กราฟสำหรับการวิจัยทางคลินิก: 10 รูปแบบกราฟสำหรับงานวิจัยเชิงทดลอง การทดสอบวินิจฉัย และการวิเคราะห์แบบเมตา

การตีพิมพ์ 13 ตุลาคม 2026

ผู้ตรวจทานจะอ่านรูปภาพของคุณก่อนที่จะอ่านวิธีการวิจัยกราฟงานวิจัยทางคลินิกที่ผ่านการตรวจสอบจากผู้ทรงคุณวุฒิจะมีลักษณะร่วมกันอย่างหนึ่งคือ แต่ละกราฟตอบคำถามเพียงข้อเดียว และผู้อ่านสามารถเห็นคำตอบได้ภายในเวลาไม่ถึงสิบวินาที คู่มือนี้ครอบคลุมกราฟ 10 แบบที่นักวิจัยทางคลินิกพบเจอบ่อยที่สุด ตั้งแต่แผนภาพการไหลของ CONSORT ไปจนถึงฮีทแมป สำหรับแต่ละกราฟ คุณจะได้รับรูปภาพที่ตีพิมพ์จริง (เข้าถึงได้ฟรี นำไปใช้ซ้ำได้โดยอ้างอิงแหล่งที่มา) ภาพประกอบแอนิเมชั่นของเราเอง วิธีการอ่าน และข้อผิดพลาดที่ทำให้ต้นฉบับถูกส่งกลับ

เลือกกราฟการวิจัยทางคลินิกตามคำถาม

คู่มือประกอบที่ชื่อว่า " 10 ประเภทกราฟสำคัญที่นักวิจัยทุกคนควรรู้ " ครอบคลุมประเภทกราฟทั่วไป เช่น กราฟแท่ง กราฟเส้น กราฟกระจาย และฮิสโตแกรม แต่บทความนี้แตกต่างออกไป เพราะจะกล่าวถึงเฉพาะกราฟที่ใช้ในงานวิจัย การทดสอบวินิจฉัยโรค และการสังเคราะห์หลักฐานเท่านั้น

1. แผนภาพการไหลเวียนของ CONSORT: แสดงผู้ป่วยทุกราย

แผนผังแสดงขั้นตอนการดำเนินการเป็นรูปแรกที่ผู้ทบทวนการทดลองตรวจสอบ แผนผังนี้จะบอกว่าใครได้รับการคัดกรอง ใครถูกคัดออกและเพราะเหตุใด ใครได้รับการสุ่ม และใครได้เข้าสู่การวิเคราะห์ ข้อกำหนดของ CONSORT 2010 ระบุว่าแผนผังนี้เป็นสิ่งจำเป็นสำหรับการทดลองแบบสุ่ม¹

ในการเปรียบเทียบแบบสุ่มระหว่างยาชีวภาพเลียนแบบ trastuzumab (HD201) กับยา trastuzumab ต้นตำรับ ในผู้ป่วยมะเร็งเต้านมชนิด ERBB2-positive ที่ได้รับการรักษาแบบนีโอแอดจูแวนท์ มีผู้ป่วยเข้าร่วมการคัดกรอง 625 ราย และเข้าสู่ชุดการวิเคราะห์แบบเต็มรูปแบบ 503 ราย โดยแบ่งเป็น 251 รายที่ได้รับ HD201 และ 252 รายที่ได้รับยาต้นตำรับ²ผู้อ่านสามารถตรวจสอบการคำนวณได้ในทันที ซึ่งเป็นประเด็นสำคัญ

ข้อผิดพลาดที่พบบ่อย:ช่องที่มีจำนวนแต่ไม่มีเหตุผล “ถูกคัดออก (n = 122)” ชวนให้เกิดคำถาม ควรระบุว่ามีกี่รายที่ไม่ผ่านเกณฑ์แต่ละข้อ คุณสามารถสร้างไดอะแกรมได้ฟรีใน โปรแกรมสร้างไดอะแกรม Flowchart Pro

2. เส้นโค้ง Kaplan-Meier: เวลาที่เกิดเหตุการณ์ วาดขึ้นอย่างตรงไปตรงมา

ตัวประมาณค่า Kaplan-Meier แปลงเวลาติดตามผล ซึ่งรวมถึงผู้ป่วยที่ยังไม่เกิดเหตุการณ์ ให้เป็นเส้นโค้งการรอดชีวิตแบบขั้นบันได³อ่านค่าการลดลงในแต่ละขั้นเป็นเหตุการณ์ และเครื่องหมายขีดเล็กๆ เป็นผู้ป่วยที่สิ้นสุดการติดตามผลโดยไม่มีเหตุการณ์เกิดขึ้น (ถูกตัดออก)

อ่านตัวอย่างจริงในแบบที่ผู้ตรวจสอบจะอ่าน ผู้ป่วย ^{12 ราย}ที่โรคกลับมาเป็นซ้ำภายใน 2 ปี (สีแดง) อัตราการรอดชีวิตลดลงเหลือประมาณ 32% ในเดือนที่ 58 ในขณะที่ผู้ที่ไม่เป็นโรคกลับมาเป็นซ้ำ (สีน้ำเงิน) ยังคงมีอัตราการรอดชีวิตสูงกว่า 90% ตารางด้านล่างคือส่วนที่ตรงไปตรงมา: กลุ่มสีแดงเริ่มต้นด้วยผู้ป่วย 38 ราย และเหลือเพียง 3 รายใน 60 เดือน ดังนั้นส่วนที่อยู่ทางขวาสุดของเส้นโค้งนั้นจึงมีจำนวนผู้ป่วยน้อยมาก ควรวาดตารางนั้นเสมอ และถือว่าขั้นตอนในส่วนท้ายที่มีจำนวนผู้ป่วยน้อยนั้นเป็นขั้นตอนที่ไม่เข้มงวด

วิธีทำให้ผลการวิเคราะห์ปลอดภัยต่อผู้ตรวจสอบ:พิมพ์ตารางจำนวนผู้ป่วยที่เสี่ยงต่อการเกิดเหตุการณ์ไว้ใต้แกน x ระบุระยะเวลาติดตามผลเฉลี่ย แสดงอัตราส่วนความเสี่ยงพร้อมช่วงความเชื่อมั่น 95% ถัดจากค่า p ของการทดสอบ log-rank และหยุดการตีความกราฟเมื่อมีผู้ป่วยที่ยังคงมีความเสี่ยงเหลือน้อยมาก หากผู้ป่วยสามารถเสียชีวิตจากสาเหตุอื่นก่อนเกิดเหตุการณ์ที่คุณกำหนด กราฟแบบธรรมดาจะแสดงความเสี่ยงสูงเกินไป โปรดดูความเสี่ยงที่แข่งขันกันในงานวิจัยทะเบียน ผู้ป่วย หาก ต้องการทดลองใช้กับข้อมูลของคุณเอง ให้ใช้เครื่องคำนวณ Kaplan-Meier ฟรี

3. แผนภูมิป่า: การศึกษามากมาย ข้อสรุปเดียว

แผนภูมิฟอเรสต์แสดงผลการศึกษาแต่ละชิ้นเป็นรูปสี่เหลี่ยม (ผลกระทบของการศึกษา) โดยมีเส้น (ช่วงความเชื่อมั่น) คั่นอยู่ และรูปเพชรแสดงผลลัพธ์โดยรวม รูปสี่เหลี่ยมจะมีน้ำหนักแตกต่างกัน ดังนั้นการศึกษาขนาดใหญ่จะดึงรูปเพชรให้มีน้ำหนักมากขึ้น

รายงานฉบับนี้ระบุอัตราส่วนความน่าจะเป็นที่ปรับแล้วแบบรวมกลุ่มที่ 3.28 (ช่วงความเชื่อมั่น 95% 2.61 ถึง 4.12) โดยมี I² = 95.4% ⁴บทเรียนอยู่ที่ตัวเลขตัวที่สองนั้น I² อธิบายถึงสัดส่วนของความแปรปรวนที่เป็นความแตกต่างระหว่างการศึกษาที่แท้จริง ไม่ใช่ความบังเอิญ⁵ตัวเลขรวมกลุ่มเพียงตัวเดียวที่ 95.4% นั้นซ่อนอะไรไว้มากมาย ควรรายงานช่วงการทำนาย สำรวจเหตุผล (กลุ่มย่อย การวิเคราะห์เมตาแบบถดถอย) และสรุปผลโดยใช้คำว่า “เกี่ยวข้องกับความน่าจะเป็นที่สูงขึ้นในสถานการณ์ส่วนใหญ่” ไม่ใช่ตัวเลขคงที่เพียงตัวเดียว

กำลังวางแผนจะทำเมตาอะนิซิโอนีใช่ไหม? อ่านเกี่ยวกับจำนวนงานวิจัยที่จำเป็นสำหรับเมตาอะนิซิโอนีและข้อผิดพลาดทั่วไปในเมตาอะนิซิโอนีเครื่องคำนวณการถดถอยโลจิสติกส์ยังแสดงแผนภาพฟอเรสต์ของอัตราส่วนความน่าจะเป็นอีกด้วย

4. แผนภูมิรูปกรวย: งานวิจัยขนาดเล็กอยู่ที่ไหน?

แผนภูมิรูปกรวยแสดงผลของการศึกษาแต่ละชิ้นเทียบกับความแม่นยำ หากไม่มีอคติ การศึกษาต่างๆ จะกระจายตัวอย่างสมมาตรอยู่รอบๆ ผลรวม โดยจะกว้างที่ด้านล่าง (การศึกษาขนาดเล็ก) และแคบที่ด้านบน การขาดหายไปของส่วนใดส่วนหนึ่งที่มุมล่างแสดงว่าการศึกษาขนาดเล็กที่ไม่มีผลลัพธ์ที่ชัดเจนนั้นไม่เคยได้รับการตีพิมพ์

หลักการโดยทั่วไป:ทดสอบความไม่สมมาตร (การทดสอบของ Egger ⁶ ) เฉพาะกับงานวิจัยประมาณ 10 ชิ้นขึ้นไป และอย่าถือว่าความไม่สมมาตรเป็นหลักฐานของความลำเอียง ความแตกต่างหลากหลายทำให้เกิดรูปร่างเดียวกัน

5. เส้นโค้ง ROC: การทดสอบนี้สามารถแยกแยะผู้ป่วยออกจากผู้ไม่ป่วยได้หรือไม่?

กราฟ ROC แสดงค่าความไว (sensitivity) เทียบกับ 1 ลบด้วยค่าความจำเพาะ (specificity) ในทุกค่าจุดตัดที่เป็นไปได้ พื้นที่ใต้กราฟ (AUC) คือโอกาสที่ผู้ป่วยที่เป็นโรคแบบสุ่มจะมีคะแนนสูงกว่าผู้ป่วยที่ไม่เป็นโรคแบบสุ่ม 0.5 คือโอกาสสุ่มแบบโยนเหรียญ 1.0 คือโอกาสที่สมบูรณ์แบบ⁷

ในที่นี้ ค่า AUC คือ 0.785 สำหรับ MMP-2, 0.815 สำหรับ VEGF-D และ 0.884 สำหรับการรวมกัน⁸การอ่านค่าแบบละเอียด: การรวมตัวบ่งชี้ทั้งสองเข้าด้วยกันช่วยเพิ่มความสามารถในการจำแนกได้ประมาณ 0.07 ถึง 0.10 AUC เมื่อเทียบกับการใช้ตัวบ่งชี้ใดตัวหนึ่งเพียงอย่างเดียว ซึ่งถือเป็นการเพิ่มขึ้นอย่างมีนัยสำคัญ แต่จะได้ผลก็ต่อเมื่อช่วงความเชื่อมั่นไม่ทับซ้อนกันมากนัก และแบบจำลองได้รับการตรวจสอบกับผู้ป่วยรายใหม่

ข้อผิดพลาดที่พบบ่อย:การรายงานค่า AUC เพียงอย่างเดียว ควรระบุค่าเกณฑ์ที่เลือก ความไวและความจำเพาะ พร้อมช่วงความเชื่อมั่น และอธิบายวิธีการเลือกค่าเกณฑ์นั้น (ดัชนี Youden หรือการพิจารณาต้นทุนทางคลินิก) ค่า AUC เพียงอย่างเดียวไม่ได้บอกอะไรเกี่ยวกับประโยชน์ของวิธีการทดสอบในการนำไปใช้จริงในคลินิก

6. แผนภาพ Bland-Altman: ความสอดคล้องไม่ใช่ความสัมพันธ์

เมื่อคุณเปรียบเทียบวิธีการวัดสองวิธี ความสัมพันธ์สูงบอกเพียงว่าค่าทั้งสองขึ้นและลงพร้อมกัน ไม่ได้หมายความว่าค่าที่ได้จะเหมือนกัน แผนภูมิ Bland-Altman แสดงความแตกต่างระหว่างวิธีการเทียบกับค่าเฉลี่ย โดยมีความแตกต่างเฉลี่ย (ความคลาดเคลื่อน) และขอบเขตความสอดคล้องที่ความคลาดเคลื่อน ± 1.96 SD ⁹

ภาพนี้จากงานวิจัยความเป็นไปได้เกี่ยวกับอาการบวมน้ำที่ขา แสดงให้เห็นสองสิ่ง¹⁰ค่าเฉลี่ยความแตกต่างคือ 1.11 และขอบเขตที่แสดงในกราฟอยู่ระหว่างประมาณ -0.54 ถึง 2.77 และความแตกต่างจะเพิ่มขึ้นเมื่อค่าเฉลี่ยสูงขึ้น ซึ่งเป็นความคลาดเคลื่อนตามสัดส่วน แผงด้านซ้ายดูเหมือนจะมีความสอดคล้องกันพอสมควร เพราะจุดต่างๆ เรียงตัวเป็นเส้นตรง แผงด้านขวาแสดงให้เห็นว่าวิธีการทั้งสองไม่สอดคล้องกัน และยิ่งไม่สอดคล้องกันมากเท่าไหร่ ค่าที่สูงขึ้นก็ยิ่งมีความแตกต่างกันมากขึ้นเท่านั้น ช่องว่างนี้เป็นเหตุผลที่ผู้ตรวจสอบขอให้แสดงกราฟนี้

รูปแบบที่เราพบเห็นเมื่อตรวจแก้ต้นฉบับงานวิจัยเปรียบเทียบวิธีการ คือการนำเสนอค่าสัมประสิทธิ์สหสัมพันธ์เป็นหลักฐานแสดงถึงความสอดคล้องกัน โดยไม่มีแผนภาพ Bland-Altman ควรเพิ่มแผนภาพดังกล่าว ระบุค่าความคลาดเคลื่อนและข้อจำกัดในหน่วยวัด และกล่าวในประโยคเดียวว่าข้อจำกัดเหล่านั้นเป็นที่ยอมรับได้ในทางคลินิกหรือไม่ การตัดสินใจนั้นขึ้นอยู่กับการพิจารณาของแพทย์ ไม่ใช่สถิติ

7. แผนภูมิแบบน้ำตก: การตอบสนองของเนื้องอกในผู้ป่วยแต่ละราย

แผนภูมิแบบน้ำตกแสดงแท่งกราฟหนึ่งแท่งต่อผู้ป่วยแต่ละราย โดยแสดงเปอร์เซ็นต์การเปลี่ยนแปลงที่ดีที่สุดของขนาดเนื้องอกจากค่าเริ่มต้น เรียงจากแย่ที่สุดไปดีที่สุด ตามเกณฑ์ RECIST 1.1 การลดลง 30% ถือเป็นการตอบสนองบางส่วน และการเพิ่มขึ้น 20% ถือเป็นการลุกลาม ดังนั้นเส้นอ้างอิงทั้งสองนี้จึงควรอยู่ในแผนภูมิ¹¹

ข้อผิดพลาดที่พบบ่อย:การใช้แผนภูมิแบบน้ำตกเพื่อสื่อถึงระยะเวลา แผนภูมิแบบน้ำตกแสดงถึงการตอบสนองที่ดีที่สุด ไม่ใช่ระยะเวลาที่การตอบสนองนั้นคงอยู่ ควรใช้แผนภูมิแบบน้ำตกควบคู่กับแผนภูมิแบบนักว่ายน้ำหรือเส้นโค้งเวลาในการลุกลาม และระบุจำนวนผู้ป่วยที่ไม่มีการสแกนหลังการเริ่มต้น เนื่องจากไม่สามารถแสดงเป็นแท่งได้

8. แผนภูมิภูเขาไฟ: ค้นหาสัญญาณท่ามกลางสัญญาณนับพัน

แผนภูมิภูเขาไฟแสดงขนาดของผลกระทบ (log2 fold change) บนแกน x และความสำคัญทางสถิติ (ลบ log10 ของค่า p) บนแกน y ยีนที่มีทั้งขนาดใหญ่และมีความสำคัญทางสถิติจะอยู่มุมบนทั้งสองข้าง แผนภูมินี้เปลี่ยนตารางที่มีหลายพันแถวให้กลายเป็นภาพเดียว

ข้อผิดพลาดที่พบบ่อย:การระบายสีจุดตามค่า p-value ดิบหลังจากทดสอบยีนหลายพันตัว ควรใช้ค่าที่ปรับแล้ว (อัตราการค้นพบที่ผิดพลาด) ในการระบายสี ระบุเกณฑ์ทั้งสองในคำอธิบายภาพ และระบุชื่อเฉพาะยีนไม่กี่ตัวที่กล่าวถึงในเนื้อหาเท่านั้น

9. แผนภาพไวโอลินและแผนภาพกล่อง: แสดงการกระจายตัวทั้งหมด

แผนภูมิแท่งแสดงค่าเฉลี่ยจะซ่อนทุกสิ่งที่แพทย์สนใจ เช่น การกระจายตัว ความเบี่ยงเบน ค่าผิดปกติ และการทับซ้อนกันของกลุ่มต่างๆ แผนภูมิกล่องแสดงค่ามัธยฐานและควาร์ไทล์ ส่วนแผนภูมิไวโอลินแสดงรูปร่างของการกระจายตัว ซึ่งมีความสำคัญเมื่อค่าต่างๆ มีความเบี่ยงเบนหรือมีสองยอด

กฎ:ควรซ้อนทับจุดข้อมูลดิบทุกครั้งที่แต่ละกลุ่มมีผู้ป่วยน้อยกว่าประมาณ 30 คน ตัวอย่างขนาดเล็กทำให้แผนภูมิรูปทรงไวโอลินไม่น่าเชื่อถือ และจุดแต่ละจุดช่วยให้ผู้อ่านสามารถตัดสินใจได้ด้วยตนเอง คู่มือแผนภูมิทั่วไปของเราจะกล่าวถึงแผนภูมิกล่องและฮิสโตแกรมโดยละเอียดเพิ่มเติม

10. ฮีทแมป: รูปแบบที่เกิดขึ้นในตัวแปรหลายตัว

ฮีทแมปแสดงข้อมูลเป็นตารางที่มีสีต่างกัน งานวิจัยทางคลินิกใช้ฮีทแมปสำหรับเมทริกซ์ความสัมพันธ์ กลุ่มการแสดงออกของยีน และการทดสอบพารามิเตอร์ต่างๆ หากตารางมีขนาดเล็กเกินไปจนอ่านยาก ให้พิมพ์ตัวเลขในแต่ละช่องแทน

ในการทดสอบครั้งนี้ ค่า r สูงสุดอยู่ที่ 0.69 ที่ค่าตัวประกอบการปรับเทียบ 1.5 ในขณะที่บางเซลล์มีค่าเป็นศูนย์หรือต่ำกว่านั้น¹⁰นี่เป็นกรณีตัวอย่างที่ดี: เซลล์ที่ดีที่สุดถูกเลือกจากข้อมูลชุดเดียวกันกับที่ใช้ในการประเมิน ดังนั้น 0.69 จึงเป็นตัวเลขที่มองโลกในแง่ดีจนกว่าจะมีการตรวจสอบกับผู้ป่วยรายใหม่ แผนภูมิความร้อนที่ใช้ปรับพารามิเตอร์ควรระบุเช่นนั้นเสมอ

เคล็ดลับเรื่องสี:ควรใช้มาตราส่วนสีที่สม่ำเสมอและปลอดภัยสำหรับผู้ที่มีภาวะตาบอดสี (โดยทั่วไปมักใช้สีเขียวเข้ม ดังเช่นในภาพนี้) และห้ามใช้มาตราส่วนสีแดง-เขียวเด็ดขาด

รายการตรวจสอบภาพประกอบ 60 วินาทีสำหรับต้นฉบับงานวิจัยทางคลินิก

• กราฟหนึ่งรูป หนึ่งคำถาม ระบุคำถามในคำบรรยายภาพ
• หน่วย ขนาดตัวอย่าง และการทดสอบทางสถิติ จะปรากฏอยู่บนหรือใต้รูปภาพทุกรูป
• ความไม่แน่นอน (ช่วงความเชื่อมั่น, IQR หรือค่าเบี่ยงเบนมาตรฐาน) สามารถมองเห็นได้เสมอ
• ข้อความสามารถอ่านได้ชัดเจนแม้ใช้ความกว้างคอลัมน์เดียว ซึ่งโดยทั่วไปจะอยู่ที่ประมาณ 8.5 เซนติเมตรในวารสารส่วนใหญ่
• สีต่างๆ ยังคงคมชัดแม้ในการพิมพ์แบบขาวดำ และผู้ที่มีปัญหาตาบอดสีก็สามารถอ่านได้
• รูปภาพที่นำมาใช้ซ้ำจะมีใบอนุญาตและการอ้างอิงอย่างครบถ้วน

บริการจัดทำสถิติและภาพประกอบอย่างมืออาชีพสำหรับต้นฉบับงานวิจัยทางคลินิกของคุณ

การเลือกกราฟที่เหมาะสมเป็นเพียงครึ่งหนึ่งของงาน การวิเคราะห์ข้อมูลอย่างถูกต้อง และการวาดกราฟให้ตรงตามข้อกำหนดของวารสาร คืออีกครึ่งหนึ่ง หากคุณเป็นนักศึกษาปริญญาเอก แพทย์ หรือนักวิจัยที่ยุ่งอยู่กับการทำงานและมีข้อมูลพร้อมกำหนดส่ง บริการทั้งสามนี้จะช่วยคุณตั้งแต่ชุดข้อมูลไปจนถึงกราฟที่พร้อมสำหรับการส่งตีพิมพ์

หากต้องการทำการสังเคราะห์หลักฐานอย่างเต็มรูปแบบ โปรดดูบริการวิเคราะห์เมตาและการทบทวนอย่างเป็นระบบ ของเรา และสำหรับการตรวจสอบความถูกต้องของผลลัพธ์อย่างรวดเร็ว โปรดดูการตีความผลลัพธ์ทางสถิติ

กราฟการวิจัยทางคลินิก: คำถามที่พบบ่อย

กราฟใดแสดงข้อมูลการอยู่รอด?

วาดกราฟ Kaplan-Meier พร้อมเครื่องหมายตัดขอบ และตารางแสดงจำนวนความเสี่ยงอยู่ด้านล่าง รายงานอัตราส่วนความเสี่ยงพร้อมช่วงความเชื่อมั่น 95% และค่า p ของการทดสอบ log-rank

ค่าสัมประสิทธิ์สหสัมพันธ์สูงเพียงพอที่จะแสดงว่าวิธีการทั้งสองสอดคล้องกันหรือไม่?

ไม่ครับ ค่าสหสัมพันธ์แสดงให้เห็นว่าวิธีการสองวิธีเพิ่มขึ้นและลดลงไปพร้อมกัน ไม่ได้หมายความว่าได้ตัวเลขเดียวกัน แผนภาพ Bland-Altman แสดงให้เห็นถึงอคติและขอบเขตความสอดคล้องในหน่วยที่คุณวัดครับ

ค่า AUC 0.8 บนกราฟ ROC หมายความว่าอย่างไร?

หมายความว่าผู้ป่วยที่เป็นโรคซึ่งถูกเลือกแบบสุ่มจะได้คะแนนสูงกว่าผู้ป่วยที่ไม่เป็นโรคซึ่งถูกเลือกแบบสุ่มในการทดสอบประมาณ 80% ของเวลา รายงานไม่ได้ระบุว่าการทดสอบนี้มีประโยชน์ในการนำไปใช้ที่ข้างเตียงผู้ป่วยหรือไม่ ดังนั้นควรรายงานค่าเกณฑ์การตัดสินใจพร้อมทั้งความไวและความจำเพาะด้วย

ฉันควรวาดแผนภูมิรูปกรวยเมื่อใด?

ในการวิเคราะห์แบบเมตาที่มีการศึกษาประมาณ 10 เรื่องขึ้นไป หากมีจำนวนการศึกษาน้อยกว่านั้น แผนภาพและการทดสอบของ Egger จะไม่น่าเชื่อถือ ความไม่สมมาตรอาจเกิดจากความแตกต่างกันของข้อมูล รวมถึงอคติในการตีพิมพ์ด้วย

ฉันสามารถนำรูปภาพจากบทความที่ตีพิมพ์แล้วมาใช้ซ้ำในต้นฉบับของฉันได้หรือไม่?

เฉพาะในกรณีที่ลิขสิทธิ์อนุญาตเท่านั้น ตัวเลขภายใต้ลิขสิทธิ์ CC BY สามารถนำไปใช้ซ้ำได้โดยต้องระบุแหล่งที่มาอย่างครบถ้วน มิเช่นนั้นให้ขออนุญาตจากผู้จัดพิมพ์ หรือสร้างกราฟขึ้นใหม่จากตัวเลขที่รายงานและอ้างอิงแหล่งที่มา

สรุป: การเลือกใช้กราฟสำหรับการวิจัยทางคลินิก

กราฟสิบแบบนี้ครอบคลุมสิ่งที่จำเป็นส่วนใหญ่สำหรับงานวิจัยทางคลินิก ได้แก่ แผนภาพแสดงขั้นตอนการรักษาผู้ป่วย เส้นโค้งการอยู่รอดสำหรับระยะเวลาจนถึงเหตุการณ์ แผนภาพฟอเรสต์และแผนภาพกรวยเพื่อรวบรวมและทดสอบหลักฐาน แผนภาพ ROC และแผนภาพ Bland-Altman เพื่อประเมินการทดสอบและการวัด แผนภาพน้ำตกสำหรับการตอบสนองของเนื้องอก แผนภาพภูเขาไฟสำหรับข้อมูลโอไมซ์ แผนภาพไวโอลินสำหรับการกระจาย และแผนภาพความร้อนสำหรับรูปแบบต่างๆ เลือกใช้ตามคำถาม แสดงความไม่แน่นอน และใส่ตัวเลขที่ผู้ตรวจทานจะมองหาในคำอธิบายภาพ หากคุณต้องการให้คนอื่นช่วยตรวจสอบรูปภาพของคุณก่อนส่ง ทีมงานของเราสามารถให้ความช่วยเหลือได้

อ้างอิง

1. Schulz KF, Altman DG, Moher D; กลุ่ม CONSORT. คำแถลง CONSORT 2010: แนวทางที่ปรับปรุงแล้วสำหรับการรายงานการทดลองแบบสุ่มกลุ่มคู่ขนาน BMJ. 2010;340:c332. doi:10.1136/bmj.c332
2. Pivot X, Manikhas AG, Shamrai V และคณะ การวิเคราะห์ขั้นสุดท้ายของการทดลองทางคลินิกแบบสุ่มระยะที่ 3 เปรียบเทียบ HD201 กับยา trastuzumab ในผู้ป่วยมะเร็งเต้านม ERBB2-positive ที่ได้รับการรักษาแบบนีโอแอดจูแวนท์ BMC Cancer. 2023;23:112. doi:10.1186/s12885-023-10574-2
3. Kaplan EL, Meier P. การประมาณค่าแบบไม่ใช้พารามิเตอร์จากข้อมูลที่ไม่สมบูรณ์ J Am Stat Assoc. 1958;53(282):457-81 ดอย: 10.1080 / 01621459.1958.10501452
4. Ayenew AA, Mol BW, Bradford B, Abeje G. ความชุกของการตัดอวัยวะเพศหญิงและปัจจัยที่เกี่ยวข้องในกลุ่มสตรีและเด็กหญิงในแอฟริกา: การทบทวนอย่างเป็นระบบและการวิเคราะห์เชิงเมตา Syst Rev. 2024;13:26. doi:10.1186/s13643-023-02428-6
5. Higgins JPT, Thompson SG, Deeks JJ, Altman DG. การวัดความไม่สอดคล้องกันในการวิเคราะห์เมตา BMJ. 2003;327(7414):557-60. ดอย: 10.1136 / bmj.327.7414.557
6. Egger M, Davey Smith G, Schneider M, Minder C. อคติในการวิเคราะห์เมตาที่ตรวจพบโดยการทดสอบกราฟิกแบบง่าย BMJ. 1997;315(7109):629-34. ดอย: 10.1136 / bmj.315.7109.629
7. Hanley JA, McNeil BJ. ความหมายและการใช้พื้นที่ใต้เส้นโค้งลักษณะการทำงานของผู้รับ (ROC) Radiology. 1982;143(1):29-36. ดอย:10.1148/radiology.143.1.7063747
8. Revilla-López E, Ruiz de Miguel V, López-Meseguer M, และคณะ Lymphangioleiomyomatosis: ค้นหาตัวบ่งชี้ทางชีวภาพที่มีศักยภาพ แพทย์ด้านหน้า 2023;10:1079317. doi:10.3389/fmed.2023.1079317
9. Bland JM, Altman DG. วิธีทางสถิติสำหรับการประเมินความสอดคล้องระหว่างสองวิธีการวัดทางคลินิก Lancet. 1986;1(8476):307-10. doi:10.1016/S0140-6736(86)90837-8
10. Lippi L และคณะ เทคโนโลยีการสแกนด้วยเลเซอร์สามมิติเพื่อการประเมินอาการบวมน้ำที่ขาอย่างแม่นยำในผู้ป่วยภาวะหัวใจล้มเหลว: การศึกษาความเป็นไปได้ Front Cardiovasc Med. 2026. doi:10.3389/fcvm.2026.1750128
11. Eisenhauer EA และคณะ เกณฑ์การประเมินการตอบสนองใหม่ในเนื้องอกแข็ง: แนวทาง RECIST ฉบับปรับปรุง (เวอร์ชัน 1.1) Eur J Cancer. 2009;45(2):228-47 ดอย:10.1016/j.ejca.2008.10.026
12. Liu C, Zhou J, Lam W, Wang C และคณะ คุณค่าในการพยากรณ์ของรูปแบบการกลับมาเป็นซ้ำครั้งแรกต่อการอยู่รอดหลังการกลับมาเป็นซ้ำในมะเร็งทวารหนักระยะลุกลามเฉพาะที่หลังการรักษาด้วยเคมีบำบัดและรังสีรักษาก่อนการผ่าตัด Front Oncol. 2026;16:1836607 doi:10.3389/fonc.2026.1836607
13. Kato Y, Mawatari K. ความสำคัญทางคลินิกของยีนที่ถูกปรับเปลี่ยนโดยสภาพแวดล้อมจุลภาคภายนอกเซลล์ที่เป็นกรด Front Oncol. 2024;14:1380679. doi:10.3389/fonc.2024.1380679

รูปภาพที่มีเครื่องหมาย CC BY 4.0 ถูกนำมาใช้ซ้ำภายใต้ใบอนุญาต Creative Commons Attribution โดยมีการระบุชื่อผู้เขียนต้นฉบับ ภาพประกอบแบบเคลื่อนไหวใช้ข้อมูลจำลองและเป็นผลงานต้นฉบับของ Editverse