L'espressione idiomatica "non riuscire a vedere la foresta a causa degli alberi" significa che non si riesce a cogliere il problema principale a causa di un'eccessiva attenzione ai dettagli. Adoro questa espressione perché cattura appieno l'importanza della visualizzazione dei dati per lo scienziato quantitativo moderno. Dato il volume di dati da analizzare, la varietà di analisi da eseguire e la necessità di trasformare rapidamente i risultati in azioni concrete, i ricercatori possono facilmente perdersi nei dettagli, soprattutto se non utilizzano regolarmente la visualizzazione dei dati. Lo capisco... produrre visualizzazioni di dati utili può richiedere molto tempo e ci sono alcune sfide per una revisione e un controllo di qualità efficienti. Ma credo che questo investimento valga la pena per la comprensione che si ottiene, unita alla migliore capacità di comunicare i risultati ad altri.
Un altro motivo per cui adoro questa espressione è che richiama l'attenzione sul mio grafico preferito, il grafico a foresta (Figura 1)! Nel corso degli anni, Graph Builder ha apportato diversi miglioramenti per semplificare la creazione di grafici a foresta, insieme a un flusso costante di componenti aggiuntivi JMP per migliorare l'efficienza della produzione. Il componente aggiuntivo più recente ha semplificato la creazione di tutti i tipi di grafici a foresta per JMP 17 e versioni successive, ma poteva generare solo un grafico a foresta a pannello singolo. Con il rilascio del nuovo componente aggiuntivo Happy Little Forests nel JMP Marketplace, gli analisti hanno a disposizione molte più opzioni.
Figure 1. Forest plot of primary and secondary endpoints for a clinical trial in chronic hepatitis B infection (Chang et al., 2006)Figura 1. Diagramma a foresta degli endpoint primari e secondari per uno studio clinico sull'infezione cronica da epatite B (Chang et al., 2006)
Più di 10 anni fa, alcuni colleghi hanno pubblicato uno dei miei riferimenti di riferimento sull'uso della visualizzazione dei dati nella ricerca medica (Duke et al., 2015). Ciò che apprezzo particolarmente di questo articolo è l'introduzione (almeno per me) del grafico a doppia foresta (anche se gli autori lo chiamano grafico a punti multi-pannello). Nella loro applicazione, gli autori presentano i valori osservati della pressione arteriosa sistolica per trattamento e sesso in un pannello, con confronti tra i trattamenti con dosi attive e placebo in un secondo pannello. Ancora oggi, faccio riferimento a questo fantastico grafico in presentazioni e corsi brevi come un modo estremamente utile e conciso per riassumere un endpoint continuo (Figura 2).
Figure 2. Double forest plot of systolic blood pressure (Duke et al., 2005)Figura 2. Diagramma a doppia foresta della pressione sanguigna sistolica (Duke et al., 2005)
Con il mio ritorno a JMP, ho esplorato come sarebbe stato possibile semplificare la produzione di grafici a doppia foresta. Ciò ha portato ad alcuni miglioramenti in Graph Builder (grazie, Xan!) e ad alcuni codici per lo sviluppo interno, per semplificare la produzione di grafici a foresta da parte del team Life Sciences all'interno di JMP Clinical. Ma poiché tutti dovevano trarre vantaggio da questa fantastica visualizzazione, è nato il componente aggiuntivo Happy Little Forests . Per JMP 19 e versioni successive, questo componente aggiuntivo consente di produrre grafici a foresta a punti a due riquadri (Amit et al., 2008), comunemente utilizzati nell'analisi di eventi avversi (Figura 3), e grafici a doppia foresta (Figura 4), oltre a tutte le funzionalità disponibili nel componente aggiuntivo Forest Plot per i grafici a foresta a singolo riquadro.
Figure 3. Dot-forest plot of HBV endpoints (Chang et al., 2006)Figura 3. Diagramma a punti degli endpoint dell'HBV (Chang et al., 2006)
Figure 4. Double forest plot of diastolic blood pressure (simulated)Figura 4. Diagramma a doppia foresta della pressione sanguigna diastolica (simulata)
Come mostrato nelle immagini, i grafici a foresta doppia possono:
- Riassumere i valori osservati e gli effetti del trattamento in un gruppo di controllo (ad esempio, Figura 2), producendo un utile riepilogo della risposta individuale al trattamento insieme a confronti con uno standard di cura.
- Riassumere i valori osservati e le variazioni rispetto ai valori basali nel tempo (ad esempio, Figura 4), producendo un riepilogo più utile rispetto alla lunga tabella standard di statistiche riassuntive spesso prodotta negli studi clinici. Per gli endpoint binari, un panel può riassumere la percentuale di individui che hanno ottenuto una particolare risposta, mentre l'altro panel può ripetere questa analisi sottoinsieme agli individui che non hanno risposto al basale.
- Riassumere i risultati all'interno dei sottogruppi e, nel caso di sottogruppi a due livelli, riassumere l'intervallo di confidenza dell'interazione trattamento-sottogruppo per comunicare l'entità delle differenze statistiche notevoli tra i livelli dei sottogruppi.
Piccole foreste felici è un primo passo verso la produzione di foreste multi-pannello. Alcuni punti da considerare:
- Aggiungere un pulsante di animazione per passare da una colonna all'altra di sottogruppi e livelli (ad esempio, nella Figura 2) per semplificare il confronto tra sottogruppi all'interno di livelli (ad esempio, trattamento all'interno di un sottogruppo) e livelli all'interno di sottogruppi (ad esempio, livelli all'interno di un trattamento, come presentato). Per una presentazione longitudinale come quella presentata nella Figura 4, ciò ha l'effetto di consentire un confronto più semplice tra ogni visita e i diversi trattamenti.
- Aggiungere un pulsante di animazione per cambiare braccio di controllo negli studi multi-braccio, come nel Rapporto di ricorrenza . Come mostrato nella Figura 2, gli intervalli di confidenza sono presentati rispetto a un singolo controllo. La Figura 3 mostra gli intervalli di confidenza entecavir meno lamivudina, sebbene un pulsante di animazione consentirebbe agli utenti di produrre intervalli lamivudina meno entecavir se fosse di interesse. La possibilità di cambiare braccio di confronto al volo renderebbe questa visualizzazione interattiva ancora più utile nella pratica.
- Consentire l'aggiunta di pannelli. Gli endpoint continui potrebbero potenzialmente trarre vantaggio da un grafico a tre pannelli con i valori osservati nel pannello di sinistra, la variazione rispetto al basale nel pannello centrale e gli effetti del trattamento nel pannello di destra. Ciò richiederebbe l'eliminazione degli intervalli annotati per almeno uno dei pannelli (o lo spostamento verso sinistra o destra), ma tre pannelli potrebbero essere troppo complessi per un uso generale.
Infine, sebbene abbia sfruttato i miglioramenti in JMP 19 per semplificare la produzione di grafici a foreste di punti e a doppia foresta, è assolutamente possibile creare questi grafici nelle versioni precedenti di JMP utilizzando uno stack di serie multiple in Dati > Stack .
Quali nuove funzionalità vorresti vedere in Piccole foreste felici ? Commenta nel Marketplace di JMP.
Riferimenti
Amit O, Heiberger RM e Lane PW. (2008). Approcci grafici all'analisi dei dati di sicurezza provenienti da studi clinici . Statistiche farmaceutiche 7: 20-35.
Chang TT, Gish RG, de Man R, et al. (2006). Un confronto tra entecavir e lamivudina per l'epatite B cronica HBeAg-positiva . Il New England Journal of Medicine 354: 1001-1010.
Duke SP, Bancken F, Crowe B, et al. (2015). Vedere per credere: buoni principi di progettazione grafica per la ricerca medica . Statistica in Medicina 34: 3040-3059.
