tutti gli eventi presenti in questi dati. La dimensione del nodo riflette la frequenza con cui si verifica ciascun evento, mentre lo spessore e il colore dei bordi codificano la frequenza o l'intensità statistica della co-occorrenza tra coppie di eventi. Gli analisti possono filtrare i bordi al di sotto di una soglia, applicare filtri di raggruppamento ed esplorare istantaneamente una sottopopolazione specifica. I grafici a rete possono anche integrare altri approcci, come i grafici upset (come discusso nel inviare ), che enumerano le intersezioni di insiemi discreti.
Risultati
Con entrambi i layout di rete (basati sugli autovettori e circolari), emergono alcuni pattern. L'artralgia si distingue come un nodo centrale, caratterizzato sia da un nodo di grandi dimensioni che da bordi spessi che lo collegano a diversi altri eventi avversi, in particolare gonfiore articolare e dolore agli arti . La prominenza di queste connessioni suggerisce che i pazienti affetti da artralgia spesso riferiscono anche gonfiore articolare e dolore agli arti, formando un cluster strettamente interconnesso di sintomi correlati. Questa triade visiva non solo riflette associazioni clinicamente plausibili, ma evidenzia anche potenziali raggruppamenti sindromici che potrebbero beneficiare del monitoraggio articolare o di ulteriori studi.
La legenda colorata sul lato destro e il diverso spessore dei bordi indicano quali coppie di AE sono più frequentemente osservate insieme. Ad esempio, la linea blu scuro e spessa tra artralgia e gonfiore articolare indica un'elevata frequenza di co-occorrenza, mentre linee più chiare e sottili, come quelle che collegano l'artropatia psoriasica ad altri linfonodi, indicano sovrapposizioni più deboli o meno comuni.
I nodi colorati per gruppo suddividono ulteriormente gli eventi, consentendo una rapida suddivisione visiva dei sottogruppi. Ad esempio, i nodi di Categoria 1 (blu) e Categoria 3 (verde) tendono a raggrupparsi, il che potrebbe corrispondere a sottotipi clinici. I filtri interattivi nel pannello di sinistra consentono di concentrarsi immediatamente su specifiche categorie di eventi, frequenze o livelli di correlazione. Ad esempio, filtrando i margini a bassa frequenza, i pattern principali sono stati chiariti senza sacrificare l'interpretabilità. Questa funzionalità supporta analisi mirate, come l'isolamento di combinazioni di eventi rare ma gravi o l'attenzione alle sottopopolazioni di pazienti più a rischio.
Passando dal layout circolare a quello degli autovettori, i nodi vengono riposizionati, rendendo le relazioni strutturali più o meno evidenti a seconda del quesito analitico. Il layout degli autovettori avvicina i sintomi strettamente associati, enfatizzandone la "vicinanza" statistica e aiutando a rivelare raggruppamenti che potrebbero essere trascurati nei riepiloghi tabulari statici. Il filtro dati interattivo consente all'analista di limitare il grafico agli eventi avversi al di sopra di una certa frequenza o di includere solo i bordi con elevata correlazione, rimuovendo il rumore e consentendo una chiara focalizzazione sui pattern clinicamente significativi.
Un simile diagramma di rete supporta diversi obiettivi di farmacovigilanza e ricerca nel mondo reale:
- Rilevamento dei cluster: rivelando gruppi di sintomi che si presentano spesso insieme, il grafico aiuta a identificare sindromi o profili di effetti collaterali specifici del farmaco.
- Assegnazione delle risorse: evidenziando gli eventi ad alta frequenza o centrali, il grafico può orientare le decisioni su quali sintomi monitorare in modo proattivo nella pratica clinica.
- Comunicazione migliorata: aggiungendo visualizzazioni, si crea un ponte di comunicazione tra analisti di dati, medici e decisori, consentendo una comprensione condivisa di dati complessi sulle co-occorrenze a colpo d'occhio.
Sebbene i grafici di upset siano utili per quantificare il numero di pazienti esposti a specifiche combinazioni di farmaci e eventi avversi, non sono in grado di trasmettere la forza e la struttura delle connessioni tra più eventi contemporaneamente. I grafici di rete, al contrario, forniscono una visione olistica e flessibile dei dati. Mostrano quali eventi sono strettamente correlati, quali sono isolati e come i cluster sono collegati, il tutto con indicazioni visive che possono essere adattate alle esigenze dell'indagine. Utilizzati insieme, i grafici di upset e di rete offrono uno strumento completo sia per l'enumerazione che per l'esplorazione delle relazioni farmaco-evento.
Conclusione e prossimi passi
Il componente aggiuntivo Network Plot fornisce una piattaforma dinamica e interpretabile per visualizzare la co-occorrenza di farmaci ed eventi avversi, evidenziando modelli complessi altrimenti difficili da discernere. Con la crescente complessità dei dati, questi strumenti visivi diventano sempre più importanti per valutazioni di sicurezza tempestive e accurate. Questo componente aggiuntivo JMP raggiunge questi risultati con un flusso di lavoro interattivo. Le direzioni future includono l'integrazione con covariate a livello di soggetto (come età o dose), il supporto per gli aspetti temporali della co-occorrenza, più opzioni di layout e più moduli analitici per il rilevamento automatico dei cluster o la quantificazione del rischio. In definitiva, l'integrazione della visualizzazione di rete nei flussi di lavoro standard per il rilevamento dei segnali di sicurezza consentirà sia agli analisti che ai medici di passare dai dati grezzi alle informazioni con maggiore rapidità e chiarezza.
