A critical review of graphics for subgroup analyses in clinical trials.
A critical review of graphics for subgroup analyses in clinical trials.
复制标题
对临床试验中亚组分析的图形的批判性综述。
DOI：
10.1002/pst.2012
复制
发表时间：
2020-09
影响因子：
1.5
通讯作者：
Jaki T
中科院分区：
文献类型：
--
作者：
Ballarini NM;Chiu YD;König F;Posch M;Jaki T
亚组分析是临床试验的常规部分，用于调查治疗效果在研究人群中是否相同。图形化方法在小组分析中发挥着关键作用，以可视化小组的影响大小，帮助识别反应不同的小组，并将结果传达给更广泛的受众。许多现有的方法没有捕捉到核心信息，并且容易导致对子群效应的误解。在这项工作中，我们批判性地评价了现有的可视化技术，提出了有用的扩展来增加它们的实用性，并试图开发一种有效的可视化方法。重点介绍了森林样地、翻转样地、加尔布雷斯样地、亚种群处理效应格局图和等高线样方图，并对其他应用较为有限的方法进行了评述。我们使用前列腺癌研究的数据来说明这些方法。
Subgroup analyses are a routine part of clinical trials to investigate whether treatment effects are homogeneous across the study population. Graphical approaches play a key role in subgroup analyses to visualise effect sizes of subgroups, to aid the identification of groups that respond differentially, and to communicate the results to a wider audience. Many existing approaches do not capture the core information and are prone to lead to a misinterpretation of the subgroup effects. In this work, we critically appraise existing visualisation techniques, propose useful extensions to increase their utility and attempt to develop an effective visualisation approach. We focus on forest plots, UpSet plots, Galbraith plots, subpopulation treatment effect pattern plot, and contour plots, and comment on other approaches whose utility is more limited. We illustrate the methods using data from a prostate cancer study.
登录
查看更多内容
影响因子：
3.7
作者：
Ballarini NM;Rosenkranz GK;Jaki T;König F;Posch M
通讯作者：
Posch M
影响因子：
2.5
作者：
GALBRAITH, RF
通讯作者：
GALBRAITH, RF
影响因子：
3.1
作者：
Chen, Honglei;Lu, Rong;Sun, Jun
通讯作者：
Sun, Jun
影响因子：
1.8
作者：
Gelman, A;Pasarica, C;Dodhia, R
通讯作者：
Dodhia, R
影响因子：
56.9
作者：
CLEVELAND, WS;MCGILL, R
通讯作者：
MCGILL, R