Introducción
En el mundo actual, impulsado por los datos, las relaciones son tan importantes como los propios puntos de datos. Ya sea que se estén mapeando conexiones sociales o explorando interacciones entre fármacos y eventos, visualizar estas relaciones puede revelar información que de otro modo estaría oculta en tablas o estadísticas agregadas. Un gráfico de red proporciona una forma intuitiva de explorar estos datos interconectados al representar las entidades como nodos y sus relaciones como aristas. Puede utilizarse para identificar actores clave en redes sociales, detectar fraudes financieros, optimizar rutas logísticas e incluso explorar interacciones de proteínas y vías de transmisión de enfermedades. Lo que une a estas aplicaciones es la necesidad de simplificar una estructura relacional compleja en narrativas visuales útiles y claras.
Podemos ponderar los bordes por frecuencia y relaciones estadísticas, como la correlación y la correlación parcial. Además, las diferentes opciones de diseño nos permiten explorar diferentes relaciones, identificar clústeres y conectar elementos que podrían indicar actores influyentes o cuellos de botella que pueden estar ocultos en gráficos u hojas de cálculo tradicionales.
Tras presentar los principios y técnicas generales del gráfico de red, examinaré un caso práctico de farmacovigilancia sobre la coocurrencia de eventos adversos (EA), que demuestra cómo el gráfico de red arroja luz sobre la seguridad de los medicamentos. Finalmente, exploraré cómo el complemento JMP Network Plot facilita la exploración interactiva, el filtrado de datos y la información a nivel de grupo.
Complemento de gráfico de red
Los gráficos de red modelan los datos como relaciones. Cada nodo representa una entidad, como una persona, un producto, un gen o un fármaco, mientras que una arista indica una interacción, coocurrencia o relación definida entre dos nodos. Las aristas pueden tener ponderaciones para reflejar una serie de atributos compartidos, como la frecuencia por pares, la duración del solapamiento, la correlación o la dependencia condicional. El tamaño o el color de los nodos pueden codificar atributos como la frecuencia marginal o las características del grupo.
Un gráfico de red interactivo mejora la detección de patrones y la generación de hipótesis. Los diseños comunes incluyen vectores propios o arreglos circulares que resaltan patrones estructurales o una visión general comparativa. Los filtros, la agrupación de bordes y la configuración de umbrales reducen la saturación y centran la atención en las conexiones significativas.
Desarrollamos el complemento Network Plot , disponible para JMP 17 y versiones posteriores. Como se muestra en la Figura 1, el flujo de trabajo comienza seleccionando columnas del conjunto de datos seleccionado por el usuario: el identificador del sujeto, los términos de interés (como términos de eventos o medicamentos) y, opcionalmente, una variable de agrupación que organiza los términos de interés en categorías mutuamente excluyentes.
Dentro de la interfaz de diálogo, los usuarios pueden personalizar la apariencia del gráfico. Se dibujan bordes entre pares de nodos si coexisten en el mismo sujeto. El tamaño del nodo y del borde (por defecto) refleja la frecuencia del evento y su coexistencia. En cuanto a las opciones de color, los bordes se pueden colorear según la frecuencia y la asociación estadística, como la correlación o el coeficiente de correlación parcial, que resalta la fuerza de la conexión entre dos eventos.
Figure 1. Dialog window displayed upon launching the add-inFigure 1. Dialog window displayed upon launching the add-inFigura 1. Ventana de diálogo que se muestra al iniciar el complemento
El complemento construye la red con dos opciones de diseño principales, donde cada término de interés único se representa como un nodo:
- El diseño circular predeterminado , como se muestra en la Figura 2, coloca todos los nodos alrededor de un círculo, lo que facilita la visibilidad de cada conexión y proporciona una visión general de la conectividad de la red. Nota importante: este diseño es dinámico. Recalcula y reorganiza automáticamente las posiciones de los nodos durante el filtrado para garantizar la máxima visibilidad.
- Como alternativa, un diseño basado en vectores propios organiza los nodos según los dos primeros vectores propios de la matriz de correlación parcial o correlación (cuando la correlación parcial no es de rango completo) de coocurrencia, como se muestra en la Figura 3. Este enfoque agrupa los nodos con patrones superpuestos similares, lo que facilita la detección de agrupaciones o módulos naturales dentro de los datos.
El gráfico es totalmente interactivo; los usuarios pueden filtrar dinámicamente los datos subyacentes mediante las opciones del Filtro de Datos del panel izquierdo, actualizando la red al instante para centrarse en subgrupos específicos, frecuencias o rangos de correlación. Al seleccionar un nodo o borde en el gráfico, se resaltan los registros correspondientes en la tabla de datos de JMP, lo que facilita una rápida exploración para una revisión detallada.
Figure 2. Interactive Data Filter of Network Plot add-inFigure 2. Interactive Data Filter of Network Plot add-inFigura 2. Filtro de datos interactivo del complemento Gráfico de red
Figure 3. Layout options of Network Plot add-inFigure 3. Layout options of Network Plot add-inFigura 3. Opciones de diseño del complemento Gráfico de red
Estudio de caso: Superposición de medicamentos y eventos adversos
Para demostrar el impacto práctico de los gráficos de red, los aplicamos a un conjunto de datos de eventos adversos musculoesqueléticos (EA) utilizando el complemento interactivo Network Plot. Cada nodo de la red representa un EA distinto, como artralgia , inflamación articular o dolor musculoesquelético . Los bordes indican instancias en las que estos eventos coocurrieron en los registros de pacientes al menos una vez, que son todos los eventos en estos datos. El tamaño del nodo refleja la frecuencia con la que aparece cada evento, mientras que el grosor y el color del borde codifican la frecuencia o la fuerza estadística de la coocurrencia entre pares de eventos. Los analistas pueden filtrar los bordes por debajo de un umbral, aplicar filtros de agrupación y explorar instantáneamente una subpoblación específica. Los gráficos de red también pueden complementar otros enfoques, como los gráficos de perturbaciones (como se analiza en la publicación ), que enumeran intersecciones de conjuntos discretos.
Recomendaciones
Con ambos diseños de red (basados en vectores propios y circulares), surgen algunos patrones. La artralgia se destaca como un nodo central, caracterizado por un gran tamaño de nodo y bordes gruesos que la conectan con varios otros EA, en particular la hinchazón de las articulaciones y el dolor en las extremidades . La prominencia de estas conexiones sugiere que los pacientes que experimentan artralgia a menudo también refieren hinchazón articular y dolor en las extremidades, formando un conjunto muy complejo de síntomas relacionados. Esta tríada visual no solo refleja asociaciones clínicamente plausibles, sino que también destaca posibles agrupaciones sindrómicas que podrían beneficiarse de la monitorización articular o de estudios más profundos.
La leyenda de color del lado derecho y el grosor variable del borde indican qué pares de EA se observan con mayor frecuencia juntos. Por ejemplo, la línea gruesa de color azul oscuro entre la artralgia y la hinchazón de las articulaciones indica una alta frecuencia de coexistencia, mientras que las líneas más claras y delgadas, como las que conectan la artropatía psoriásica con otros ganglios, indican solapamientos más débiles o menos frecuentes.
Los nodos coloreados por grupo dividen aún más los eventos, lo que permite una subagrupación visual rápida. Por ejemplo, los nodos de Categoría 1 (azul) y Categoría 3 (verde) tienden a agruparse, lo que podría corresponder a subtipos clínicos. Los filtros interactivos del panel izquierdo permiten centrarse instantáneamente en categorías de eventos, frecuencias o niveles de correlación específicos. Por ejemplo, al filtrar los bordes de baja frecuencia, se aclararon los patrones principales sin sacrificar la interpretabilidad. Esta función facilita análisis específicos, como el aislamiento de combinaciones de eventos poco frecuentes pero graves o el enfoque en las subpoblaciones de pacientes con mayor riesgo.
Al alternar entre los diseños de círculo y vector propio, se reposicionan los nodos, haciendo que las relaciones estructurales sean más o menos evidentes según la pregunta analítica. El diseño de vector propio acerca los síntomas estrechamente asociados, enfatizando su proximidad estadística y ayudando a revelar agrupaciones que podrían pasar desapercibidas en los resúmenes tabulares estáticos. El filtro de datos interactivo permite al analista restringir el gráfico a los EA por encima de una frecuencia determinada o incluir solo los bordes con alta correlación, eliminando el ruido y permitiendo un enfoque claro en los patrones clínicamente significativos.
Este tipo de gráfico de red respalda varios objetivos de farmacovigilancia e investigación en el mundo real:
- Detección de grupos: al revelar grupos de síntomas que frecuentemente aparecen juntos, la trama ayuda a identificar síndromes o perfiles de efectos secundarios específicos de medicamentos.
- Asignación de recursos: al resaltar eventos centrales o de alta frecuencia, la gráfica puede informar decisiones sobre qué síntomas monitorear de manera proactiva en la práctica clínica.
- Comunicación mejorada: al agregar visualizaciones, se crea un puente de comunicación entre analistas de datos, médicos y tomadores de decisiones, lo que permite una comprensión compartida de datos complejos de co-ocurrencia de un vistazo.
Si bien los gráficos de disrupción son valiosos para cuantificar el número de pacientes expuestos a combinaciones específicas de fármacos y EA, carecen de la capacidad de representar la solidez y la estructura de las conexiones entre muchos eventos simultáneamente. Los gráficos de red, en cambio, ofrecen una visión holística y flexible de los datos. Muestran qué eventos están estrechamente relacionados, cuáles están aislados y cómo se conectan los clústeres, todo ello con indicadores visuales que pueden adaptarse a las necesidades de la investigación. Utilizados conjuntamente, los gráficos de disrupción y de red ofrecen un conjunto completo de herramientas para la enumeración y la exploración de las relaciones fármaco-evento.
Conclusión y próximos pasos
El complemento Network Plot proporciona una plataforma dinámica e interpretable para visualizar la coocurrencia de medicamentos y eventos adversos, revelando patrones complejos que de otro modo serían difíciles de discernir. A medida que la complejidad de los datos aumenta, estas herramientas visuales cobran mayor importancia para realizar evaluaciones de seguridad oportunas y precisas. Este complemento de JMP logra estos resultados mediante un flujo de trabajo interactivo. Las futuras tendencias incluyen la integración con covariables a nivel de sujeto (como la edad o la dosis), la compatibilidad con los aspectos temporales de la coocurrencia, más opciones de diseño y más módulos analíticos para la detección automática de clústeres o la cuantificación del riesgo. En definitiva, la integración de la visualización de redes en los flujos de trabajo estándar de detección de señales de seguridad permitirá a analistas y médicos pasar de los datos sin procesar a la información con mayor rapidez y claridad.
