Graf Penyelidikan Klinikal: 10 Plot untuk Percubaan, Ujian Diagnostik dan Meta-Analisis

Pengulas membaca angka anda sebelum mereka membaca kaedah anda. Graf penyelidikan klinikal yang terselamat daripada semakan rakan sebaya berkongsi satu ciri: setiap satunya menjawab satu soalan, dan pembaca boleh melihat jawapannya dalam masa kurang daripada sepuluh saat. Panduan ini merangkumi 10 plot yang paling kerap ditemui oleh penyelidik klinikal, daripada gambarajah aliran CONSORT hingga peta haba. Bagi setiap satunya, anda akan mendapat angka sebenar yang diterbitkan (akses terbuka, digunakan semula dengan atribusi), ilustrasi animasi kami sendiri, cara membacanya dan kesilapan yang menyebabkan manuskrip dihantar kembali.

Pilih Graf Penyelidikan Klinikal mengikut Soalan

Panduan pendamping itu, 10 Jenis Graf Penting yang Perlu Diketahui oleh Setiap Penyelidik , merangkumi jenis carta umum seperti bar, garis, serakan dan histogram. Catatan ini berbeza: ia hanya merangkumi plot khusus untuk percubaan, ujian diagnostik dan sintesis bukti.

1. Gambarajah Aliran CONSORT: Tunjukkan Setiap Pesakit

Gambar rajah alir ialah rajah pertama yang disemak oleh penilai percubaan. Ia menjawab siapa yang telah ditapis, siapa yang dikecualikan dan mengapa, siapa yang telah dirawak, dan siapa yang akhirnya dimasukkan ke dalam analisis. Pernyataan CONSORT 2010 menjadikannya item wajib untuk percubaan rawak. ¹

Dalam perbandingan rawak calon biosimilar trastuzumab HD201 dengan trastuzumab rujukan dalam kanser payudara positif ERBB2 neoadjuvan ini, 625 pesakit telah disaring dan 503 telah memasuki set analisis penuh: 251 pada HD201 dan 252 pada produk rujukan.2 ^Pembaca boleh menyemak aritmetik sepintas lalu, yang merupakan inti patinya.

Kesilapan biasa: kotak dengan kiraan tetapi tiada sebab. “Dikecualikan (n = 122)” menjemput pertanyaan. Nyatakan berapa ramai yang gagal setiap kriteria. Anda boleh membina gambar rajah secara percuma dalam penjana Flowchart Pro.

2. Keluk Kaplan-Meier: Masa untuk Acara, Dilukis Secara Jujur

Penganggar Kaplan-Meier menukarkan masa susulan, termasuk pesakit yang belum mengalami kejadian tersebut, kepada lengkung kelangsungan hidup berperingkat. ³ Baca penurunan setiap langkah sebagai peristiwa, dan tanda semak kecil sebagai pesakit yang meninggalkan susulan tanpa kejadian (ditapis).

Baca contoh sebenar seperti yang dilakukan oleh pengulas. ¹² pesakit yang berulang dalam tempoh 2 tahun (merah) menurun kepada kira-kira 32% kadar survival menjelang bulan ke-58, manakala mereka yang bebas berulang (biru) kekal melebihi 90%. Jadual di bawah adalah bahagian yang jujur: kumpulan merah bermula dengan 38 pesakit dan mempunyai 3 pesakit yang tinggal pada 60 bulan, jadi bahagian paling kanan lengkung itu terletak pada sangat sedikit orang. Sentiasa lukis jadual itu, dan anggap langkah-langkah dalam ekor yang dipenuhi nipis sebagai lembut.

Cara menjadikannya kalis pengulas: cetak jadual nombor berisiko di bawah paksi-x, nyatakan susulan median, berikan nisbah bahaya dengan selang keyakinan 95% di sebelah nilai-p kedudukan log dan hentikan mentafsir lengkung di mana sangat sedikit pesakit yang masih berisiko. Jika pesakit boleh mati akibat perkara lain sebelum kejadian anda, lengkung biasa melebih-lebihkan risiko; lihat risiko yang bersaing dalam kajian pendaftaran . Untuk mencubanya pada data anda sendiri, gunakan kalkulator Kaplan-Meier percuma.

3. Plot Hutan: Banyak Kajian, Satu Keputusan

Plot hutan menyenaraikan setiap kajian sebagai segi empat sama (kesannya) dengan garis (selang keyakinannya), kemudian berlian untuk hasil yang dikumpulkan. Segi empat sama berskala mengikut berat, jadi kajian yang besar menarik berlian dengan lebih kuat.

Yang ini melaporkan nisbah kemungkinan terlaras terkumpul sebanyak 3.28 (95% CI 2.61 hingga 4.12) dengan I² = 95.4%. ⁴ Pengajarannya terletak pada nombor kedua itu. I² menerangkan bahagian variasi yang nyata perbezaan antara kajian dan bukannya kebetulan. ⁵ Pada 95.4%, angka terkumpul tunggal menyembunyikan banyak perkara. Laporkan selang ramalan, terokai sebab-sebabnya (subkumpulan, meta-regresi), dan nyatakan kesimpulannya sebagai "dikaitkan dengan kemungkinan yang lebih tinggi dalam kebanyakan tetapan", bukan sebagai satu nombor tetap.

Merancang satu? Baca berapa banyak kajian yang diperlukan oleh meta-analisis dan kesilapan biasa dalam meta-analisis . Kalkulator regresi logistik juga melukis plot hutan nisbah odds.

4. Plot Corong: Di Mana Kajian Kecil?

Plot corong menetapkan kesan setiap kajian terhadap ketepatannya. Tanpa berat sebelah, kajian berselerak secara simetri di sekitar kesan terkumpul, luas di bahagian bawah (kajian kecil) dan sempit di bahagian atas. Satu bahagian yang hilang dari satu sudut bawah menunjukkan kajian nol kecil tidak pernah sampai ke cetakan.

Peraturan praktikal: uji asimetri (ujian Egger ⁶ ) hanya dengan kira-kira 10 atau lebih kajian, dan jangan sekali-kali menganggap asimetri sebagai bukti bias. Heterogeniti menghasilkan bentuk yang sama.

5. Keluk ROC: Bolehkah Ujian Membezakan Sakit daripada Sihat?

Lengkung ROC memplotkan sensitiviti terhadap 1 tolak kekhususan merentasi setiap kemungkinan pemotongan. Kawasan di bawahnya (AUC) ialah peluang pesakit rawak dengan penyakit tersebut mendapat markah lebih tinggi daripada pesakit rawak tanpanya. 0.5 ialah lambungan syiling, 1.0 adalah sempurna. ⁷

Di sini, AUC ialah 0.785 untuk MMP-2, 0.815 untuk VEGF-D dan 0.884 untuk kombinasi. ⁸ Bacaan yang berkesan: menggabungkan kedua-dua penanda meningkatkan diskriminasi sebanyak kira-kira 0.07 hingga 0.10 AUC berbanding mana-mana sahaja, yang merupakan peningkatan yang bermakna, tetapi hanya jika selang keyakinan tidak bertindih dengan ketara dan model diperiksa pada pesakit baharu.

Kesilapan biasa: melaporkan AUC sahaja. Berikan juga had yang dipilih, kepekaan dan kekhususannya dengan selang keyakinan, dan nyatakan bagaimana anda memilihnya (indeks Youden, atau pertukaran kos klinikal). AUC tidak menyatakan apa-apa tentang sama ada ujian berguna di sisi katil.

6. Plot Bland-Altman: Persetujuan Bukanlah Korelasi

Apabila anda membandingkan dua kaedah pengukuran, korelasi yang tinggi hanya mengatakan ia naik dan turun bersama. Ia tidak mengatakan ia memberikan nombor yang sama. Plot Bland-Altman menggambarkan graf perbezaan antara kaedah terhadap minnya, dengan perbezaan purata (bias) dan had persetujuan pada bias ± 1.96 SD. ⁹

Angka daripada kajian kebolehlaksanaan edema anggota badan bawah ini mengajar dua perkara. ¹⁰ Perbezaan min ialah 1.11, dan had yang diplotkan adalah dari kira-kira -0.54 hingga 2.77. Dan perbezaannya meningkat apabila min meningkat, satu bias berkadar. Panel kiri kelihatan seperti persetujuan yang baik kerana titik-titik tersebut mengikuti garis. Panel kanan menunjukkan kaedah tidak bersetuju, dan lebih banyak pada nilai yang lebih tinggi. Jurang itulah sebabnya pengulas meminta plot ini.

Satu corak yang kita lihat semasa menyunting manuskrip perbandingan kaedah: pekali korelasi yang dibentangkan sebagai bukti persetujuan, tanpa plot Bland-Altman. Tambahkan plot, nyatakan bias dan had dalam unit ukuran, dan nyatakan dalam satu ayat sama ada had tersebut boleh diterima secara klinikal. Penghakiman klinikal, bukan statistik, yang menentukannya.

7. Plot Air Terjun: Tindak Balas Tumor Setiap Pesakit

Plot air terjun memberikan setiap pesakit satu bar: peratusan perubahan saiz tumor terbaik dari garis dasar, disusun dari terburuk hingga terbaik. Di bawah RECIST 1.1, penurunan 30% dikira sebagai tindak balas separa dan peningkatan 20% sebagai perkembangan, jadi kedua-dua garis rujukan tersebut berada dalam plot. ¹¹

Kesilapan biasa: menggunakannya untuk membayangkan tempoh. Air terjun menunjukkan tindak balas terbaik, bukan berapa lama ia berlangsung. Padankannya dengan plot perenang atau lengkung masa-ke-kemajuan, dan nyatakan berapa ramai pesakit yang tidak mempunyai imbasan pasca-garis dasar, kerana ia tidak boleh muncul sebagai bar.

8. Plot Gunung Berapi: Cari Isyarat Antara Beribu-ribu

Plot gunung berapi meletakkan saiz kesan pada paksi-x (perubahan lipatan log2) dan keertian pada paksi-y (tolak log10 nilai-p). Gen yang besar dan signifikan terletak di sudut atas. Ia menukarkan jadual beribu-ribu baris menjadi satu gambar.

Kesilapan biasa: mewarnakan titik mengikut nilai-p mentah selepas menguji beribu-ribu gen. Warnakan mengikut nilai terlaras (kadar penemuan palsu), nyatakan kedua-dua ambang dalam kapsyen dan namakan hanya beberapa gen yang anda bincangkan dalam teks.

9. Plot Biola dan Kotak: Tunjukkan Taburan Keseluruhan

Sebilangan min menyembunyikan semua yang diutamakan oleh doktor: sebaran, condong, outlier dan sama ada kumpulan bertindih. Plot kotak menunjukkan median dan kuartil. Biola menambah bentuk taburan, yang penting apabila nilai condong atau bimodal.

Peraturan: tindih titik mentah apabila setiap kumpulan mempunyai kurang daripada kira-kira 30 pesakit. Sampel yang kecil menjadikan bentuk biola tidak boleh dipercayai, dan titik individu membolehkan pembaca menilai sendiri. Panduan carta umum kami merangkumi plot kotak dan histogram dengan lebih terperinci.

10. Peta Haba: Corak Merentasi Banyak Pembolehubah

Peta haba mewarnakan grid. Kertas klinikal menggunakannya untuk matriks korelasi, kluster ekspresi gen dan sapuan parameter. Cetak nombor dalam setiap sel jika grid cukup kecil untuk dibaca.

Dalam sapuan ini, r mencapai puncak pada 0.69 pada faktor penentukuran 1.5, manakala sesetengah sel jatuh kepada sifar atau kurang.10 ^Ia merupakan kes pengajaran yang baik: sel terbaik dipilih daripada data yang sama yang digunakan untuk menjaringkannya, jadi 0.69 ialah angka yang optimistik sehingga disemak pada pesakit baharu. Peta haba yang melaraskan parameter harus sentiasa menyatakannya.

Petua warna: gunakan skala yang seragam secara persepsi dan selamat untuk buta warna (viridis adalah pilihan biasa, seperti dalam rajah ini), dan jangan sekali-kali menggunakan skala merah-hijau.

Senarai Semak Angka 60 Saat untuk Manuskrip Klinikal

• Satu graf, satu soalan. Sebutkan soalan dalam kapsyen.
• Unit, saiz sampel dan ujian statistik muncul pada atau di bawah setiap rajah.
• Ketidakpastian (selang keyakinan, IQR atau SD) sentiasa kelihatan.
• Teks boleh dibaca pada lebar satu lajur, iaitu kira-kira 8.5 cm dalam kebanyakan jurnal.
• Warna kekal bertahan dalam percetakan skala kelabu dan pembaca buta warna.
• Figur yang digunakan semula mempunyai lesen dan petikan penuh.

Sokongan Statistik dan Angka Profesional untuk Manuskrip Klinikal Anda

Memilih graf yang betul adalah separuh daripada tugas. Menjalankan analisis di sebaliknya dengan betul, dan melukisnya mengikut spesifikasi jurnal, adalah separuh lagi tugas. Jika anda seorang pelajar PhD, doktor atau penyiasat yang sibuk dengan data di tangan dan tarikh akhir, ketiga-tiga perkhidmatan ini merangkumi laluan daripada set data kepada angka yang sedia untuk dihantar.

Menjalankan sintesis bukti penuh? Lihat perkhidmatan meta-analisis dan semakan sistematik kami , dan untuk pemeriksaan kewarasan pantas terhadap keputusan, Tafsiran Keputusan Statistik.

Graf Penyelidikan Klinikal: Soalan Lazim

Graf yang manakah menunjukkan data kemandirian?

Lengkung Kaplan-Meier, dilukis dengan tanda penapis dan jadual nombor berisiko di bawahnya. Laporkan nisbah bahaya dengan selang keyakinan 95% di samping nilai p log-rank.

Adakah korelasi yang tinggi cukup untuk menunjukkan dua kaedah bersetuju?

Tidak. Korelasi menunjukkan bahawa dua kaedah meningkat dan menurun bersama, bukannya memberikan nombor yang sama. Plot Bland-Altman menunjukkan bias dan had persetujuan dalam unit yang anda ukur.

Apakah maksud AUC 0.8 pada lengkung ROC?

Ini bermakna pesakit yang dipilih secara rawak dengan penyakit tersebut mendapat markah yang lebih tinggi dalam ujian berbanding pesakit yang dipilih secara rawak tanpanya kira-kira 80% daripada masa. Ia tidak menyatakan sama ada ujian itu berguna di sisi katil, jadi laporkan juga had masa dengan kepekaan dan kekhususannya.

Bilakah saya perlu melukis plot corong?

Dalam meta-analisis dengan kira-kira 10 atau lebih kajian. Dengan bilangan kajian yang lebih sedikit, plot dan ujian Egger tidak boleh dipercayai. Asimetri boleh datang daripada heterogeniti serta bias penerbitan.

Bolehkah saya menggunakan semula rajah daripada kertas yang diterbitkan dalam manuskrip saya?

Hanya jika lesennya membenarkannya. Angka-angka di bawah CC BY boleh digunakan semula dengan atribusi penuh. Jika tidak, minta kebenaran penerbit atau bina semula graf daripada nombor yang dilaporkan dan petik sumbernya.

Kesimpulan: Memilih Graf Penyelidikan Klinikal

Sepuluh graf merangkumi sebahagian besar daripada apa yang diperlukan oleh kertas klinikal: gambarajah alir untuk mengambil kira pesakit, lengkung kemandirian untuk masa ke peristiwa, plot hutan dan corong untuk mengumpulkan dan menguji bukti tekanan, plot ROC dan Bland-Altman untuk menilai ujian dan pengukuran, air terjun untuk tindak balas tumor, gunung berapi untuk omics, biola untuk taburan dan peta haba untuk corak. Pilih mengikut soalan, tunjukkan ketidakpastian dan letakkan nombor yang akan dicari oleh pengulas dalam kapsyen. Jika anda mahukan sepasang mata kedua pada rajah anda sebelum penyerahan, pasukan kami boleh membantu.

Rujukan

1. Schulz KF, Altman DG, Moher D; Kumpulan CONSORT. Kenyataan CONSORT 2010: garis panduan terkini untuk melaporkan percubaan rawak kumpulan selari. BMJ. 2010;340:c332. doi:10.1136/bmj.c332
2. Pivot X, Manikhas AG, Shamrai V, dkk. Analisis akhir percubaan klinikal rawak fasa 3 yang membandingkan HD201 vs. trastuzumab rujukan pada pesakit kanser payudara positif ERBB2 yang dirawat dalam persekitaran neoadjuvan. BMC Cancer. 2023;23:112. doi:10.1186/s12885-023-10574-2
3. Kaplan EL, Meier P. Anggaran tak parametrik daripada pemerhatian yang tidak lengkap. J Am Stat Assoc. 1958;53(282):457-81. doi: 10.1080 / 01621459.1958.10501452
4. Ayenew AA, Mol BW, Bradford B, Abeje G. Kelaziman mutilasi alat kelamin wanita dan faktor berkaitan dalam kalangan wanita dan kanak-kanak perempuan di Afrika: kajian sistematik dan meta-analisis. Syst Rev. 2024;13:26. doi:10.1186/s13643-023-02428-6
5. Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Mengukur ketidakkonsistenan dalam meta-analisis. BMJ. 2003;327(7414):557-60. doi: 10.1136 / bmj.327.7414.557
6. Egger M, Davey Smith G, Schneider M, Minder C. Bias dalam meta-analisis dikesan melalui ujian grafik yang mudah. ​​BMJ. 1997;315(7109):629-34. doi: 10.1136 / bmj.315.7109.629
7. Hanley JA, McNeil BJ. Maksud dan penggunaan kawasan di bawah lengkung ciri operasi penerima (ROC). Radiologi. 1982;143(1):29-36. doi:10.1148/radiologi.143.1.7063747
8. Revilla-López E, Ruiz de Miguel V, López-Meseguer M, et al. Lymphangioleiomyomatosis: mencari biomarker yang berpotensi. Medan Depan. 2023;10:1079317. doi:10.3389/fmed.2023.1079317
9. Bland JM, Altman DG. Kaedah statistik untuk menilai persetujuan antara dua kaedah pengukuran klinikal. Lancet. 1986;1(8476):307-10. doi:10.1016/S0140-6736(86)90837-8
10. Lippi L, dkk. Teknologi pengimbasan laser tiga dimensi untuk penilaian edema anggota bawah yang tepat dalam pesakit kegagalan jantung: satu kajian kebolehlaksanaan. Front Cardiovasc Med. 2026. doi:10.3389/fcvm.2026.1750128
11. Eisenhauer EA, dkk. Kriteria penilaian tindak balas baharu dalam tumor pepejal: garis panduan RECIST yang disemak semula (versi 1.1). Eur J Cancer. 2009;45(2):228-47. doi:10.1016/j.ejca.2008.10.026
12. Liu C, Zhou J, Lam W, Wang C, dkk. Nilai prognostik corak kambuhan awal untuk survival pasca kambuhan dalam kanser rektum peringkat lanjut setempat selepas kemoradioterapi neoadjuvan dan pembedahan. Front Oncol. 2026;16:1836607. doi:10.3389/fonc.2026.1836607
13. Kato Y, Mawatari K. Kepentingan klinikal gen termodulasi persekitaran mikro ekstraselular berasid. Front Oncol. 2024;14:1380679. doi:10.3389/fonc.2024.1380679

Angka-angka yang ditanda CC BY 4.0 diterbitkan semula di bawah lesen Atribusi Creative Commons dengan pengarang asal dikreditkan. Ilustrasi animasi menggunakan data simulasi dan adalah asal kepada Editverse.