"나무만 보고 숲을 보지 못한다"라는 관용구는 세부 사항에 지나치게 집중한 나머지 핵심을 파악하지 못하는 것을 의미합니다. 저는 이 표현을 매우 좋아하는데, 현대 양적 과학자에게 데이터 시각화가 왜 그토록 중요한지 완벽하게 설명해 주기 때문입니다. 검토해야 할 데이터의 양, 수행해야 할 분석의 종류, 그리고 결과를 신속하게 실행에 옮겨야 하는 필요성 때문에 연구자들은 특히 데이터 시각화를 꾸준히 활용하지 않는다면, 쉽게 세부적인 것에만 매몰되어 핵심을 놓치기 쉽습니다. 물론 유용한 데이터 시각화를 제작하는 데에는 시간이 많이 걸리고, 효율적인 검토와 품질 관리에 어려움이 있다는 점은 이해합니다. 하지만 저는 이러한 투자가 얻는 통찰력과 다른 사람들에게 연구 결과를 효과적으로 전달하는 능력을 고려할 때 충분히 가치 있다고 생각합니다.
제가 이 표현을 좋아하는 또 다른 이유는 제가 가장 좋아하는 그래프인 포레스트 플롯(그림 1)에 주목하게 하기 때문입니다! 그래프 빌더는 수년에 걸쳐 포레스트 플롯을 더 쉽게 생성할 수 있도록 여러 차례 개선되었으며, JMP 추가 기능 또한 꾸준히 출시되어 제작 효율성을 높여왔습니다. 가장 최근에 출시된 추가 기능은 JMP 17 이상 버전에서 다양한 포레스트 플롯을 쉽게 생성할 수 있도록 해주었지만, 단일 패널 포레스트 플롯만 생성할 수 있었습니다. 이제 JMP 마켓플레이스에 새로운 Happy Little Forests 추가 기능이 출시되면서 분석가들은 훨씬 더 다양한 옵션을 활용할 수 있게 되었습니다.
Figure 1. Forest plot of primary and secondary endpoints for a clinical trial in chronic hepatitis B infection (Chang et al., 2006)그림 1. 만성 B형 간염 감염 임상 시험의 1차 및 2차 평가 변수에 대한 포레스트 플롯 (Chang et al., 2006)
10년도 더 전에, 몇몇 동료들이 의학 연구에서 데이터 시각화 활용에 관한 제가 자주 참고하는 논문 중 하나를 발표했습니다(Duke et al., 2015). 이 논문에서 제가 특히 좋아하는 부분은 (적어도 저에게는) 이중 포레스트 플롯(저자들은 이를 다중 패널 도트 플롯이라고 부르지만)을 소개했다는 점입니다. 저자들은 이 플롯을 활용하여 한 패널에는 치료군과 성별에 따른 수축기 혈압 관측값을, 다른 패널에는 활성 약물 투여량과 위약 투여량 간의 비교를 나타냈습니다. 저는 지금도 이 멋진 그래픽을 프레젠테이션이나 단기 교육 과정에서 연속형 결과 변수를 매우 유용하고 간결하게 요약하는 방법으로 활용하고 있습니다(그림 2).
Figure 2. Double forest plot of systolic blood pressure (Duke et al., 2005)그림 2. 수축기 혈압의 이중 포레스트 플롯 (Duke et al., 2005)
JMP로 복귀하면서 이중 포레스트 플롯을 더 쉽게 생성할 수 있는 방법을 모색했습니다. 그 결과 그래프 빌더가 개선되었고(Xan에게 감사드립니다!), 생명과학팀이 JMP Clinical 내에서 포레스트 플롯을 더 쉽게 생성할 수 있도록 내부 개발 코드도 작성했습니다. 하지만 모든 사람이 이 훌륭한 시각화 기능을 활용할 수 있어야 한다고 생각하여 Happy Little Forests 추가 기능을 개발하게 되었습니다. JMP 19 이상 버전에서 이 추가 기능을 사용하면 이상 반응 분석에 흔히 사용되는 두 패널 도트 포레스트 플롯(Amit et al., 2008)(그림 3)과 이중 포레스트 플롯(그림 4)을 생성할 수 있을 뿐 아니라, 단일 패널 포레스트 플롯용 Forest Plot 추가 기능 에서 제공되던 모든 기능을 사용할 수 있습니다.
Figure 3. Dot-forest plot of HBV endpoints (Chang et al., 2006)그림 3. HBV 결과 지표의 도트 포레스트 플롯(Chang et al., 2006)
Figure 4. Double forest plot of diastolic blood pressure (simulated)그림 4. 이완기 혈압의 이중 포레스트 플롯(시뮬레이션)
이미지에서 볼 수 있듯이, 이중 포레스트 플롯은 다음과 같은 기능을 수행할 수 있습니다.
- 관찰된 값과 치료 효과를 대조군에 요약하여(예: 그림 2), 개별 치료 반응에 대한 유용한 요약과 표준 치료법과의 비교 결과를 도출합니다.
- 시간에 따른 관찰값과 기준값 대비 변화를 요약하여(예: 그림 4), 임상 시험에서 흔히 사용되는 길고 복잡한 요약 통계표보다 더 유용한 요약을 제공합니다. 이진 결과 변수의 경우, 한 패널에서는 특정 반응을 달성한 개인의 비율을 요약하고, 다른 패널에서는 기준 시점에 반응이 없었던 개인들을 대상으로 동일한 분석을 반복할 수 있습니다.
- 하위 그룹 내 결과를 요약하고, 2단계 하위 그룹의 경우 하위 그룹 수준 간의 통계적으로 유의미한 차이의 강도를 전달하기 위해 치료와 하위 그룹 간의 상호작용에 대한 신뢰 구간을 요약합니다.
행복한 작은 숲들 는 여러 패널로 구성된 숲을 제작하기 위한 첫걸음입니다. 다음 사항들을 고려해 보세요:
- 그림 2와 같이 하위 그룹 및 레벨 열을 전환하는 애니메이션 버튼을 추가하면, 레벨 내 하위 그룹(즉, 하위 그룹 내 치료)과 하위 그룹 내 레벨(즉, 제시된 방식대로 치료 내 레벨)을 더 쉽게 비교할 수 있습니다. 그림 4와 같은 종단적 표현의 경우, 각 방문 시점의 치료 간 비교를 더 쉽게 할 수 있는 효과가 있습니다.
- 재발 보고서 에서처럼 다중군 연구에서 대조군을 전환할 수 있는 애니메이션 버튼을 추가합니다. 그림 2에서처럼 신뢰구간은 단일 대조군을 기준으로 제시됩니다. 그림 3은 엔테카비르에서 라미부딘을 뺀 신뢰구간을 보여주지만, 애니메이션 버튼을 추가하면 사용자가 원할 경우 라미부딘에서 엔테카비르를 뺀 신뢰구간도 생성할 수 있습니다. 비교군을 즉시 전환할 수 있는 기능은 이러한 대화형 시각화를 실제 사용에서 더욱 유용하게 만들어 줄 것입니다.
- 추가 패널을 고려하면, 연속형 결과 변수는 왼쪽 패널에 관측값, 가운데 패널에 기준선 대비 변화량, 오른쪽 패널에 치료 효과를 나타내는 3패널 그래프를 활용하면 유용할 수 있습니다. 이 경우 적어도 하나의 패널에서 주석이 달린 구간을 제거하거나 (또는 왼쪽이나 오른쪽으로 이동해야 할 수도 있습니다), 하지만 3패널 그래프는 일반적인 사용에는 너무 복잡할 수 있습니다.
마지막으로, 저는 JMP 19의 개선 사항을 활용하여 도트 포레스트와 더블 포레스트 플롯을 더 쉽게 생성할 수 있도록 했지만, 데이터 > 스택 에서 다중 시리즈 스택을 사용하면 이전 버전의 JMP에서도 이러한 플롯을 생성하는 것이 가능합니다.
What new features would you like to see in 행복한 작은 숲들? Comment in the JMP Marketplace.
참고 자료
Amit O, Heiberger RM & Lane PW. (2008). 임상 시험의 안전성 데이터 분석을 위한 그래픽 접근법 . 제약 통계 7: 20-35.
Chang TT, Gish RG, de Man R, et al. (2006). HBeAg 양성 만성 B형 간염에 대한 엔테카비르와 라미부딘의 비교 . 뉴잉글랜드 의학 저널 354: 1001-1010.
Duke SP, Bancken F, Crowe B, et al. (2015). 보는 것이 믿는 것이다: 의학 연구를 위한 좋은 그래픽 디자인 원칙 . 의학 통계 34: 3040-3059.
