診断薬.NET TOP ページへ

| サイトマップ |
製品情報 糖尿病関連 がんの診断関連 統計学講座 お問い合わせ 診断薬.NET メニュー


TOP > 医学統計学講座

医学統計学講座

■著者プロフィール


EBM 実践のための統計学
― 統計学的側面から観て受理される医学論文を作成するために ―
開く
4.10 解析法が難解で誤解される study design:cross-over design
  4.10.1 最も単純なcross-over design
  4.10.2 cross-over designの直交表を用いた表現
  4.10.3 cross-over designでは、交互作用とはどこか?それは何か?
  4.10.4 交互作用 vs. 順序効果
  4.10.5 順序効果とは交互作用
― 交互作用との視点から、順序効果とは、効果がどうなることか?
  4.10.6 design上の最大の問題とは?
― 「順序効果」と「被験者差(個体差)」との「交絡」
  4.10.7 「時期効果」、「順序効果」、「交互作用」、「carry-over effect」
  4.10.8 「時期効果」は、「carry-over effect」か?
開く
4.9 予後因子均衡化法として特筆すべき割り付け法
― 「誤解される」最小化法とその本質的魅力(問題解決能)
  4.9.1 関連する問題の提起・整理
    4.9.1.1 単変量解析 vs. 多変量解析
    4.9.1.2 要因計画 vs. 多変量解析
    4.9.1.3 要因計画可否 vs. 制御可能因子か制御不能因子
    4.9.1.4 研究室・工場実験 vs. 臨床研究
― 要因実験vs. 臨床試験(治験)
    4.9.1.5 臨床研究と一般に言われるfactorial designとの相性不良
― 制御可能因子か、制御範囲外因子か
― 多変量解析が登場する条件/舞台とは?
― 工場・非臨床研究では、要因の制御は原則可能な
    場合が多い。
    多変量解析は不要
⇔ 臨床研究では、その逆。必要
  4.9.2 randomizationという概念の誕生と試験designへの導入
    4.9.2.1 Fisher流の実験手法 ― 3原則?
― 妥当な試験計画/designとしてのFisherが
    創案した工夫/方法としての3要素の1つ
    4.9.2.2 randomizationの試験designでの位置付け
    4.9.2.3 臨床研究でのrandomization(random allocation/assignment)
  4.9.3 最小化法(minimization) とその原理・操作法と特徴
    4.9.3.1 最小化法への批判と考察
開く
4.8.7 最も単純な3元配置計画とfactorial designの原型
4.8.8 共変量の交絡 vs. 交互作用
4.8.9 主効果 vs. 交互作用
  4.8.9.1 主効果と平行四辺形
  4.8.9.2 現実のdataが平行四辺形を呈示することの重い意味
  4.8.9.3 交互作用 ― それは平行四辺形からの逸脱
  4.8.9.4 交互作用の検出・定量化 ― 直交表上での深い意味や関係
4.8.10 共変量の交絡 vs. 交互作用のまとめ
4.8.11 要因実験についてのまとめ
開く
4.8.5 1元配置分散分析 vs. 2元以上配置分散分析
 ― 小さな?しかし確実な、変革の1歩!
  4.8.5.1 1元配置法/分散分析についての表記法
  4.8.5.2 2元配置法/分散分析についての表記法
  4.8.5.3 最も単純な2元配置法/分散分析での単純化とその効用
  4.8.5.4 2元配置法/分散分析の構造・構成と交絡回避の有無
  4.8.5.5 2元配置法/分散分析の構造模型
4.8.6 例数/情報担体と担体に負荷可能最大情報量
開く
4.8 分散分析(ANOVA)からfactorial designへ
  4.8.1 factor(因子・要因)とfactorial design
  4.8.2 factor(因子・要因)とvariable(変数)とvariate(変量)
  4.8.3 説明変数 vs. 目的/応答/結果変数との視点
4.8.3.1   説明変数 vs. 目的/応答/結果変数との視点とt検定
  4.8.4 t検定と1元配置分散分析の違い
4.8.4.1   t検定 vs. 1元配置分散分析
4.8.4.2   1元配置分散分析の帰無仮説の視点の光と陰
開く
4.7 単変量解析から多変量解析への準備
  4.7.1 変数(variable) vs. 変量(variate)
  4.7.2 回帰(regression) vs. 相関(correlationship)
4.7.2.1   回帰:回帰分析 vs. 相関:相関係数
  4.7.3 「単」回帰分析 vs. 「重」回帰分析
  4.7.4 「重」回帰分析 vs. 「多」変量解析
  4.7.5 変数・変量 vs. 因子
  4.7.6 変数・変量・因子 vs. 水準(level)
  4.7.7 t検定・分散分析 vs. 因子・水準
開く
4.6 研究のためのprotocol作成から投稿・受理を達成するまで
  4.6.1 医学関連分野における研究の概観と留意点
  4.6.2 研究のためのprotocol作成から投稿・受理を達成するまでの留意点
4.6.2.1   そのflowの概観
  研究の立案から投稿までのflowとbias侵入経路と防止法
4.6.2.2   protocol作成編
  protocolの仕上がりが研究の質を決定する
4.6.2.3   統計解析手法編
4.6.2.4   研究実施編
4.6.2.5   投稿前編
4.6.2.6   投稿後編
  設問
開く
4.5 各論:研究とは、bias、 bias、そして biasとの永久戦争
   - biasが研究の最大の脅威である訳
  4.5.1 第26回記載の「診断test」への若干の追加
  4.5.2 解説の論点・視点とその理由・背景
  4.5.3 統計解析手法の役割りと限界
  4.5.4 bias対処の道具とは何か?
  4.5.5 biasは脅威なのか?
  4.5.6 biasへの上手な対処法のためのbiasの2分類化
  4.5.7 広義のbiasと利益相反(conflict of interest)
  4.5.8 解説の進め方
  4.5.9 補遺的話題と採択の理由
  4.5.10 投稿論文受理のための研究design立案からreport作成、投稿、temporal flow
開く
4.4 各論:bias checkerとしてCONSORTを観る
  4.4.1 第26回記載の「診断test」への若干の追加
  4.4.2 3大別biasへの統合化の可能性に関する筆者流概念的根拠・rationale
  4.4.3 bias checkerとしてCONSORTの各項目を観る
CONSORTのbias checker機能をbias嫌疑(suspect=疑う)の視点から洞察する
  4.4.4 結論と留意点
開く
4.3 biasという視点から観たCONSORTの精神・理念 (その2)
  4.3.1 biasという視点からみた理想的な研究が満足すべき条件とは?
(1) 理想的な研究における科学的妥当性(bias free)とCONSORTの精神・理念の根幹との深い繋がり
  4.3.2 biasとそれへの対処法
(1) biasへのchecklistへの対応策
(2) biasについての基本的解説とこの講座での解説の復習
  4.3.3 疫学的視点から観た、様々なbiasの網羅と解説
(1) 疫学的視点から観た数多のbiasを理解する上での留意点
(2) 各種biasの3大別化分類の試み
  4.3.4 広義のbias vs. 狭義のbias
開く
4.2 biasという視点から観たCONSORTの精神・理念 (その1)
  4.2.1 診断test
  4.2.2 論文投稿のための理想的な準備時期とは?
  4.2.3 どの程度の品質水準の専門誌に投稿するかの決定
  4.2.4 投稿規定を読むときに忘れてはならない注意点
開く
4 各論 ― 医学臨床論文がrejectされないためへのstep
  4.1 CONSORT
  4.1.1 CONSORTとは何か?
  4.1.2 checklist と flow diagram
  4.1.3 CONSORTの改定個所
  4.1.4 CONSORTの波及度および影響度

EBM実践のための統計学
― 医学論文を統計学的側面から読解するために ―
開く
3.8 meta-analysis
  3.8.1 meta-analysisとは何か?
  3.8.2 meta-analysisの目指すものは何か?
(1) meta-analysisの目指すものの理解のために
― effect sizeという用語
  3.8.3 meta-analysisの手順
  3.8.4 meta-analysisの実施上の留意点
― 統計解析以前の注意すべき問題
(1) publication bias vs. funnel plot
  3.8.5 meta-analysisの実施上の留意点
― 統計解析において注意すべき点
(1) 論文から得られる情報量の程度並びにendpointの統計的観点からの性格
(2) endpointの性格と統計量の算出(統計解析)
― 概論
(3) 固定効果模型 vs. 変量効果模型
― 固定効果模型
― 変量効果模型
(4) homogeneity(一様性・均質性・均一性) vs. heterogeneity(異質性)
(5) heterogeniety(異質性) vs. 固定効果模型・変量効果模型
(6) 感度分析
開く
3.6 EBMとは何か?
  3.6.1 略号EBMの英語は? それを日本語に訳すとどうなる?
  3.6.2 EBMの潮流とその契機としての歴史的背景
― EBM運動(movement)出現に至るまでの伏流
  3.6.3 EBMの潮流とその契機としての歴史的背景
― EBM運動に至るまでのdecision making(意思決定)のやり方
3.7 EBMの実践方法
  3.7.1 その手順・step
  3.7.2 文献の格付け
  3.7.3 EBMの実践のための組織化の動き
開く
3.5 ITTとrandomization
  3.5.1 ITTとは何か?
(1) 略号ITTの英語は? それを日本語に訳すとどうなる?
(2) ITTが出現する局面は?
― 治験だけではない! 一般の臨床試験でも出現!
  3.5.2 ITT vs. ITT解析
― ITT解析の目指すものは何か?
(1) randomizationをした被験者を除くとbiasが掛かる!
(2) 「無作為化」の2大別化
― randomization ⇒ random allocation vs. random sampling
(3) 2大別化「無作為化」と内的/外的妥当性
  3.5.3 ITT原則と実際適用上の諸問題
― ITT原則とbelling the cat
(1) ITT解析によって招来する別の利点
― randomization ⇒ random allocation vs. random sampling
(2) Fisherの実験計画法での3原則とrandomizationの位置付け
― 局所管理・反復・無作為化
(3) 求めるべき最終goalとは何か?
― 求めるべきはbias free/bias混入の回避
開く
3.4 集団間での死亡率の比較 ― 直接法と間接法/SMR
  3.4.1 普通に考えられる死亡率要約指標としての「粗死亡率(crude death rate)」の問題点
  3.4.2 年齢別死亡率(age-specific death rate)
  3.4.3 訂正死亡率(age-adjusted death rate)
  3.4.4 訂正死亡率を求める方法
― 2つの集団に関する死亡率の比較を可能にする方法
(1) 標準集団 vs. 観察集団
(2) 2種類の比較の方法
(1) SMR(Standard Mortality Ratio;死亡標準比)とは?
開く
3.2 命題の成立と十分条件・必要条件
  3.2.1 その形式論理学的再考
  3.2.2 「逆命題」とは何か? 命題が成立するとき逆命題は成立するか?
  3.2.3 「必要・十分条件」とは何か?
  3.2.4 集合論的に観た「必要条件」・「十分条件」
  3.2.5 集合論的に観た「必要・十分条件」
  3.2.6 代数的命題で観た「必要条件」・「十分条件」
3.3 果推論と「必要条件」・「十分条件」
  3.3.1 因果推論における「必要・十分条件」
  3.3.2 因果推論におけるcausal criteria(因果関係判断基準)
  3.3.3 最後に
開く
3 各論 医学臨床論文読解や作成へのstep
  3.1 臨床研究での頻用語が正確に理解できているか?
― その1 randomization vs. studyのvalidity
  3.1.1 研究の方法論の再考
― 研究の的確性・妥当性とは何か?
― dataを収集すれば有用で確かな何かが言えるのか?
  3.1.2 internal validity と source population
  3.1.3 source population vs. target population
  3.1.4 external validity と target population (generalizability)(population)
  3.1.5 randomizationの曖昧
開く
2.7 臨床医学・疫学的用語が理解できているか?
― その5 ratioのdifference
(1) riskやhazardにおけるratio vs. difference
― risk difference(risk差)
(2) risk差vs. NNT
(3) risk差vs. absolute risk reduction(ARR; 絶対risk減少)
― 両者は同じもの
(4) difference・risk差・ARR vs. RRR・ratio
(5) 「ある種のratio化」としてのRRR vs. ratio
2.8 「ratio」を利用する数学的方便・利便性
― logistic regression vs. Cox regression
(1) Odds ratioとlogistic regression(logistic回帰)
(1) hazard ratioとCox regression(Cox回帰)
開く
2.6 臨床医学・疫学的用語が理解できているか?
― その4 ratio
開く
2.3 臨床医学・疫学的用語が理解できているか?
― その3 population
2.4 "rate" と「速度」の概念に関連して
― man-year(person-time)法
2.5 "rate" 「速度」の測定に必要な指標とは
開く
2.2 臨床医学・疫学的用語が理解できているか?
― その2 評価項目としての代表的指標:proportion/ratio/rate
開く
1 総論 ― 打開への過程のoverview
2 各論 ― 医学臨床論文読解へのstep
2.1 疫学的用語が理解できているか?
― その1 各種研究方法

開く
1 総論 ― Fisherの3原則
2 各論 ― 実験計画法の各論
2.1 cross-over design
2.2 Latin square(ラテン方格)design
2.3 一元配置分散分析・二元配置分散分析
開く
1 実験計画法とは何か?
1.1 試験(実験)の的確な結果誘導を撹乱するもの ― その名は誤差
1.2 系統誤差 ― 至上命令:系統誤差=biasを回避せよ!
1.3 結論に外挿可能性・一般化可能性はあるかという問題
1.4 block化という発想の重要性
開く
1 専門分野から観た試験の各種分類法
1.1 非臨床試験 vs. 臨床試験
1.2 治験 vs. 試験
1.3 前向き研究 vs. 後向き研究
1.4 固定試験 vs. 逐次試験
2 bias回避から観た試験の各種分類法
2.1 対照を置いた試験 vs. 対照を置かない試験
2.2 盲検化試験 vs. 非盲検化試験(open 試験)
2.3 無作為化試験 vs. 非無作為化試験
2.4 並行群試験 vs. 漸増群試験
3 検証すべき内容から観た分類法
3.1 越性試験 vs. 非劣性試験、同等性試験
開く
10.1 信頼区間の定義
10.2 点推定と区間推定
10.3 信頼区間と統計学的(統計的)有意(S: Significant)/
有意でない(NS: Not Significant)との関係
10.4 検定と推定との等価性
10.5 推定が検定よりもinformativeな理由とは?
開く
9.1 一般的統計学の教科書での「帰無仮説」の解説
9.2 「帰無仮説が成立する世界」の特質
9.3 「帰無仮説成立の世界」は「夢想の世界」?
9.4 「対立仮説成立の世界」における、棄却への例数やσの影響
9.5 新たな動向としてのdata-miningと「検定論の憂鬱」
開く
8.1 確率もバラツキ(dispersion)/誤差の範疇?!
― 「0か1か」でなくてその中間が存在する世界
― バラツキのmodelとしての確率分布
― 有バラツキ世界=統計学的推論の必要な世界
8.2 2種類の誤差
― バラツキ(チラバリ)・variation(variability)・dispersion・分散 vs deviation・乖離・bias
― 「偶然誤差」 vs. 「系統誤差」
8.3 2種類の誤差への対処の基本理念
― 偶然誤差と「精度の最大化」
― 系統誤差と「biasの最小化 = 正確度(accuracy)の最大化」
8.4 系統誤差の重大性(seriousness)
― 偶然誤差との比較
― 試験の現場ではbiasが最大の敵である理由
8.5 系統誤差の重大性(seriousness)の典型的実例
― 米国大統領選挙予測
― リテラリー・ダイジェスト誌の大失敗理由
8.6 大概の 「検定・推定」 は 「偶然誤差」 への対処法!
8.7 「実験計画」 こそ 「bias」 への本質的・抜本的対処法
― 軽視/無視?され続ける実験計画(試験designの工夫)の重要性
― 実験計画法の薦め
開く
7.1 「標本」と「母集団」という概念
― わかっているつもりで、実はわかっていない!?
― 手にしたデータが「標本」かどうかの判別法
7.2 「標本」による「母集団」の「推定」という概念
― 「近頃の若い者は...」の発想は、その超明解的かつ日常的な実例
7.3 「推定」が示唆する「誤差の発生」という概念
― 「近頃の若い者は...」の発想と誤差(ただし、往々にしてbias)
7.4 「推定」の有効性/威力
― 選挙(開票)速報の例
7.5 「母集団」のmodelとしての各種「確率分布」
― もう1つの観点からの「母集団」
開く
6.1 箱ヒゲ図の作成法
「箱」と「ヘソ」と「ベルト」と「ヒゲ」と「外れ値」と
6.2 箱ヒゲ図は「データの表示法」か「データの要約法」か?
6.3 箱ヒゲ図の効用とmean±2SDの破綻
箱ヒゲ図が有効なことを示す例
6.4 「外れ値」への対処法
開く
5.1 現象が正規分布するためのidealな条件
-∞~+∞を自由に動けるidealな現象とは?
5.2 多くの現実の現象における制約
-の値を取れないデータが大半!
5.3 -の値を取れないデータでも正規近似可能な条件
5.4 -の値を取れないデータでも正規近似可能な例
5.5 -の値を取れないデータで正規近似が保証されそうにない条件
5.6 対数正規分布の例とその理由
5.7 統計学において現象が正規分布で語られる理由
5.8 「正規分布の仮定」と「現象が従う真の分布」とのmismatchとが誘発する問題
5.9 「対数変換」の効用と問題点
開く
4.1 検定が必要とされるsituationの解剖とその顕在化
4.2 仮説検定と帰無仮説 ― サイコロの例
4.3 仮説検定 ― t 検定の例
4.4 架空的人類♂♀と t 検定
開く
3.1 最も単純でかつ頻繁に利用される要約法 ― m±SD
3.2 位置のパラメータ(代表値)各論 ― 平均・median・mode
3.3 広がりのパラメータ各論 ― 変動・範囲(最小値~最大値)・分散
3.4 変動への素朴な疑問へ回答 ― (x i-m)2と何故2乗にするのか?
開く
2.1 度数分布表とhistogram
2.2 度数の相対化の必要性 ― 相対度数(相対頻度)
2.3 究極の相対度数分布 ― 確率密度関数(確率分布)
2.4 確率分布 ― もう1つの観点からの「母集団」
2.5 正規分布 ― 連続量に関する最も頻出する最もpopularな分布
2.6 連続量に関するデータの表示法
(1) 幹葉図(stem and leaf)とその作成法
(2) 度数分布図とその作成法
2.7 正規分布の形状とそれを決めるもの(parameter)
開く
1.1 必要なcaseと必要な理由
1.2 「標本と母集団」という概念の原型
1.3 「標本」の「抽出」と「母集団」の「推定」
1.4 「標本抽出」における「無作為化」の重要性
1.5 現実の世界(研究の現場など)と統計学の必要性
1.6 統計学とは何か ― 統計学の役割

PAGETOP

| ご利用にあたって | 個人情報の取り扱い | 推奨動作環境 | 著作権|
Copyright © Nippon Kayaku Co.,Ltd. All Rights Reserved.