Importância do Uso das Técnicas de Visualização na Interpretação dos
Dados da Metanálise em Dados Agrícolas
Importance of Using Visualization Techniques in Meta-Analysis
Interpretation Data on Agricultural Data
Bruna Rossetto Delazeri1, Simone Nasser Matos2, Alaine Margarete Guimarães1, Marcelo
Giovanetti Canteri3
1
Departamento de Informática, Universidade Estadual de Ponta Grossa, Ponta Grossa,
Paraná, Brasil, [email protected]; [email protected]
2
Departamento de Informática, Universidade Tecnológica Federal do Paraná, Ponta Grossa,
Paraná, Brasil, [email protected]
3
Departamento de Agronomia, Universidade Estadual de Londrina, Londrina, Paraná, Brasil,
[email protected]
RESUMO
Utilizada na área agronômica para realizar estimativas empíricas de eficiência técnica para o
desenvolvimento da produtividade e investigação econômica da cultura, a metanálise é uma
técnica probabilística agrupa os resultados de diversos estudos que abordam o mesmo assunto
e produz um resultado que resume o todo. Os resultados gerados são exibidos em forma
gráfica sem proporcionar interatividade com o usuário, tampouco reproduz uma interface
amigável e de fácil compreensão. Para que se possa obter uma análise exploratória visual dos
resultados mais satisfatórios, existem as técnicas de Visualização de Informação que são
aplicadas para mapear os dados em forma gráfica com o objetivo de ampliar a cognição do
usuário. Este artigo aplica a Técnica de Visualização Bifocal Tree como alternativa para
melhorar a representação visual do gráfico Forest Plot, gerado pelo Software R, e exibe o
resultado da aplicação da técnica em uma prototipação.
PALAVRAS-CHAVE: Metanálise, Técnicas de Visualização de Informação, Software R.
ABSTRACT
Used in agronomy to perform empirical estimates of technical efficiency for the development
of productivity and economic research culture, meta-analysis is a probabilistic technique
brings together the results of several studies that discuss the same subject and produces a
result which summarizes all. The results generated are displayed in graphical form without
providing interactivity with the user, either playing a friendly interface and easy to
understand. For can get a visual exploratory analysis of the most satisfactory results, there are
Information Visualization techniques that are applied to map the data in graphical form in
order to expand the user cognition. This paper presents the view of Technical Bifocal Tree as
an alternative to improve the visual representation of Forest Plot graphical, generated by the
Software R, and displays the result of technical application in a prototyping.
KEYWORDS: Meta-analysis, Techniques of Information Visualization, Software R.
1. INTRODUÇÃO
A metanálise é uma técnica probabilística que utiliza da fusão de resultados obtidos em
diversos estudos e produz resultados que resumem o conjunto. Esta técnica pode ser aplicada
em um modelo de efeito fixo ou aleatório por meio de software existentes, como exemplo, o
Software R, gratuito e livre (ZIEGELMANN;2013).
Os gráficos gerados pelo software não proporcionam interatividade com o usuário,
tampouco reproduz uma interface amigável e de fácil compreensão. Para que se possa obter
uma análise exploratória visual dos resultados mais satisfatórios, existem as técnicas de
Visualização de Informação que são aplicadas para mapear os dados em forma gráfica com o
objetivo de ampliar a cognição do usuário (THIAM, 2001).
A Visualização de Informação é um método de computação gráfica empregada para
auxiliar no processo de análise de um conjunto de dados por meio de representações gráficas
manipuláveis. Estas representações não apenas apresentam os resultados, mas fornecem
mecanismos que permitem ao usuário interagir com a informação, examinando-a visualmente
(VALIATI et al., 2008)
Este artigo tem a finalidade de aprimorar o aspecto do gráfico Forest Plot gerado pelo
do Software R através da execução da metanálise para determinar a eficácia do uso do
fungicida Fluquinconazol na semente de soja, utilizado para minimizar o impacto causado
pela doença da ferrugem asiática na produtividade da cultura.
Os resultados serão exibidos por meio de uma prototipação utilizando uma técnica de
visualização hierárquica, direcionando o esforço da exploração dos dados unicamente ao
computador, permitindo que o usuário possa explorar níveis distintos de visualização, obtendo
maior interação com os dados e podendo examinar melhor os resultados para que a tomada de
decisão, aplicada ao cultivo para minimizar os efeitos da doença, seja mais rápida e precisa.
2. METANÁLISE
A metanálise utiliza-se de técnicas estatísticas de agrupamento que combina e analisa os
resultados de diversos estudos de uma área específica, de modo a obter resultados mais
específicos ou até mesmo definitivos, diferentemente das revisões de literatura, muitas vezes
comparadas entre si, que cobre uma série de fontes diferentes, realizando um trabalho
descritivo (PATEL, 1989).
Nem toda revisão de literatura possui metanálise, entretanto, uma metanálise que não
possua uma revisão é potencialmente tendenciosa, portanto deve ser cuidadosamente
utilizada. Assim como na revisão, o pré-requisito de maior importância da metanálise é que os
diversos estudos individuais abordem o mesmo assunto de pesquisa ou então examine
diferentes aspectos de uma questão mais ampla (FEUER; 1999).
A qualidade da precisão estatística obtida através do uso da metanálise depende da
exaustividade da pesquisa bibliográfica, ou seja, é proporcional ao número de amostras
encontradas. Para combinar os estudos em uma metanálise, é necessário determinar a medida
de efeito (ME) e calculá-la para cada estudo, assim os estudos serão agrupados através da
medida adotada. A escolha da ME depende da pesquisa em questão, do tipo de variável
envolvida e da quantidade de grupos comparados. As medidas de efeito mais utilizadas na
metanálise em experimentos são: risco relativo (RR), razão de chances (odds ratio) e
diferença de média (ZIEGELMANN;2013).
Definida a medida de efeito, é elementar apontar a presença, ou não, de
heterogeneidade entre os estudos classificados (ZIEGELMANN;2013). Diferentes estudos
podem produzir várias estimativas para uma mesma medida de efeito. Esta diferença é
chamada de heterogeneidade e, quanto maior a distinção, maior será a heterogeneidade.
Depois de calculada a heterogeneidade entre os estudos, é necessário escolher o modelo
mais adequado ao estudo de caso, fixo ou aleatório. O modelo fixo considera que todos os
estudos incluídos na metanálise são provenientes de uma população de estudos. O Modelo de
efeito aleatório apresenta como resultado uma única medida de efeito, juntamente com o
intervalo de confiança. (ZIEGELMANN; 2013).
3. SOFTWARE R
O R é um software definido como uma linguagem e ambiente para estatística computacional e
gráfica. É gratuito e de livre distribuição, sob os termos da GNU (HORNIK; LEISH, 2001).
Fornece uma integração ampla de variedades estatísticas e técnicas gráficas e é altamente
extensível, permitindo criação e modificação de suas funções. É compilado e roda em
plataformas tais como: Linux, Windows e MacOS. Referindo-se aos procedimentos
estatísticos, o Software R possui diversas funções, como: linear, modelos lineares
generalizados, modelos de regressão não-linear, análise de séries temporais, parâmetros
clássicos e testes não paramétricos, agrupamento e nivelamento (HORNIK; LEISH, 2001).
4. TÉCNICAS DE VISUALIZAÇÃO DE INFORMAÇÃO
Técnicas de Visualização de Informações são utilizadas para facilitar a análise de dados,
em que o excesso de informações dificulta o processo de entendimento. Ao utilizar estas
técnicas é possível reunir vários dados em uma única imagem, permitindo que o usuário
obtenha melhor visão da informação e extraia melhor os detalhes (VAZ; CARVALHO,
2004).
A visualização é definida pelo processo de mapeamento de dados e informações em
um formato gráfico, explorando o uso computacional para realizar as representações visuais
com o objetivo de ampliar o conhecimento. A área científica é beneficiada pelo poder
computacional de transformar os dados em visualizações sofisticadas, tornando visíveis as
particularidades do objeto de interesse, uma vez que esta classe é baseada por dados
fornecidos por fenômenos naturais do mundo físico, e auxiliam no processo iterativo de
análise e interpretação de dados (BRANCO; 2003).
Dentre as técnicas de visualização de informação mais encontradas na bibliografia,
existe a Bifocal Tree, uma técnica hierárquica desenvolvida com o objetivo de facilitar a
percepção da hierarquia existente na estrutura de dados (CAVA; 2002). Esta é uma técnica
que utiliza de uma estrutura de dados do tipo árvore, possuindo um nodo pai (ou raiz) partindo
destes os nodos filhos. A Bifocal Tree, representada pelo diagrama de nodos, é dividida em
dois subdiagramas, o da área de detalhe, que tem por objetivo exibir de forma detalhada a
subárvore cujo nodo foi selecionado pelo usuário, e o da área de contexto, que fornece uma
visão global de toda estrutura de dados. Antes da concepção desta técnica deve-se estabelecer
quais nodos fazem parte de cada subdiagrama. Além disso, cores são utilizadas para
diferenciar os tipos de nodos para oferecer ao usuário melhor ponto de referência (CAVA;
2002).
4.1. Visualização de informação estatística
Segundo Tufte (2001) os gráficos visualmente atraentes tem a capacidade de reunir o poder
do conteúdo e da interpretação, além da visualização imediata de números relevantes. O
requinte gráfico é frequentemente encontrado na simplicidade do design e na complexidade
dos dados e, os melhores gráficos ilustram o útil e importante.
O ambiente estatístico do Software R disponibiliza diversos pacotes para a aplicação
da metanálise e geração de gráficos como: meta, metacor, metaMA e metafor (RODRIGUES;
ZIELGELMANN, 2010). O pacote metafor possui disponibilidade de conduzir a metanálise nos
modelos de efeito fixo e aleatório e exibe seus resultados de forma gráfica com os gráficos
Forest Plot (A), Funnel Plot (B), Radial Plot (C) e Standardized Residuals (D)
(RODRIGUES; ZIELGELMANN, 2010). Os gráficos gerados por meio dos softwares
disponíveis não proporcionam interatividade com o usuário, tampouco reproduzem uma
interface amigável e de fácil compreensão. A confiança do resultado da metanálise é
proporcional ao número de amostras que é encontrado na bibliografia (DELAYAINE, 1991),
portanto, os gráficos gerados como resultados trazem uma grande quantidade de informação
estática, dificultando o entendimento, aumentando a probabilidade de erro de interpretação
gráfica.
5. MATERIAL E MÉTODOS
A metanálise no âmbito agrícola é utilizada para realizar estimativas empíricas de eficiência
técnica para o desenvolvimento da produtividade e investigação econômica da agricultura
(THIAM, 2001; KOLAWOLE, 2014). A Figura 1 ilustra uma visão geral do processo da
metanálise na área agronômica obtida por meio de vários experimentos em pequenos blocos
que utilizaram como base o fungicida fluquinconazol no tratamento das sementes de soja no
combate à doença da ferrugem asiática da soja, intitulada base de dados fluquinconazol.
Realizar esta metanálise se faz importante para que uma tomada de decisão mais rápida e
precisa possa ser realizada para minimizar os impactos que a doença da ferrugem asiática
causa na cultura da soja.
Figura 1- Visão geral da metanálise resultante de artigos selecionados sobre o uso do Fluquinconazol
Fonte: Autoria Própria
Cada um dos estudos ilustrados na Figura 1 possuem diversos experimentos. Extraído os
estudos, são tabelados e se produz com eles o banco de dados que será utilizado para o cálculo
da metanálise realizado pelo Software R. Neste experimento obteve-se um total de 12 estudos,
com 64 experimentos, cada um com sua respectiva taxa de aumento, ou não, de
produtividade.
Cada experimento utilizou o fungicida Fluquinconazol como base para aplicar na
semente da soja, alguns ainda receberam, posteriormente, pulverizações aéreas nas plantas já
crescidas. A produtividade de cada experimento foi calculada a partir de um bloco chamado
de testemunha, o qual não recebeu nenhum tipo de fungicida.
Ao rodar o banco de dados obtido no Software R, gerou-se as respostas tanto em
forma textual quanto gráfica. Os displays gráficos são parte integrante da metanálise
utilizados para facilitar a comunicação visual, realçar características importantes e exibir os
resultados estatísticos produzidos (LANGAN et al., 2012).
Existem diversos métodos para apresentar os resultados estatísticos obtidos pela
aplicação da metanálise, tradicionalmente, o mais utilizado é o gráfico Forest Plot
(DELAYAINE, 1991). Este é capaz de sintetizar graficamente a particularidade de
informações de cada estudo aplicado e os resultados da metanálise exprime em uma única
figura todos os dados sobre a precisão do tratamento e a contribuição particular de cada
estudo para o resultado da análise (DELAYAINE, 1991).
A Figura 2 ilustra o gráfico Forest Plot trazendo como resultado a compilação
estatística do banco de dados. Na Figura 2 (A), são exibidos apenas 12 experimentos, do
Araújo et. al. (2012), pois exibir todos 64 experimentos ficariam ilegíveis na imagem. A
Figura 12 (B) ilustra o resultado da metanálise dos 64 experimentos. Os estudos mostram o
aumento, ou não, da produtividade da cultura da soja com a aplicação com o uso do fungicida.
Na coluna da esquerda estão listados os estudos escolhidos para realizar a revisão
sistemática. A coluna Hedges representa os resultados obtidos, este resultado é calculado a
partir dos experimentos realizados nos estudos, utilizando a diferença entre uma planta que
teve a aplicação do Fluquinconazol na semente e outra que não obteve, chamada de
testemunha. As linhas horizontais representam o intervalo de confiança de cada estudo. Se a
linha horizontal tocar a vertical indica que não há diferença estatística entre os grupos em
relação ao benefício ou malefício do tratamento.
O ponto central de cada linha horizontal representa o odds ratio, ou seja, o tamanho do
efeito do estudo. Ainda no ponto central, as diferenças de tamanhos indicam o peso relativo
de cada estudo no resultado final. O losango (ou diamante) localizado na parte inferior da
figura indica o resultado final da combinação dos estudos, ou seja, a metanálise, e seu
tamanho representa o intervalo de confiança (ATALLAH; CASTRO, 1997).
Este gráfico se apresenta ao usuário de forma não interativa dificultando sua
compreensão. Para tanto, uma melhor análise exploratória visual dos resultados se evidencia
como fator importante para que as tomadas de decisões a partir dos resultados obtidos possam
ser aplicadas com mais precisão.
Figura 2- Gráfico gerado pelo Software R como resultado da metanálise da utilização do Fluquinconazol no
tratamento da semente da soja
Fonte: Autoria Própria
6. RESULTADOS E DISCUSSÃO
Para aperfeiçoar a apresentação do gráfico Forest Plot, como resultado da metanálise, foi
eleita a Técnica de Visualização de Informação Hierárquica Bifocal Tree, por meio de estudo
de pesquisa bibliográfica. Além disso, a técnica obteve aprimoramento textual para poder
exibir as informações específicas de cada experimento. As Figuras 5, 6 e 7 ilustram o
resultado da prototipação da técnica realizada com o Software Balsamiq Mockups 3.1.2.
A Figura 3 ilustra a prototipação da técnica em alto nível, onde primeiramente tem-se
o resultado da metanálise (A) obtido através do banco de dados fluquinconazol. Se o usuário
desejar saber informações mais detalhadas sobre os estudos que foram selecionados para
realizar a metanálise, deve-se clicar no círculo indicado Metanálise (em vermelho) e a figura
expande, interagindo com o usuário, exibindo todos os estudos (B).
A Figura 4 ilustra o protótipo já em uma versão mais específica, a qual o usuário ao clicar no
estudo Furlan e Scherb (2007) o gráfico exibe todos os experimentos que foram realizados por
este estudo, em seguida, o usuário pode clicar no experimento Nativo/ Folicur e obter
dinamicamente todas as informações inclusas no experimento. Para exibir estas informações,
a técnica Bifocal Tree foi aprimorada com exibição textual, a qual não possui em sua versão
de criação. Nos protótipos, cada tamanho de círculo é proporcional ao peso do estudo no
resultado da metanálise, ou seja, a medida de efeito. As linhas pretas que ligam o resultado da
metanálise aos estudos e os estudos aos experimentos representam o intervalo de confiança,
quanto maior for a linha há mais variabilidade dentro do estudo.
Figura 3 – Protótipo de alto nível da aplicação da técnica de visualização de informação hierárquica Bifocal Tree
Aprimorada
Fonte: Autoria Própria
Figura 4 – Prototipação da técnica de visualização de informação hierárquica Bifocal Tree Aprimorada com
detalhamento de estudo
Fonte: Autoria Própria
Por fim, se o usuário quiser obter uma visão geral do gráfico, basta pressionar duplo clique no
círculo Metanálise e o gráfico exibirá toda a estrutura de dados que resultou a metanálise,
como mostra a Figura 5.
A prototipação realizada foi baseada em algumas guias desenvolvidas por Tufte2 para
melhorar a qualidade visual da exibição de informação estatística como:
 Apresentar uma complexidade de detalhes acessível: o usuário pode acessar, a
partir dos nós, cada nível específico do gráfico, e também visualizar o gráfico
totalmente expandido, auxiliando o usuário na exibição dos detalhes.
 Refletir um equilíbrio, proporção, uma sensação de escala relevante: o usuário
consegue distinguir quais estudos possuem mais relevância para obter o
resultado final da metanálise.
 Escolher corretamente o formato e o design: a técnica Bifocal Tree foi
selecionada a partir de uma exaustiva pesquisa bibliográfica das Técnicas de
Visualização de Informação para melhor representar o gráfico Forest Plot.
 Desenhar de forma profissional, com detalhes técnicos de uma produção feita
com cuidado: depois de eleita a Bifocal Tree, a prototipação foi realizada a
partir do estudo detalhado da técnica e cuidadosamente aprimorada para
melhor exibir o gráfico e aumentar a cognição do usuário.
Figura 5 – Visão Geral do Protótipo da aplicação da técnica de visualização de informação hierárquica Bifocal
Tree aprimorada
Fonte: Autoria Própria
7. CONCLUSÕES
Como resultado, este artigo apresenta a prototipação da Técnica de Visualização de
Informação Bifocal Tree aprimorada como um aperfeiçoamento na representação gráfica do
resultado obtido através da menatálise, para melhorar a interpretação dos resultados e
proporcionar estimativas empíricas no desenvolvimento da produtividade e investigação
econômica da cultura.
Posteriormente será realizado a implementação da técnica Bifocal Tree aprimorada
exibida no protótipo e anexada ao Software R.
REFERÊNCIAS
ATALLAH, N. A.; CASTRO, A. A. (1997). Revisões sistemáticas da literatura e metanálise: a melhor
forma de evidência para tomada de decisão em saúde e a maneira mais rápida de atualização
terapêutica. Diagnóstico & Tratamento, v. 2, p. 12-15.
BRANCO, V. M. A. Visualização como Suporte à Exploração de uma Base de Dados Pluviométricos.
2003. 27f. Dissertação (Mestrado em Ciência da Computação) - Universidade de São Paulo, São
Paulo.
CAVA, R. A. et al. The Bifocal Tree: a Technique for the Visualization of Hierarchical Information
Structures. In: Workshop on Human Factors in Computer System, IHC, 2002, Fortaleza: SBC, 2002.
DELAYAINE, F. et al. Meta-analysis. Health Policy, v.19, p.185-196, 1991.
DIAS, M. P. A Contribuição da Visualização para a Ciência da Informação. 2007. Dissertação
(Mestrado em Ciência da Informação) - Pontifícia Universidade Católica de Campinas, Campinas,
2007.
FEUER, D. J. Meta-analysis. Pilliative Medicide, v. 13, p. 433-437, 1999.
HORNIK, K., LEISH, F. R News. The Newsletter of the R Project, v.1, 32f. 2001.
KOLAWOLE, O. The Paradigm of Agricultural Efficiency and its Implication on Food Security in
Africa: What Does Meta-analysis Reveal?. World Development, v. 64, p. 690-702, 2014.
LUZZARDI, P. R. G. Critérios de avaliação de técnicas de visualização de informações hierárquicas.
2003. 124 f. Dissertação (Doutorado em Computação) – Universidade Federal do Rio Grande Do Sul,
Porto Alegre, 2003
MADDEN, L. V. e PAUL, P. A. (2011). Meta-Analysis for Evidence Synthesis in Plant Pathology: An
Overview. Phytopathology Symposium
PATEL, M. S. An introduction to Meta-analysis. Health Policy, v.11, p. 79-85, 1989.
RODRIGUES C. L. e ZIELGELMANN P. K. (2010). Metanálise: um guia prático. Revista Hospital
das Clinicas de Porto Alegre, v. 30, p. 436-447.
THIAM, et. al. Technical efficiency in developing country agriculture: A meta-analysis. Agricultural
Economics, v.25, p. 235-243, 2001.
TUFTE, E. R. The Visual Display of Quantitative Information. 2. Ed. Graphics Pr, 2001. 200 p.
VAZ, F. R. e CARVALHO C. L. Visualização de Informações. 2004. 21F. Relatório Técnico –
Instituto de Informática, Universidade Federal de Goiás.
VENABLES et. al. An Introduction to R. 2001. 99 f. Disponível em: <http:// http://www.rproject.org//>. Acesso em: 29 mai. 2015.
ZIEGELMANN, P. K. Conceptual and Practical Aspects of Meta-Analysis. Revista de Enfermagem
da UFPI, v.2, p. 8-13, 2013.