2014 マイコースプログラム最終発表会 勝尾 公祐 テーマ ①疫学の基本的な考え方・手法について 学ぶ。 →教科書として「ロスマンの疫学」を使 用 ②統計学の理解を深める。 ③Ｒを用いたプログラミングに習熟する。 中間発表会までのまとめ 「ロスマンの疫学」第１章～第１１章 基本的な疫学研究の勉強・Ｒ実装 ◦ コホート研究 ◦ ケース・コントロール研究 現実は交絡・交互作用が存在 →モデルに組み込んでみる ◦ 層化による交絡の制御についてＲ実装 分析疫学の流れ サンプリング モデル 母集ああ団 母集団 データ 統計解析処理・解釈 モデルが複雑になれば統計解析処理も複雑になる →後半のテーマ 後半にやったこと 今回の発表会は 赤枠内の話 「ロスマンの疫学」第１２章～終わりまで ◦ 回帰分析 ◦ 傾向スコア分析 「概説 確率統計」通読 ◦ データの処理・解釈に関する数学的理解 論文を読んでみる ◦ 野菜・果物の摂取量と大腸がんとの関係 回帰分析 「処理」の手法の一つ ある１つの変数（従属変数）を他の変数（説 明変数）で説明することを考えたとき、その 関係式を求めること。 「モデル式」を決めて、「最小二乗法」を用 いるのが一般的 様々なモデル・データの種類に対応 例①交絡を含む場合 例②交互作用を含む場合 例③従属変数が二値変数の場合 回帰分析のＲ実装例① 交絡を含む場合 「age」と「exposure」によって 「outcome」が変化するとき、 「exposure」の効果を調べたい 「age」と「exposure」の２つを説明 変数、「outcome」を従属変数として 回帰分析（重回帰分析） データに交絡（説明変数同士の相関） があろうとなかろうと関係ない 回帰分析のＲ実装例① 交絡を含む場合 例えばこんなデータ（※Ｒでつくるなら…） →層化は出来ないが、回帰分析なら出来る 回帰分析のＲ実装例① 交絡を含む場合 モデル式 outcome = k0+k1*age+k2*exposure の仮定さえすれば、あとは線形モデルに よる回帰を行う「lm()」に入れるだけ 曝露の効果が推定できた 回帰分析のＲ実装例② 交互作用を含む場合 例えばこんなデータ（Ｒでつくるなら…） 回帰分析のＲ実装例② 交互作用を含む場合 線形回帰のモデル式に 「age*exposure」の項を入れればよい。 これらを用いれば交互作用について評価出来る 回帰分析のＲ実装例③ 従属変数が二値変数の場合 例えばこんなデータ（Ｒでつくるなら…） 回帰分析のＲ実装例③ 𝑥 ロジット log 1−𝑥 をとって 線形回帰 ロジスティック回帰 一般化線形モデルによる回帰を行う 「glm()」をfamily=binomialと指定する。 傾向スコア分析 回帰分析の応用例 交絡因子を説明変数、曝露を従属変数 としたロジスティック回帰 →交絡因子による影響を定量化できる →「傾向スコア」 傾向スコアによる層化orマッチング →交絡因子の影響を緩和 「セミパラメトリックモデル」 セミパラメトリックモデル サンプリング モデル 母集ああ団 母集団 データ 統計解析処理・解釈 限定的なモデル→限定的な解釈（それで十分な場合） オーバーフィッティングをうまく回避できる場合がある 傾向スコア分析のＲ実装例 Ｒ付属のデータセット”lalonde” ある職業訓練（treat）の年収（re78）へ の効果を調べる 多くの交絡因子（treatとre78の双方に影 響している）のデータ （Ｒでつくるなら…？） 交絡因子 re78 treat 傾向スコア分析のＲ実装例 傾向スコア算出 ◦ treatを交絡因子でロジスティック回帰 傾向スコアによるマッチング 結果… 傾向スコアを出さないときよりも効果が大きい →バイアスが減少したと考えられる ※treatの効果しか計算出来ない（けどそれで十分） 論文を読んでみた “Low Intake of Vegetables and Fruits and Risk of Colorectal Cancer:The Japan Collaborative Cohort Study” J Epidemiol 2014;24(5):353-360 J Epidemiolの中から、適当に新しいもの を選んでみた 論文の概要 from the Japan Collaborative Cohort Study for Evaluation of Cancer Risk (JACC Study) 野菜の摂取量に応じて３つの群に分けて、 大腸がんの発生について調べる コックスの比例ハザードモデルに従うと 仮定して、ＨＲ（ハザード比）を計算 コックスの比例ハザードモデル 生存時間のデータに適用 時間 t、共変量 x1, x2, x3, · · · xn のときの ハザード λ(t|x1, · · · , xn) を λ(t|x1, · · · , xn) セミパラメトリック = λ0(t) exp(β1x1 + · · · + βnxn) とする 部分尤度（尤度の代替）が最大になるよ うに係数を決定 ハザード自体は計算出来ないが、ＨＲ （ハザード比）は計算出来る 論文の結論 野菜の摂取量の違いによるＨＲはすべ てp-value>0.05 →有意差なし 野菜・果物の摂取量との関係を確認す ることは出来なかった。 大腸がんとは無関係なのかも？ マイコース成果まとめ テーマ① 「ロスマンの疫学」通読＆webの文献 テーマ② 「概説 確率統計」通読＆webの文献 テーマ③ テーマ①・②を進める際のＲでの実装 ①～③により、疫学・統計学が関係する論文を、ネット等 の補足的な知識の利用によって自分で咀嚼して読めるよう になったといえる（当初の達成目標）。
© Copyright 2025 ExpyDoc
