आप "प्रभावशीलता" की तुलना करना चाहते हैं और प्रत्येक उपचार की रिपोर्ट करने वाले रोगियों की संख्या का मूल्यांकन करते हैं। प्रभावशीलता को पांच असतत, क्रमबद्ध श्रेणियों में दर्ज किया गया है, लेकिन (किसी तरह) को "औसत" में भी संक्षेप में प्रस्तुत किया गया है। (औसत) मान, यह सुझाव देता है कि इसे मात्रात्मक चर माना जाता है।
तदनुसार, हमें एक ग्राफिक चुनना चाहिए जिसके तत्व इस तरह की जानकारी को व्यक्त करने के लिए अच्छी तरह से अनुकूलित हैं। कई उत्कृष्ट समाधान स्वयं सुझाते हैं, एक इस स्कीमा का उपयोग करता है:
रैखिक पैमाने पर एक स्थिति के रूप में कुल या औसत प्रभावशीलता का प्रतिनिधित्व करते हैं। इस तरह के पदों को सबसे अधिक आसानी से समझ लिया जाता है और मात्रात्मक रूप से सटीक रूप से पढ़ा जाता है। सभी 34 उपचारों के पैमाने को सामान्य बनाएं।
कुछ ग्राफिकल सिंबल द्वारा मरीजों की संख्याओं का प्रतिनिधित्व करना जो आसानी से उन संख्याओं के सीधे आनुपातिक रूप से देखा जाता है। आयतें अच्छी तरह से अनुकूल हैं: उन्हें पूर्ववर्ती आवश्यकता को पूरा करने और ऑर्थोगोनल दिशा में आकार देने के लिए तैनात किया जा सकता है ताकि उनकी ऊंचाई और उनके क्षेत्र दोनों रोगी-संख्या की जानकारी दें।
एक रंग और / या छायांकन मूल्य द्वारा पांच प्रभावशीलता श्रेणियों को भेद। इन श्रेणियों का क्रम बनाए रखें।
प्रश्न में ग्राफिक द्वारा की गई एक बहुत बड़ी त्रुटि यह है कि सबसे प्रमुख दृश्य मान - सलाखों की लंबाई - कुल प्रभावशीलता की जानकारी के बजाय रोगी-संख्या की जानकारी दर्शाती है। हम एक प्राकृतिक मध्य मूल्य के बारे में प्रत्येक बार को पुन: प्रस्तुत करके आसानी से ठीक कर सकते हैं ।
कोई अन्य परिवर्तन किए बिना (जैसे कि रंग योजना में सुधार करना, जो किसी भी रंग-अंधा व्यक्ति के लिए असाधारण रूप से खराब है), यहां नया स्वरूप दिया गया है।
मैंने आंखों के साथ भूखंडों को जोड़ने में मदद करने के लिए क्षैतिज बिंदीदार रेखाएं जोड़ीं, और आम केंद्रीय स्थान दिखाने के लिए एक पतली ऊर्ध्वाधर रेखा को मिटा दिया।
प्रतिक्रियाओं के पैटर्न और संख्या बहुत अधिक स्पष्ट हैं। विशेष रूप से, हम अनिवार्य रूप से एक की कीमत के लिए दो ग्राफिक्स प्राप्त करते हैं: बाएं हाथ की तरफ हम प्रतिकूल प्रभावों का एक उपाय पढ़ सकते हैं जबकि दाहिने हाथ की तरफ हम देख सकते हैं कि सकारात्मक प्रभाव कितने मजबूत हैं। जोखिम को संतुलित करने में सक्षम होना, एक तरफ, लाभ के खिलाफ, दूसरे पर, इस एप्लिकेशन में महत्वपूर्ण है।
इस रिडिजाइन का एक गंभीर प्रभाव यह है कि कई प्रतिक्रियाओं के साथ उपचार के नाम दूसरों से लंबवत रूप से अलग होते हैं, जिससे स्कैन करना आसान होता है और देखते हैं कि कौन से उपचार सबसे लोकप्रिय हैं।
एक और दिलचस्प पहलू यह है कि यह ग्राफिक कॉल "औसत प्रभावशीलता" द्वारा उपचार का आदेश देने के लिए उपयोग किए जाने वाले एल्गोरिदम का सवाल है: उदाहरण के लिए, सभी प्रमुख उपचारों के बीच "सिरदर्द ट्रैकिंग" को इतना कम क्यों रखा गया है, यह एकमात्र था कोई प्रतिकूल प्रभाव नहीं है?
Rइस प्लॉट का निर्माण करने वाला त्वरित और गंदा कोड संलग्न है।
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")
caffeineहैं याibuprofenके एक उच्च संभावना के नेतृत्वmoderate improvementक्योंकि आधार रेखा क्या अंतर है? या कुछ और?