Słownik metodologiczny · Wielkość efektu

Wykres z ikonami (icon array) – ryzyko jako „7 na 100”

Wykres z ikonami pokazuje ryzyko jako liczbę wyróżnionych osób na 100 lub 1000. Wyjaśniamy, jak go czytać, dlaczego pokazuje ryzyko bezwzględne, a nie względne, czemu układ uporządkowany jest lepszy od losowego i jak narysować go w R.

Strona główna / Słownik / Wykres z ikonami
W skrócie: Wykres z ikonami (icon array) pokazuje ryzyko jako siatkę 100 lub 1000 jednakowych ikon, z których część wyróżniono – np. 7 pełnych ludzików na 100. Pokazuje ryzyko bezwzględne, a różnica liczby wyróżnionych ikon to różnica ryzyka. Wyróżnione ikony ułóż na początku siatki, nie losowo.

Co to jest wykres z ikonami?

Wykres z ikonami (ang. icon array, też pictograph) pokazuje ryzyko albo odsetek jako zbiór jednakowych ikon – zwykle 100 lub 1000 – z których część wyróżniono. „7 na 100” to 7 pełnych ludzików na tle 93 pustych. Każda ikona to jedna osoba, więc wykres pokazuje ryzyko bezwzględne: ile osób na 100 doświadczy zdarzenia. Galesic, Garcia-Retamero i Gigerenzer (2009) stwierdzili, że ikony poprawiały rozumienie redukcji ryzyka zarówno u osób z niską, jak i z wysoką sprawnością liczbową.

Jak czytać wykres z ikonami

  • Mianownik to liczba wszystkich ikon (100 albo 1000). Porównuj tylko wykresy o tym samym mianowniku.
  • Wyróżnione ikony to osoby ze zdarzeniem. Różnica ich liczby między dwiema siatkami to bezwzględna różnica ryzyka (ARR) w punktach procentowych.
  • Układ: wyróżnione ikony zebrane na początku siatki, wiersz po wierszu, policzysz szybciej niż rozrzucone losowo.
  • Rodzaj ikony: kwadraty, kółka albo ludziki. Według Zikmund-Fisher i in. (2014) ikony przypominające ludzi lepiej się zapamiętuje niż bloki czy owale, choć najlepszy typ może zależeć od sprawności liczbowej odbiorcy.

Przykład

Fikcyjne dane: powikłanie w ciągu 30 dni po zabiegu wystąpiło u 12 na 100 osób bez profilaktyki i u 7 na 100 osób z profilaktyką. Liczby ustawiono ręcznie tak, by różnica była mała w ujęciu bezwzględnym, a duża we względnym. Ryzyko względne RR = 0.58 (odwrotnie: bez profilaktyki ryzyko jest 1.71 raza większe), względna redukcja ryzyka RRR = 41.67%, bezwzględna ARR = 5 punktów procentowych, a NNT = 20. Iloraz szans wynosi 0.55. „Ryzyko mniejsze o 42%” i „5 osób na 100 mniej” to ten sam wynik – wykres z ikonami pokazuje to drugie. Układ losowy na rysunku 2 wylosowano z ziarnem 765.

Na rysunku

Dwie siatki po 100 ludzików. Bez profilaktyki: pierwszy wiersz i dwa ludziki drugiego wiersza są pełne, pomarańczowe (12 osób z powikłaniem), reszta to szare kontury. Z profilaktyką: pełnych, pomarańczowych jest 7 pierwszych ludzików w górnym wierszu, pozostałe 93 to szare kontury
Rysunek 1. Ryzyko powikłania 12 na 100 i 7 na 100 na wykresach z ikonami w układzie uporządkowanym. Rysunek: R, pakiety ggplot2 i patchwork (dane fikcyjne).

Co widać. W obu siatkach osoby z powikłaniem stoją na początku, wiersz po wierszu. Różnica między grupami to 5 ikon, czyli pół wiersza. Widać też to, co ginie w zdaniu „ryzyko mniejsze o 42%”: w obu grupach u zdecydowanej większości (88 i 93 osób na 100) powikłania nie ma.

Na co uważać. Wykres nie pokazuje niepewności – 12 i 7 na 100 to oszacowania z próby, więc w tekście podaj przedziały ufności dla proporcji. Nie pokazuje też horyzontu czasu: napisz w podpisie, czy chodzi o 30 dni, rok czy 5 lat.

Podpis do pracy:

Rysunek 1. Odsetek osób z powikłaniem w ciągu 30 dni po zabiegu w grupie bez profilaktyki i z profilaktyką. Uwaga. Każda ikona oznacza jedną osobę na 100; ikony pełne – osoby z powikłaniem, ikony puste – bez powikłania.
Te same dwie siatki po 100 ludzików, ale pełne, pomarańczowe ludziki są rozrzucone losowo: 12 w lewej siatce i 7 w prawej, pomiędzy szarymi konturami. Bez liczenia trudno ocenić, ile ich jest i o ile się różnią
Rysunek 2. Te same ryzyka (12 i 7 na 100) w układzie losowym. Rysunek: R, pakiety ggplot2 i patchwork (dane fikcyjne, rozmieszczenie losowe, set.seed(765)).

Co widać. Liczby są te same co na rysunku 1, ale bez liczenia ikon trudno powiedzieć, o ile siatki się różnią. Ancker, Weber i Kukafka (2011) pokazali, że oceny odsetka z losowo rozrzuconych ludzików były bardziej zmienne i bardziej zawyżone niż z uporządkowanych, a ponad jedna czwarta badanych myliła dwa wykresy różniące się o 11 punktów procentowych.

Na co uważać. Układ losowy oddaje to, że nie wiadomo, kogo spotka zdarzenie, ale utrudnia odczyt wielkości – w pracy wybierz uporządkowany.

Podpis do pracy:

Rysunek 2. Odsetek osób z powikłaniem w grupie bez profilaktyki i z profilaktyką. Uwaga. Każda ikona oznacza jedną osobę na 100; ikony pełne – osoby z powikłaniem. Położenie pełnych ikon wylosowano i nie ma ono znaczenia.

Jak opisać w pracy

W tekście najpierw podaj ryzyko bezwzględne w obu grupach, potem miary względne. Jak razem raportować RR, OR i NNT, pokazuje wpis RR, OR i NNT w pracy dyplomowej.

Powikłanie wystąpiło u 12 na 100 osób bez profilaktyki i u 7 na 100 osób z profilaktyką (Rysunek 1), co oznacza bezwzględną redukcję ryzyka o 5 punktów procentowych (NNT = 20) i względną o 42% (RR = 0.58).

Na co uważać

  • Różne mianowniki. 7 na 100 i 70 na 1000 to to samo ryzyko, ale wyglądają inaczej. W badaniu Galesic i in. (2009) przy 1000 ikon zamiast 100 ryzyko wydawało się poważniejsze, a jego redukcja większa.
  • Ikony bez liczb. Napisz liczbę wyróżnionych ikon nad siatką.
  • Kolor jako jedyna różnica. Pełna ikona i pusty kontur są czytelne także w druku czarno-białym i dla osób z zaburzeniami widzenia barw.
  • Za dużo kategorii. Wykres z ikonami dobrze pokazuje jedno zdarzenie (tak/nie). Podział całości na kilka kategorii pokazuje wykres waflowy.
Przykład reprodukowalny

Wykres z ikonami w R

Ludzik to prostokąt (tułów) i kółko (głowa) w ggplot2; osoba z powikłaniem jest wypełniona, bez powikłania – pusta. Kod liczy też miary ryzyka z przykładu. Rysunki na stronie powstały z tych samych obiektów p1 i p2 z krojem i tłem serwisu; dane, geometrie i skale są identyczne.

Siatki 10 × 10: układ uporządkowany i losowy

Dane wejściowe: ryzyko 12 na 100 i 7 na 100 (dane fikcyjne, liczby ustawione ręcznie); losowe rozmieszczenie ikon – set.seed(765).

Co odczytać: ARR w punktach procentowych, RR (i odwrotność 1.71), RRR w procentach, NNT i OR.

Kod R rysunków 1 i 2
# Wykres z ikonami (icon array): 7 na 100 vs 12 na 100, układ uporządkowany i losowy
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(tak = "#D55E00", nie = "grey60")   # Okabe–Ito; osoba z powikłaniem pełna, bez powikłania – sam kontur
motyw <- theme_void(base_size = 13) + theme(plot.title = element_text(face = "bold", hjust = 0.5),
                                            plot.subtitle = element_text(hjust = 0.5))
# Ryzyko powikłania po zabiegu: bez profilaktyki 12 na 100, z profilaktyką 7 na 100
ryzyko <- c(z_profilaktyka = 7 / 100, bez_profilaktyki = 12 / 100)
miary <- c(ARR_pp = 100 * (ryzyko[[2]] - ryzyko[[1]]), RR = ryzyko[[1]] / ryzyko[[2]],
           RR_odwrotne = ryzyko[[2]] / ryzyko[[1]], RRR_proc = 100 * (1 - ryzyko[[1]] / ryzyko[[2]]),
           NNT = 1 / (ryzyko[[2]] - ryzyko[[1]]),
           OR = (ryzyko[[1]] / (1 - ryzyko[[1]])) / (ryzyko[[2]] / (1 - ryzyko[[2]])))
round(miary, 2)
# Siatka 10 × 10 ludzików; numer 1 w lewym górnym rogu, wypełnianie wierszami
siatka <- data.frame(nr = 1:100, x = rep(1:10, times = 10), y = rep(10:1, each = 10))
ikony <- function(k, kolejnosc, tytul) {
  d <- siatka
  d$powiklanie <- factor(ifelse(kolejnosc <= k, "tak", "nie"), levels = c("tak", "nie"))
  ggplot(d) +
    geom_rect(aes(xmin = x - 0.2, xmax = x + 0.2, ymin = y - 0.42, ymax = y + 0.05,
                  colour = powiklanie, fill = powiklanie), linewidth = 0.6) +
    geom_point(aes(x, y + 0.24, colour = powiklanie, fill = powiklanie), shape = 21, size = 2.6, stroke = 0.6) +
    scale_colour_manual(values = kol, guide = "none") +
    scale_fill_manual(values = c(tak = kol[["tak"]], nie = "white"), guide = "none") +
    coord_fixed() + labs(title = tytul, subtitle = paste(k, "na 100 osób z powikłaniem"))
}
# Rysunek 1: układ uporządkowany – osoby z powikłaniem na początku
p1 <- (ikony(12, siatka$nr, "Bez profilaktyki") + ikony(7, siatka$nr, "Z profilaktyką")) & motyw
# Rysunek 2: te same liczby w układzie losowym
set.seed(765)
los12 <- sample(100); los7 <- sample(100)
p2 <- (ikony(12, los12, "Bez profilaktyki, losowo") + ikony(7, los7, "Z profilaktyką, losowo")) & motyw
p1
p2
Wynik w R
     ARR_pp          RR RR_odwrotne    RRR_proc         NNT          OR 
       5.00        0.58        1.71       41.67       20.00        0.55 

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (miary ryzyka i losowanie – funkcje bazowe, sample(); rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Ile ikon powinien mieć wykres z ikonami?

Zwykle 100 – przy ryzykach rzędu kilku lub kilkudziesięciu procent. Przy zdarzeniach rzadkich (poniżej 1%) potrzeba 1000 ikon. Porównywane grupy pokazuj zawsze na siatkach o tej samej liczbie ikon, bo sama liczba ikon zmienia odbiór ryzyka.

Czy wykres z ikonami pokazuje ryzyko względne?

Nie bezpośrednio. Pokazuje dwa ryzyka bezwzględne, np. 12 i 7 na 100. Ryzyko względne (RR = 0.58) i względną redukcję ryzyka trzeba z nich policzyć i podać w tekście; na wykresie widać za to bezwzględną różnicę – 5 osób na 100.

Czym wykres z ikonami różni się od wykresu waflowego?

Wykres z ikonami pokazuje zwykle jedno zdarzenie (tak/nie), a ikony oznaczają osoby. Wykres waflowy dzieli całość na kilka kategorii i używa kwadratów, z których każdy to 1% całości.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Ancker, J. S., Weber, E. U., & Kukafka, R. (2011). Effect of arrangement of stick figures on estimates of proportion in risk graphics. Medical Decision Making, 31(1), 143–150. https://doi.org/10.1177/0272989x10369006 ● Otwarty dostęp: pełny tekst
  2. Galesic, M., Garcia-Retamero, R., & Gigerenzer, G. (2009). Using icon arrays to communicate medical risks: Overcoming low numeracy. Health Psychology, 28(2), 210–216. https://doi.org/10.1037/a0014474 ● Otwarty dostęp: pełny tekst
  3. Zikmund-Fisher, B. J., Witteman, H. O., Dickson, M., Fuhrel-Forbis, A., Kahn, V. C., Exe, N. L., Valerio, M., Holtzman, L. G., Scherer, L. D., & Fagerlin, A. (2014). Blocks, ovals, or people? Icon type affects risk perceptions and recall of pictographs. Medical Decision Making, 34(4), 443–453. https://doi.org/10.1177/0272989x13511706 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{ancker2011effect, author={Ancker, Jessica S. and Weber, Elke U. and Kukafka, Rita}, title={{Effect of arrangement of stick figures on estimates of proportion in risk graphics}}, journal={Medical Decision Making}, year={2011}, volume={31}, number={1}, pages={143--150}, doi={10.1177/0272989x10369006}}
@article{galesic2009using, author={Galesic, Mirta and Garcia-Retamero, Rocio and Gigerenzer, Gerd}, title={{Using icon arrays to communicate medical risks: Overcoming low numeracy}}, journal={Health Psychology}, year={2009}, volume={28}, number={2}, pages={210--216}, doi={10.1037/a0014474}}
@article{zikmundfisher2014blocks, author={Zikmund-Fisher, Brian J. and Witteman, Holly O. and Dickson, Mark and Fuhrel-Forbis, Andrea and Kahn, Valerie C. and Exe, Nicole L. and Valerio, Melissa and Holtzman, Lisa G. and Scherer, Laura D. and Fagerlin, Angela}, title={{Blocks, ovals, or people? Icon type affects risk perceptions and recall of pictographs}}, journal={Medical Decision Making}, year={2014}, volume={34}, number={4}, pages={443--453}, doi={10.1177/0272989x13511706}}
R