Bạn muốn so sánh "hiệu quả" và đánh giá số lượng bệnh nhân báo cáo mỗi lần điều trị. Hiệu quả được ghi nhận trong năm loại riêng biệt, có thứ tự, nhưng (bằng cách nào đó) cũng được tóm tắt thành "Trung bình". (trung bình) giá trị, cho thấy nó được coi là một biến định lượng.
Theo đó, chúng ta nên chọn một đồ họa có các yếu tố thích nghi tốt để truyền tải loại thông tin này. Trong số nhiều giải pháp xuất sắc tự đề xuất, một người sử dụng lược đồ này:
Thể hiện tổng hiệu quả hoặc trung bình như một vị trí dọc theo thang đo tuyến tính. Các vị trí như vậy dễ dàng nắm bắt nhất bằng mắt và đọc chính xác định lượng. Làm cho quy mô phổ biến cho tất cả 34 phương pháp điều trị.
Đại diện cho số bệnh nhân bằng một số biểu tượng đồ họa có thể dễ dàng nhìn thấy tỷ lệ thuận với các số đó. Hình chữ nhật rất phù hợp: chúng có thể được định vị để đáp ứng yêu cầu trước đó và có kích thước theo hướng trực giao để cả chiều cao và diện tích của chúng truyền tải thông tin số bệnh nhân.
Phân biệt năm loại hiệu quả theo giá trị màu và / hoặc màu. Duy trì thứ tự của các loại này.
Một lỗi rất lớn của đồ họa trong câu hỏi là các giá trị hình ảnh nổi bật nhất - độ dài của các thanh - mô tả thông tin số bệnh nhân thay vì tổng thông tin hiệu quả. Chúng ta có thể khắc phục điều đó một cách dễ dàng bởi recentering mỗi thanh về một giá trị giữa thiên nhiên.
Không thực hiện bất kỳ thay đổi nào khác (chẳng hạn như cải thiện bảng màu, đặc biệt kém đối với bất kỳ người mù màu nào), đây là thiết kế lại.
Tôi đã thêm các đường chấm chấm ngang để giúp mắt kết nối các nhãn với các ô và xóa một đường thẳng đứng mỏng để hiển thị vị trí trung tâm chung.
Các mô hình và số lượng câu trả lời rõ ràng hơn nhiều. Cụ thể, về cơ bản, chúng tôi có hai đồ họa với giá là một: ở phía bên trái, chúng tôi có thể đọc được một thước đo tác động bất lợi trong khi ở phía bên phải chúng tôi có thể thấy các hiệu ứng tích cực mạnh như thế nào . Có thể cân bằng rủi ro, một mặt, chống lại lợi ích, mặt khác, rất quan trọng trong ứng dụng này.
Một tác dụng ngẫu nhiên của thiết kế lại này là tên của các phương pháp điều trị có nhiều phản ứng được tách biệt theo chiều dọc với các phương pháp khác, giúp dễ dàng quét xuống và xem phương pháp điều trị nào phổ biến nhất.
Một khía cạnh thú vị khác là đồ họa này đặt câu hỏi về thuật toán được sử dụng để đặt hàng các phương pháp điều trị theo "Hiệu quả trung bình": ví dụ, tại sao "Theo dõi đau đầu" lại được đặt quá thấp khi trong số tất cả các phương pháp điều trị phổ biến nhất, đó là cách duy nhất để không có tác dụng phụ?
Mã nhanh và bẩn R
đã tạo ra âm mưu này được nối thêm.
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
hoặcibuprofen
dẫn đến một xác suất cao hơnmoderate improvement
vì các đường cơ sở khác nhau? Hay cái gì khác?