L'expression « ne pas voir la forêt à cause des arbres » signifie qu'on ne parvient pas à saisir l'essentiel en raison d'une attention excessive portée aux détails. J'apprécie particulièrement cette expression car elle illustre parfaitement l'importance de la visualisation des données pour le chercheur quantitatif moderne. Face au volume de données à examiner, à la variété des analyses à effectuer et à la nécessité de traduire rapidement les résultats en actions, les chercheurs peuvent facilement se perdre dans les détails, surtout s'ils n'utilisent pas régulièrement la visualisation des données. Certes, la création de visualisations de données pertinentes peut être chronophage, et l'évaluation et le contrôle qualité peuvent s'avérer complexes. Mais je suis convaincu que cet investissement est largement justifié par les connaissances acquises et par la meilleure capacité à communiquer les résultats.
J'apprécie particulièrement cette expression car elle met en lumière mon graphique préféré : le graphique en forêt (Figure 1) ! Au fil des ans, Graph Builder a bénéficié de plusieurs améliorations facilitant la création de graphiques en forêt, et de nombreux modules complémentaires JMP ont été régulièrement ajoutés pour optimiser leur production. Le dernier module complémentaire permettait de générer facilement toutes sortes de graphiques en forêt pour JMP 17 et les versions ultérieures, mais uniquement des graphiques en forêt à un seul panneau. Avec la sortie du nouveau module complémentaire Happy Little Forests sur le JMP Marketplace, les analystes disposent désormais de bien plus d'options.
Figure 1. Forest plot of primary and secondary endpoints for a clinical trial in chronic hepatitis B infection (Chang et al., 2006)Figure 1. Diagramme en forêt des critères d'évaluation principaux et secondaires d'un essai clinique sur l'infection chronique par l'hépatite B (Chang et al., 2006)
Il y a plus de dix ans, des collègues ont publié un article qui est devenu une de mes références incontournables sur l'utilisation de la visualisation des données en recherche médicale (Duke et al., 2015). J'apprécie particulièrement dans cet article l'introduction (du moins pour moi) du graphique en double forêt (bien que les auteurs le désignent comme un graphique à points à plusieurs panneaux). Dans leur application, les auteurs présentent les valeurs observées de la pression artérielle systolique en fonction du traitement et du sexe dans un premier panneau, et les comparaisons entre les doses actives et le placebo dans un second panneau. Aujourd'hui encore, je cite ce graphique remarquable dans mes présentations et mes formations courtes comme un moyen extrêmement utile et concis de résumer une variable continue (Figure 2).
Figure 2. Double forest plot of systolic blood pressure (Duke et al., 2005)Figure 2. Diagramme en double forêt de la pression artérielle systolique (Duke et al., 2005)
À mon retour chez JMP, j'ai cherché à simplifier la création de graphiques en forêt double. Cela a permis d'améliorer Graph Builder (merci Xan !) et de développer du code pour faciliter la création de graphiques en forêt par l'équipe Sciences de la vie dans JMP Clinical. Mais comme cette visualisation performante doit être accessible à tous, j'ai créé l' extension Happy Little Forests . Pour JMP 19 et les versions ultérieures, cette extension permet de générer des graphiques en forêt à deux panneaux (Amit et al., 2008), couramment utilisés pour l'analyse des événements indésirables (Figure 3), et des graphiques en forêt double (Figure 4), tout en offrant les mêmes fonctionnalités que l' extension Forest Plot pour les graphiques en forêt à un seul panneau.
Figure 3. Dot-forest plot of HBV endpoints (Chang et al., 2006)Figure 3. Diagramme en forêt de points des points d'extrémité du VHB (Chang et al., 2006)
Figure 4. Double forest plot of diastolic blood pressure (simulated)Figure 4. Diagramme en double forêt de la pression artérielle diastolique (simulée)
Comme le montrent les images, les parcelles forestières doubles peuvent :
- Résumer les valeurs observées et les effets du traitement par rapport à un groupe témoin (par exemple, Figure 2), produisant un résumé utile de la réponse individuelle au traitement ainsi que des comparaisons avec une norme de soins.
- Résumez les valeurs observées et leur évolution par rapport aux valeurs initiales au fil du temps (par exemple, figure 4), afin d'obtenir un résumé plus pertinent que le long tableau standard de statistiques récapitulatives souvent présenté dans les essais cliniques. Pour les critères d'évaluation binaires, un premier tableau peut résumer la proportion de patients présentant une réponse particulière, tandis qu'un second tableau peut appliquer cette analyse aux patients ne présentant pas de réponse initiale.
- Résumer les résultats au sein des sous-groupes et, dans le cas de sous-groupes à deux niveaux, résumer l'intervalle de confiance de l'interaction traitement par sous-groupe afin de communiquer la force des différences statistiques notables entre les niveaux des sous-groupes.
Petites forêts heureuses est une première étape vers la production de forêts à plusieurs panneaux. Quelques points à prendre en compte :
- L'ajout d'un bouton d'animation permettant d'inverser les colonnes « sous-groupes » et « niveaux » (comme dans la figure 2) facilite la comparaison des sous-groupes au sein des niveaux (c.-à-d., traitement au sein d'un sous-groupe) par rapport aux niveaux au sein des sous-groupes (c.-à-d., niveaux au sein d'un traitement, comme présenté). Dans le cadre d'une présentation longitudinale comme celle de la figure 4, cela permet de comparer plus facilement chaque visite entre les différents traitements.
- L'ajout d'un bouton d'animation pour changer de groupe témoin dans les études à plusieurs bras, comme dans le rapport sur la récidive, est envisagé. Comme illustré à la figure 2, les intervalles de confiance sont présentés par rapport à un seul groupe témoin. La figure 3 présente les intervalles de confiance de l'entécavir moins la lamivudine ; un bouton d'animation permettrait toutefois aux utilisateurs de générer les intervalles de confiance de la lamivudine moins l'entécavir, si nécessaire. La possibilité de changer de groupe de comparaison à la volée rendrait cette visualisation interactive encore plus utile en pratique.
- Il serait possible d'ajouter des panneaux supplémentaires. Pour les variables continues, un graphique à trois panneaux pourrait être utile : les valeurs observées à gauche, la variation par rapport à la valeur initiale au centre et les effets du traitement à droite. Cela impliquerait de supprimer les intervalles annotés pour au moins un des panneaux (ou de les déplacer à gauche ou à droite), mais trois panneaux risquent d'être trop complexes pour une utilisation courante.
Enfin, bien que j'aie tiré parti des améliorations apportées à JMP 19 pour faciliter la production de graphiques dot-forest et double forest, il est tout à fait possible de créer ces graphiques dans les versions antérieures de JMP en utilisant une pile de séries multiples dans Données > Pile .
Quelles nouvelles fonctionnalités aimeriez-vous voir dans Petites forêts heureuses ? Laissez un commentaire sur le JMP Marketplace.
Références
Amit O, Heiberger RM & Lane PW. (2008). Approches graphiques de l'analyse des données de sécurité issues des essais cliniques . Statistiques pharmaceutiques 7 : 20-35.
Chang TT, Gish RG, de Man R, et al. (2006). Une comparaison de l'entécavir et de la lamivudine pour l'hépatite B chronique HBeAg-positive . Le New England Journal of Medicine 354 : 1001-1010.
Duke SP, Bancken F, Crowe B, et al. (2015). Voir c'est croire : bons principes de conception graphique pour la recherche médicale . Statistiques en médecine 34 : 3040-3059.
