Вы хотите сравнить «эффективность» и оценить количество пациентов, сообщивших о каждом лечении. Эффективность записывается в пяти отдельных упорядоченных категориях, но (как-то) также суммируется в «Avg». (среднее) значение, предполагая, что оно считается количественной переменной.
Соответственно, мы должны выбрать графику, элементы которой хорошо адаптированы для передачи такого рода информации. Среди множества отличных решений напрашивается одна, которая использует следующую схему:
Представьте общую или среднюю эффективность в виде позиции по линейной шкале. Такие позиции легче всего понять визуально и точно прочитать количественно. Сделайте шкалу общей для всех 34 процедур.
Представьте число пациентов некоторым графическим символом, который, как легко увидеть, прямо пропорционален этим числам. Прямоугольники хорошо подходят: они могут быть расположены так, чтобы удовлетворить предыдущее требование, и иметь размеры в ортогональном направлении, чтобы их высота и площадь передавали информацию о количестве пациентов.
Различают пять категорий эффективности по цвету и / или значению затенения. Поддерживать порядок этих категорий.
Одна огромная ошибка, допущенная графикой в вопросе, состоит в том, что наиболее заметные визуальные значения - длины столбцов - отображают информацию о количестве пациентов, а не информацию об общей эффективности. Мы можем легко это исправить, перецентрировав каждый столбец около естественного среднего значения.
Без внесения каких-либо других изменений (таких как улучшение цветовой схемы, которая исключительно плоха для любого дальтоника), приведем редизайн.
Я добавил горизонтальные пунктирные линии, чтобы помочь глазу соединить метки с графиками, и стер тонкую вертикальную линию, чтобы показать общее центральное положение.
Модели и количество ответов гораздо более очевидны. В частности, мы, по сути, получаем две графики по цене одной: с левой стороны мы можем считывать меру неблагоприятных эффектов, а с правой стороны мы видим, насколько сильны положительные эффекты . Возможность сбалансировать риск, с одной стороны, с выгодой, с другой, важна в этом приложении.
Одним из счастливых последствий этого изменения является то, что названия процедур с множеством ответов вертикально отделены от других, что упрощает поиск и просмотр наиболее популярных методов лечения.
Еще один интересный аспект заключается в том, что эта графика ставит под сомнение алгоритм, используемый для упорядочивания процедур по «средней эффективности»: почему, например, «отслеживание головной боли» размещено так низко, когда среди всех самых популярных методов лечения оно было единственным не иметь побочных эффектов?
Быстрый и грязный R
код, который создал этот сюжет, прилагается.
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
илиibuprofen
приводит к более высокой вероятности,moderate improvement
потому что исходные данные отличаются? Или что-то другое?