15  Plots van Biasrisico

15.1 Introductie

Dit hoofdstuk laat zien hoe je biasrisico plots kunt met maken met R, met behulp van de robvis package. Deze plots kunnen worden gebruikt om de risico’s van bias in de geïncludeerde studies te visualiseren. Het pakket biedt functies biedt om een overzichtstabel met een biasrisico-beoordeling om te zetten in een samenvattingsplot (of een stoplichtplot, dat in dit notitieboekje niet aan bod komt. Dit hoofdstuk is geschreven door Luke A. McGuinness ¹

Eerst maar eens de benodigde packages laden.

library(robvis)
library(tidyverse)

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.5.0     ✔ tibble    3.2.1
✔ lubridate 1.9.3     ✔ tidyr     1.3.1
✔ purrr     1.0.2     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

De gegevens van de biasrisico moet je wel eerst zelf in een excelbestand zetten. De gegevens moeten in een specifieke volgorde staan, met aandacht voor de studie(id), elementen van de biasrisico, een overall score en een gewicht hiervan.

{robvis} heeft een aantal templates: - ROB1, het Cochrane-instrument voor vertekeningsrisico’s bij gerandomiseerde gecontroleerde onderzoeken en het kan ook worden gebruikt om de resultaten te visualiseren van beoordelingen die zijn uitgevoerd met andere domeingebaseerde tools die niet in de onderstaande lijst zijn opgenomen (data_rob1: voorbeelddata voor de ROB1-tool);
- ROB2, het nieuwe Cochrane-instrument voor vertekeningsrisico’s bij gerandomiseerde gecontroleerde onderzoeken (data_rob2: voorbeelddata voor de ROB2-tool);
- ROBINS-I, de Risk of Bias In Non-randomized Studies - of Interventions tool (data_robins: voorbeelddata voor de RObins-1-tool);
- QUADAS-2, de Quality and Applicability of Diagnostic Accuracy Studies, versie 2 (data_quadas: voorbeelddata voor de Quadas-2-tool).

Laten we eens naar de data_robins kijken:

data_robins<-data_robins
glimpse(data_robins)

Rows: 12
Columns: 10
$ Study   <fct> Study 1, Study 2, Study 3, Study 4, Study 5, Study 6, Study 7,…
$ D1      <fct> Critical, Moderate, Moderate, Low, Serious, Critical, Critical…
$ D2      <fct> Low, Low, Low, Low, Serious, Serious, Moderate, Moderate, Low,…
$ D3      <fct> Critical, Low, Moderate, Serious, Low, Moderate, Moderate, Low…
$ D4      <fct> Critical, Critical, Critical, Critical, Low, Critical, Serious…
$ D5      <fct> Low, Low, Critical, Moderate, Moderate, Critical, Critical, Lo…
$ D6      <fct> Low, Moderate, Low, Low, Low, Moderate, Serious, Low, Serious,…
$ D7      <fct> Serious, Low, Serious, Critical, Moderate, Serious, Serious, C…
$ Overall <fct> Critical, Low, Serious, Low, Serious, Serious, Moderate, Moder…
$ Weight  <dbl> 33.3333333, 33.3333333, 0.1428571, 9.0909091, 12.5000000, 25.0…

15.2 Samenvattende plots

Zodra we de overzichtstabel met het vertekeningsrisico met succes hebben geïmporteerd in R, is het maken van zo’n plot vrij eenvoudig. Om te beginnen wordt een eenvoudig gewogen overzichtsstaafdiagram gemaakt met behulp van de ROB2 voorbeelddataset (data_rob2) door de volgende code uit te voeren:

rob_summary(data = data_rob2, 
            tool = "ROB2")

De rob_summary kun je aanpassen met verschillende parameters: data, tool, overall, weighted, color, quiet).

Als we een andere tool willen gebruiken (bv. ROBINS-I).

rob_summary(data = data_robins, 
            tool = "ROBINS-I")

Of QUADAS-2:

rob_summary(data = data_quadas, 
            tool = "QUADAS-2")

Als je de overall-risk wilt afbeelden, zet je dit in de code:

rob_summary(data = data_rob2, 
            tool = "ROB2", 
            overall = TRUE)

Je kunt gewogen biasplots maken:

rob_summary(data = data_rob2, 
            tool = "ROB2")

En ongewogen biasplots:

rob_summary(data = data_rob2, 
            tool = "ROB2",
            weighted = FALSE)

Je kunt de kleuren van de plot aanpassen (bv. in kleuren voor kleurenblinden):

rob_summary(data = data_rob2, 
            tool = "ROB2", 
            colour = "colourblind")

Of je eigen kleuren gebruiken:

rob_summary(data = data_rob2, 
            tool = "ROB2", 
            colour = c("#f442c8","#bef441","#000000"))

---

1. McGuinness, L. A. (2021). Risk of Bias Plots. In Harrer, M., Cuijpers, P., Furukawa, T.A., & Ebert, D.D., Doing Meta-Analysis with R: A Hands-On Guide (online version). bookdown.org/MathiasHarrer/Doing_Meta_Analysis_in_R/rob-plots.html.