คุณต้องการเปรียบเทียบ "ประสิทธิผล" และประเมินจำนวนผู้ป่วยที่รายงานการรักษาแต่ละครั้ง ประสิทธิผลถูกบันทึกไว้ในหมวดหมู่ที่ไม่ต่อเนื่องกันห้าหมวด แต่ (อย่างใด) ก็สรุปเป็น "ค่าเฉลี่ย" (ค่าเฉลี่ย) ค่าซึ่งบอกว่ามันคิดว่าเป็นตัวแปรเชิงปริมาณ
ดังนั้นเราควรเลือกกราฟิกที่มีองค์ประกอบที่ปรับตัวได้ดีเพื่อถ่ายทอดข้อมูลประเภทนี้ ในบรรดาโซลูชันที่ยอดเยี่ยมแนะนำให้ใช้ด้วยตนเองเราใช้สคีมานี้:
แสดงถึงประสิทธิผลโดยรวมหรือโดยเฉลี่ยในฐานะตำแหน่งตามแนวเส้นตรง ตำแหน่งดังกล่าวจะถูกอ่านและอ่านในเชิงปริมาณอย่างแม่นยำมากที่สุด ทำให้การรักษาเป็นเรื่องธรรมดาสำหรับการรักษาทั้งหมด 34 ครั้ง
แสดงจำนวนผู้ป่วยด้วยสัญลักษณ์กราฟิกบางอย่างที่สามารถเห็นได้อย่างง่ายดายว่าเป็นสัดส่วนโดยตรงกับตัวเลขเหล่านั้น สี่เหลี่ยมเหมาะสมดี: สามารถจัดวางเพื่อตอบสนองความต้องการก่อนหน้านี้และขนาดในทิศทาง orthogonal เพื่อให้ทั้งความสูงและพื้นที่ของพวกเขาถ่ายทอดข้อมูลจำนวนผู้ป่วย
แยกความแตกต่างของหมวดหมู่ประสิทธิผลทั้งห้าด้วยค่าสีและ / หรือการแรเงา รักษาการเรียงลำดับของหมวดหมู่เหล่านี้
ข้อผิดพลาดอย่างใหญ่หลวงอย่างหนึ่งที่เกิดจากกราฟิกในคำถามคือค่าภาพที่โดดเด่นที่สุด - ความยาวของแท่ง - แสดงถึงข้อมูลหมายเลขผู้ป่วยมากกว่าข้อมูลประสิทธิผลทั้งหมด เราสามารถแก้ไขได้อย่างง่ายดายโดยการกำหนดแต่ละแท่งใหม่ด้วยค่ากลางธรรมชาติ
โดยไม่ทำการเปลี่ยนแปลงอื่น ๆ (เช่นการปรับปรุงโทนสีซึ่งเป็นสิ่งที่ไม่ดีสำหรับคนตาบอดสี) นี่คือการออกแบบใหม่
ฉันเพิ่มเส้นประแนวนอนเพื่อช่วยให้ดวงตาเชื่อมต่อฉลากด้วยพล็อตและลบเส้นแนวตั้งบาง ๆ เพื่อแสดงตำแหน่งศูนย์กลางส่วนกลาง
รูปแบบและจำนวนคำตอบมีความชัดเจนมากขึ้น โดยเฉพาะอย่างยิ่งเราได้รับกราฟิกสองกราฟสำหรับราคาหนึ่ง: ทางด้านซ้ายเราสามารถอ่านการวัดผลกระทบในขณะที่ด้านขวาเราจะเห็นว่าผลบวกเป็นอย่างไร ความสามารถในการสร้างสมดุลของความเสี่ยงในทางตรงกันข้ามกับผลประโยชน์นั้นเป็นสิ่งสำคัญในแอปพลิเคชันนี้
หนึ่งผลกระทบของการออกแบบนี้คือ serendipitous ชื่อของการรักษาที่มีการตอบสนองหลายอย่างถูกแยกออกจากกันในแนวตั้งทำให้ง่ายต่อการสแกนและดูว่าการรักษาใดที่ได้รับความนิยมมากที่สุด
สิ่งที่น่าสนใจอีกอย่างคือกราฟิกนี้เรียกว่าอัลกอริทึมที่ใช้ในการสั่งการรักษาด้วย "Avg. ประสิทธิผล": ทำไมตัวอย่างเช่น "การติดตามอาการปวดหัว" อยู่ในระดับต่ำมากเมื่ออยู่ในการรักษาที่ได้รับความนิยมมากที่สุด การไม่มีผลข้างเคียง
R
โค้ดที่รวดเร็วและสกปรกที่สร้างพล็อตนี้จะถูกต่อท้าย
x <- c(0,0,3,5,5,
0,0,0,0,2,
0,0,3,2,4,
0,1,7,9,7,
0,0,3,2,3,
0,0,0,0,1,
0,1,1,1,2,
0,0,2,2,1,
0,0,1,0,1,
0,0,3,2,1,
0,0,2,0,1,
1,0,5,5,2,
1,3,15,15,4,
1,2,5,7,3,
0,0,4,4,0,
0,0,2,2,0,
0,0,3,0,1,
0,0,2,2,0,
0,4,18,19,2,
0,0,2,1,0,
3,1,27,25,3,
1,0,2,2,1,
0,0,4,2,0,
0,1,6,5,0,
0,0,3,1,0,
3,0,3,7,2,
0,1,0,1,0,
0,0,21,4,2,
0,0,6,1,0,
1,0,2,0,1,
2,4,15,8,1,
1,1,3,1,0,
0,0,1,0,0,
0,0,1,0,0)
levels <- c("Made it much worse", "Made it slightly worse", "No effect or uncertain",
"Moderate improvement", "Major improvement")
treatments <- c("Oxygen", "Gluten-free diet", "Zomig", "Sumatriptan", "Rizatriptan (Maxalt)",
"Dilaudid suppository", "Dilaudid-Morphine", "Verapamil",
"Magic mushrooms", "Magnesium", "Psilocybine", "Excedrin Migraine",
"Ice packs on neck and head", "Passage of time", "Red Bull", "Lidocaine",
"Vitamin B-2 (Roboflavin)", "Caffergot", "Caffeine", "Tobasco in nose / on tongue")
treatments <- c(treatments,
"Ibuprofen", "Topamax", "Excedrin Tension Headache", "Acetaminophen (Tylenol)",
"Extra Strength Excedrin", "Hot water bottle", "Eletriptan",
"Headache tracking", "Women to Women vitamins", "Effexor", "Aspirin",
"Propanolol", "L-Arginine", "Fioricet")
x <- t(matrix(x, 5, dimnames=list(levels, treatments)))
#
# Precomputation for plotting.
#
n <- dim(x)[1]
m <- dim(x)[2]
d <- as.data.frame(x)
d$Total <- rowSums(d)
d$Effectiveness <- (x %*% c(-2,-1,0,1,2)) / d$Total
d$Root <- (d$Total)
#
# Set up the plot area.
#
colors <- c("#704030", "#d07030", "#d0d0d0", "#60c060", "#387038")
x.left <- 0; x.right <- 6; dx <- x.right - x.left; x.0 <- x.left-4
y.bottom <- 0; y.top <- 10; dy <- y.top - y.bottom
gap <- 0.4
par(mfrow=c(1,1))
plot(c(x.left-1, x.right), c(y.bottom, y.top), type="n",
bty="n", xaxt="n", yaxt="n", xlab="", ylab="", asp=(y.top-y.bottom)/(dx+1))
#
# Make the plots.
#
u <- t(apply(x, 1, function(z) c(0, cumsum(z)) / sum(z)))
y <- y.top - dy * c(0, cumsum(d$Root/sum(d$Root) + gap/n)) / (1+gap)
invisible(sapply(1:n, function(i) {
lines(x=c(x.0+1/4, x.right), y=rep(dy*gap/(2*n)+(y[i]+y[i+1])/2, 2),
lty=3, col="#e0e0e0")
sapply(1:m, function(j) {
mid <- (x.left - (u[i,3] + u[i,4])/2)*dx
rect(mid + u[i,j]*dx, y[i+1] + (gap/n)*(y.top-y.bottom),
mid + u[i,j+1]*dx, y[i],
col=colors[j], border=NA)
})}))
abline(v = x.left, col="White")
labels <- mapply(function(s,n) paste0(s, " (", n, ")"), rownames(x), d$Total)
text(x.0, (y[-(n+1)]+y[-1])/2, labels=labels, adj=c(1, 0), cex=0.8,
col="#505050")
caffeine
หรือibuprofen
นำไปสู่ความน่าจะเป็นที่สูงขึ้นmoderate improvement
เพราะเส้นเขตแดน แตกต่างกันอย่างไร หรืออย่างอื่น?