Ponga sus Mejores Figuras Anticipadas: Gra

Clinical Chemistry 56:8
1229–1233 (2010)
Guı́a de Quı́mica Clı́nica
para los Escritos Cientı́ficos
Ponga sus Mejores Figuras Anticipadas: Gráficas Lineales y
Diagramas de Dispersión
Thomas M. Annesley*
Hay un viejo dicho que dice “una imagen vale más que
mil palabras”. En realidad, solo una imagen bien definida
y preparada vale mil palabras. Lo mismo puede decirse de
los estudios de investigación, para que uno de los principales métodos que usamos para comunicar nuestro mensaje esté en cifras y gráficas. Las cifras y las gráficas cuentan
mucho de la historia al darles a los lectores un ancla visual
que los ayuda a ver, comprender y recordar la información. Piensen en un reporte que ustedes hayan leı́do recientemente y encontraron útil. Probablemente no recuerden el texto usado para los resultados objetivos, o incluso
los número reales, pero pueden recordar mucho acerca de
las tendencias, las relaciones, los resultados, categorı́as o
los parámetros generales del experimento mostrados en
una gráfica. A pesar del hecho de que no tenga más información del texto, usted puede dibujar una representación
razonable de la gráfica del reporte publicado y decir lo que
recuerda de este.
En este artı́culo educativo yo hablo de gráficas lineales y diagramas de dispersión y uso ejemplos para ilustrar como colocar la mejor figura anticipada para que los
lectores puedan recordarlos a usted y su mensaje.
Elementos Básicos para una Buena Gráfica
Los componentes de una gráfica incluyen ejes, etiquetas,
escalas, un origen, momento o marcas de referencia, sı́mbolos y una frase. Más allá de estos elementos básicos, sin
embargo, una buena gráfica tiene varios atributos:
1. Atrae la atención de los datos y no de la gráfica por sı́
misma.
2. Los puntos de datos (sı́mbolos) y lı́neas de conexión
son fáciles de leer y distinguir.
3. Números y etiquetas son legibles para los ejes y su
significado es claro.
4. Las medidas de los 2 ejes están visualmente balanceadas (rango del eje x al eje y ⫽ 1.0 a 1.3).
5. Las escalas usadas en cada eje corresponden al rango
de los datos.
University of Michigan Health System, Ann Arbor, MI.
* Enviar correspondencia al autor a: University of Michigan Health System, Room
UH2G332, 1500 East Medical Center Drive, Ann Arbor, MI 48109-5054. E-mail
[email protected].
Recibido para su publicación el 30 de Abril de 2010. Aceptado para su publicación el 6 de Mayo de 2010.
6. Las marcas de graduación son usadas
apropiadamente.
7. La legenda es clara y concisa,
8. El lector puede entender el mensaje sin referirse al
texto principal una y otra vez.
9. Los datos merecen ser graficados.
Las gráficas lineales y los diagramas de dispersión hacen uso de un eje horizontal y un eje vertical, tı́picamente
llamados eje x y eje y, respectivamente, para ilustrar la
relación entre 2 o más variables. Por convención, la variable puesta en el eje x es referida como la variable independiente. La variable independiente es aquella que es manipulada o cambiada por el investigador. La variable
puesta en el eje y es la variable dependiente. Esta variable es
llamada ası́ porque su valor responde (depende de) al
valor de la variable independiente. Ésta última se modifica
cuando la variable independiente cambia.
Por ejemplo, uno puede estudiar la concentración de
fenitoı́na en suero contra la dosis prescrita. La dosis es la
variable independiente y la concentración de suero resultante es la variable dependiente porque depende de (o es
causado por) un cambio en la variable independiente. Piense en esto preguntándose: ¿Cambiar la dosis (causa)
resulta en un cambio en la concentración de fenitoı́na
(efecto)? Esta forma de definir una relación causa y efecto
puede ayudarlo a determinar si el estudio implica variables dependientes e independientes y cómo puede diseñar una figura para mostrar los resultados experimentales.
Otro ejemplo es un estudio de suero antı́geno especı́fico de la próstata (PSA) como un vaticinador no invasivo de estatificación de tumor. En este caso la variable
conocida (independiente) es la estatificación del tumor
(una variable predefinida o punto de referencia), y la variable desconocida (dependiente) es la concentración de
PSA en el suero del paciente. Es posible medir más de una
variable dependiente en una gráfica (por ejemplo, PSA
total y libre), pero debe haber solo una variable independiente, en este ejemplo la estatificación de tumor, medida
en una gráfica.
A pesar de que muchos estudios tienen una variable
independiente, su presencia no es un requerimiento estricto. En algunos casos, el estudio involucra una asociación visual de dos variables, sin ninguna prueba sustentada en causalidad. Un buen ejemplo es la comparación
de dos métodos analı́ticos para cuantificar la troponina.
1229
Guı́a de Quı́mica Clı́nica
para los Escritos Cientı́ficos
Figura. 1. Cambio en la carga viral de sangre durante
un tratamiento oral diario con albenovir; f, 0 mg/kg;
‚, 2 mg/kg; , 5 mg/kg; 〫, 10 mg/kg; ⽧, 20 mg/kg.
En este caso, ningún método tiene efecto en el otro, por lo
tanto, no existe una variable independiente. Los datos
para ambos métodos pueden ser colocados en el eje y.
Dicho esto, sin embargo, sigue siendo importante que en
cualquier estudio se determine si el dato que usted está
analizando y graficando tiene una variable independiente.
La Fig. 1 muestra un ejemplo de una gráfica lineal
con los atributos deseados que se mencionaron anteriormente. Esta gráfica representa los datos desde un estudio
hipotético de la eficacia de una nueva droga antiviral, albenovir. En este estudio, el albenovir se administró por vı́a
oral a grupos de pacientes distribuidos al azar con 5 dosis
(0, 2, 5, 10 y 20 mg/kg). Se recolectaron las muestras de
sangre de pacientes en tiempos determinados desde el
inicio del tratamiento y se analizaron éstas calculando
partı́culas virales. En la gráfica se trazan el cambio en la
carga viral vs. tiempo. En esta figura los sı́mbolos que
representan las diferentes dosis están amplia y fácilmente diferenciados uno del otro, lo que permite un
fácil reconocimiento. Las lı́neas de conexión también
se presentan tan claras y suficientemente amplias para
atraer la atención hacia los datos. Como regla general,
los sı́mbolos y cualquier lı́nea o curva dentro de los dos
ejes son las caracterı́sticas más destacadas, la redacción
en los letreros de los ejes es menos sobresaliente, y los
ejes y las lı́neas graduadas, las menos importantes. En
esta gráfica las dos lı́neas de ejes son proporcionales en
longitud y lo suficiente estrechos que no desvı́an la
atención hacia los datos. El tamaño de la fuente para la
redacción de los letreros de los ejes, resalta nuevamente
la importancia de los datos, al ser más grande que la de
los números y las lı́neas graduadas en los ejes. Las lı́neas
graduadas están fuera de los ejes debido a que están
asociadas con los números en los ejes y no los puntos de
los datos señalados al interior de los ejes. Las escalas
1230 Clinical Chemistry 56:8 (2010)
Figura. 2. Cambio en la carga viral de la sangre
durante un tratamiento oral diario con albenovir.
(A-C), representaciones diferentes de los mismos datos.
también son proporcionales al rango de valores y hay
un mı́nimo de espacio desperdiciado a través del
gráfico.
La leyenda para esta figura es concisa, el mensaje
puede entenderse aún sin tener acceso al texto principal.
Guı́a de Quı́mica Clı́nica
para los Escritos Cientı́ficos
La gráfica de la Fig. 1 no incluye un tı́tulo (ocasionalmente
incluido en las diapositivas de Power Point) debido a
que hay una leyenda que proporciona información
importante.
La Fig. 2 muestra varias opciones de estilo para mejorar la disposición de los datos trazados en la Fig. 1.
Aunque la Fig. 1 es simple y limpia, el lector necesita regresar una y otra vez a la leyenda para asociar los sı́mbolos
y lı́neas con los diferentes protocolos de tratamiento. Si
hay un espacio extra en la gráfica, o ala derecha, entonces
uno podrı́a considera agregar una clave para los sı́mbolos,
como se ilustra en la Fig. 2A. Si se agrega una clave, no
obstante, es importante que el orden de los sı́mbolos (de
arriba hacia abajo o de izquierda a derecha) en esa clave
deberá ser la misma que el orden en donde los sı́mbolos y
lı́neas son trazadas en el gráfico, como se ha hecho aquı́.
Un beneficio de esta aproximación es que puede simplificar el mensaje en la leyenda. Si el espacio lo permite, es
posible considerar un diseño aún más efectivo y colocar
letreros individuales cercanos a cada lı́nea o grupo de datos (Fig. 2B).
Algunas veces los puntos de datos tienen valores numéricos que caen directamente en (o están muy cercanos
a) los ejes x o y, como aparece en estos datos de albenovir.
Cuando este es el caso, los puntos de datos pueden verse
visualmente distorsionados u obscurecidos por la lı́nea
del eje, especialmente cuando se reduce un gráfico al tamaño de impresión. En esta situación (y sólo en esta), uno
o ambos ejes pueden ser contrarrestados para permitir
mayor claridad visual de los datos (Fig. 2C). Como un
ejercicio, compare los datos presentados y las leyendas
para las Fig. 1 y 2 y evalúe cómo cada uno tiene influencia
en lo que usted ve y lee.
Errores comunes
Los tres siguientes ejemplos resaltan errores comunes de
autores cuando están preparando sus gráficos. La Fig. 3
muestra la relación entre el plasma y el odio en suero para
especı́menes empatados entre 150 pacientes. Las concentraciones de socio, aún en pacientes crı́ticamente enfermos, caen en un rango realmente estrecho entre 125 y 165
mmol/L. Debido a que muchos programas de automatización computarizada fallan entre las intersecciones de 0
de los ejes x y y, el gráfico puede parecer al mostrado en la
Fig. 3A. Existen tres problemas con este tipo de presentación de datos. Primero, los puntos de datos están comprimidos de manera muy cercana, haciendo que se dificulte ver cualquier dispersión, o valores altos y bajos
anormales. En segundo lugar, aún con una lı́nea de correlación, puede dificultarse ver ambas partes aisladas ejercerse por influencia indebida en la correlación general de
todos los datos. En tercer lugar, debido a que una trama
no transmite de manera adecuada la información en los
datos, se gasta espacio, lo que le desagrada a los editores
Figura. 3. Plasma vs. sodio en suero para especı́menes empatados de 150 pacientes.
(A), escalas de 0 –165 mmol/L para los ejes x- y-y; (B),
escalas de 120 –170 mmol/L para los ejes x- y-y; (C),
dispersión de Bland–Altman.
tanto por razones económicas y estéticas. Estos mismos
datos pueden presentarse más claramente estrechando los
rangos de las escalas de los ejes para que caigan en los datos
(Fig. 3B). Una representación aún mejor de los datos se
puede obtener creando una dispersión Bland-Altman
Clinical Chemistry 56:8 (2010) 1231
Guı́a de Quı́mica Clı́nica
para los Escritos Cientı́ficos
Figura. 5. Cambio porcentual en la concentración de
tacrolimus en sangre completa después del almacenamiento a temperatura ambiente.
Figura. 4. Cambio porcentual de la concentración de
alanina en plasma después del almacenaje de sangre
completa a temperatura ambiente.
(A), escala de 0 a 110 ␮g/L; (B) para el eje y; (B), escala de
70 –110 ␮g/L.para el eje y.
(Fig. 3C), en donde las diferencias fuera del lı́mite del 95%
para que el arreglo sea visto fácilmente.
De manera similar, los editores constantemente ven
resultados graficados como los que se muestran en la Fig.
4. En este ejemplo hipotético, un investigador desarrolló
un nuevo ensayo de HPLC para alanina en plasma para
sostener un estudio colaborativo de ratas ante un alto
stress por el experimento. Para validar la estabilidad de la
alanina en sangre durante la transportación por mensajerı́a a través de la universidad, los especı́menes fueron
recolectados con cuatro diferentes tubos conteniendo anticoagulantes y almacenados a temperatura ambiente
para periodos seleccionados de tiempo antes de la cen1232 Clinical Chemistry 56:8 (2010)
trifugación y congelamiento del plasma. Una obvia pérdida de alanina dependiente del tiempo en los especı́menes que utilizaron heparina puede observarse en la Fig.
4A, sin embargo la figura pierde una gran cantidad de
espacio utilizable y los datos se ven comprimidos. Expandiendo el eje y de la escala, como en la Fig. 4B no solamente se logra un mejor uso de espacio sino que también
muestra una dependencia al tiempo en la alanina en
plasma incrementada en aproximadamente 10% en tubos de oxalato después de un periodo de 18 horas.
La técnica mostrada en la Fig. 4B se refiere en algunas
ocasiones como un cero suprimido. Sin embargo, no es
necesariamente malo si se incrementa la claridad de la
presentación de los datos, uno puede ver como la escala de
cero suprimido puede ser engañoso si se utiliza para exagerar lo que de otra manera puede tener pequeñas diferencias. Los medios de noticias son criticados continuamente
por hacer gráficas de datos económicos que tienen un
rango restringido en el eje y, por tanto ampliar artificialmente el significado de cualquier cambio. Por tanto, si
usted decide usar una escala expandida, atraiga la atención del lector estableciendo directamente en la figura la
leyenda en la que la escala ha sido expandida o no comienza en 0.
La Fig. 5 muestra una gráfica que incluye todos los
criterios para ser Buena excepto uno. ¿Puede usted
adivinar cuál es este? Este es un buen ejemplo de resultados que no necesitan ser presentados con una gráfica. Son resultados útiles y deben ser reportados, pero
el mensaje no puede ser arreglado tan fácilmente en el
texto principal. “Cuando los especı́menes de sangre to-
Guı́a de Quı́mica Clı́nica
para los Escritos Cientı́ficos
pocas palabras bien elegidas también pueden reemplazar
una imagen. La clave es conocer cuándo usar una u otra
para obtener más efectividad en su mensaje.
Recursos y lecturas adicionales
Figura. 6. Cambio en la carga viral durante el tratamiento; F, 0 mg/kg; ⽧, 5 mg/kg; f, 20 mg/kg.
tal fueron recolectados en tubos conteniendo oxalato,
EDTA, citrato o heparina, y fueron almacenados a temperatura ambiente por 72 horas, no se observan cambios estadı́sticamente significativos en la concentración
de tacrolimus para ningún tipo de tubo”.
Ejercicio de Aprendizaje
Usando la información presentada en este texto acerca de
las caracterı́sticas para gráficos buenos y malos, usted deberá ser capaz de identificar las caracterı́sticas que deben
ser agregadas o quitadas para lograr el impacto visual de
un gráfico. El ejemplo mostrado en la Fig. 6 tiene al menos
12 problemas. ¿Puede usted identificarlos? Las respuestas
se encuentran en un cuadro después de la lista de materiales de lectura adicional seleccionados.
Conclusiones finales
Las personas son visuales y expresivas por naturaleza, los
autores (incluyéndome) desean mostrar lo que ellos han
hecho. Una imagen puede valer mil palabras, pero unas
Day RA, Gastel B. How to write and publish a scientific
paper. Westport (CT): Greenwood Press; 2006. (Cómo
escribir y publicar un documento cientı́fico)
Freeman JV, Walters SJ, Campbell MJ. How to display
data. Malden (MA): Blackwell Publishing; 2008.
(Como mostrar datos)
Gustavii B. How to write and illustrate a scientific paper. New York: Cambridge University Press; 2008.
(Cómo escribir un document cientı́fico ilustrado)
Lang TA. How to write, publish, and present in the
health sciences. Philadelphia (PA): ACP Press; 2010.
(Cómo escribir, publicar y presenter en las ciencias de
la salud)
Zeiger M. Essentials of writing biomedical research papers. New York: McGraw Hill; 2000. (Esenciales para la
escritura de documentos de investigación biomédica)
Contribuciones de autor: Todos los autores han confirmado que contribuyeron enel contenido intelectual de este documento y han cumplido
con los tres requerimientos siguientes: (a) contribuciones significativas
para la concepción y diseño, adquisición de datos, o análisis e interpretación de éstos; (b) redacción o revisión del artı́culo en cuanto a su contenido intelectual y (c) aprobación final del artı́culo publicado.
Revelaciones de los autores sobre potenciales conflictos de interés:
Sobre la subordinación del manuscrito, todos los autores han completado el formulario de Revelaciones de Potencial Conflicto de Interés:
Empleo o liderazgo: T.M. Annesley, AACC.
Papel del consultor o asesor: No se declara.
Propiedad de acciones: No se declara.
Honorarios: No se declaran.
Fondos de investigación: No se declaran.
Testimonio de expertos: No se declaran.
Papel del patrocinador: Las organizaciones patrocinadoras declaran
que no tuvieron ninguna intervención en el diseño del estudio, elección de los pacientes reclutados, revisión e interpretación de datos, o
preparación o aprobación del manuscrito.
Clinical Chemistry 56:8 (2010) 1233
Guı́a de Quı́mica Clı́nica
para los Escritos Cientı́ficos
Respuestas al Ejercicio de Aprendizaje (Problemas con la Fig. 6)
Los sı́mbolos son muy pequeños.
Los sı́mbolos son muy similares (cuadro sólido, cı́rculo sólido, diamante sólido) y son difı́ciles de
distinguir.
Las lı́neas de conexión de datos son angostas y no atraen la atención hacia los datos.
El texto en los letreros es pequeño.
Los ejes x y y son muy anchos y atraen el foco fuera de los datos.
Los números en los ejes son proporcionalmente muy grandes.
Los números en los ejes tienen dos diferentes tamaños de fuente.
Los números del eje y tienen un punto decimal innecesario.
La escala para el eje y es muy grande y crea espacio desperdiciado. .
El eje x dice “meses” y una descripción más complete podrı́a aliviar la necesidad de los lectores para
referirse al texto principal. .
Las marcas de graduación están al interior de los ejes y el sı́mbolo escondido.
El rango del eje x al eje y es muy grande 8idealmente 1.0 a 1.3)
El orden de los sı́mbolos en las leyendas, junto con las identidades diferentes
La leyenda de los sı́mbolos junto con el gráfico identifican diferentes tratamientos mientras la leyenda de
figuras identifica dosis de miligramo por kilogramo.
El orden de los sı́mbolos (de arriba abajo) en la leyenda en donde el gráfico es diferente del orden (arriba
abajo) de los sı́mbolos actuales en la figura.
1234 Clinical Chemistry 56:8 (2010)