Slide 1

Slide 1 text

繰り返し経時測定データの解析 入門 2023.05.23 株式会社DeeL 新川 © 2023 DeeL 1 CDLE福岡さま

Slide 2

Slide 2 text

経歴 • 株式会社DeeL • データ活用に関するコンサルティング、受託分析、 システム開発、アルゴリズム開発、教育、セミナーなど • NOB DATA株式会社 (DS・PM) • インフラ、通信、小売、金融、WEBなど各業界における データ分析、機械学習、因果推論、コンサル、教育など • LINE Fukuoka株式会社 (DS) • LIVE配信サービスのグロースハックPJ • その他アドホック分析、ダッシュボーディング、モデル作成など • TRIALグループ 株式会社TRE(DS・リーダー) • 小売業の需要予測、レコメンド、ダイナミックプライシング 、 顧客クラスタリング、店内スマートカメラ画像解析、 その他アドホック分析 自己紹介 株式会社DeeL 代表取締役 / データサイエンティスト 新川 裕也 しんかわ ゆうや © 2023 DeeL 2

Slide 3

Slide 3 text

• 経済産業省 九州経済産業局 • データサイエンティスト派遣実証事業 https://www.kyushu.meti.go.jp/support/2110/211018_1_1.pdf • データサイエンティスト講座 講師 https://www.kyushu.meti.go.jp/seisaku/jyoho/oshirase/211008_1.html • データ利活用に向けた施策説明会&相談会 (大分、鹿児島、熊本) https://www.kyushu.meti.go.jp/event/2204/220415_1_1.pdf • 第一薬科大学 薬学部薬科学科 非常勤講師 https://www.daiichi-cps.ac.jp/juken/department_subject/pharmacylp/index.html • Gʼs ACADEMY FUKUOKA 講師・メンター https://gsacademy.jp/fukuoka/ • PyData.Fukuoka 運営 https://pydatafukuoka.connpass.com/ • MENSA会員 • 論文・学会発表等 • https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0215142 • https://dtarc.pref.wakayama.jp/592/ • https://www.ipsj.or.jp/event/taikai/83/ipsj_web2021/data/pdf/6G-04.html • https://www.researchgate.net/publication/347891211_DPR10015Dec_2020_Application_of_deep_learning_in_ prediction_of_cerebral_white_matter_lesions_using_clinical_examination_data_- Optimization_of_prediction_performance_and_generalization_performance_and_ 講師・講演、業務外活動など © 2023 DeeL 6

Slide 4

Slide 4 text

• 経時測定データについて解析方法を考える • 解析方法 • 群間比較 • t検定 or 回帰分析 • Pre-postデザイン • 重回帰(ANCOVA) • 経時測定 • 混合効果モデル • 余談 • paired t test と 混合効果モデル • t検定と混合効果モデル © 2023 DeeL 7 今日のテーマ

Slide 5

Slide 5 text

• ひとつの個体から時間の経過とともに繰り返し測定されたデータ • 臨床試験では、治療前のベースライン、治療期間、治療終了後などそれぞれの期 間で主要評価項目を測定することがある © 2023 DeeL 8 繰り返し経時測定データとは

Slide 6

Slide 6 text

• 「経時的繰り返し測定デザイン」(丹後俊郎 先生 著)に登場するラットの実験データを例にして 考えてみます © 2023 DeeL 9 ToyExample

Slide 7

Slide 7 text

• ラット12匹の実験データ • 薬剤とプラセボを割り付け • 評価項目をベースライン時点、投与後1週~3週までの合計4回測定 • 知りたいのは薬剤の効果 © 2023 DeeL 10 データ

Slide 8

Slide 8 text

知りたいのは薬剤効果。 どんな分析をしたら良いですか? © 2023 DeeL 11

Slide 9

Slide 9 text

• 3週後の主要評価項目をアウトカムとして、2群比較する • →t 検定でOK • そのままでは比較できないので、ベースラインからの差分を目的変数にする © 2023 DeeL 12 分析①

Slide 10

Slide 10 text

© 2023 DeeL 13 ベースラインからの差分 P=0.0027

Slide 11

Slide 11 text

• ちなみに、t検定と回帰分析は同じです © 2023 DeeL 14 t検定結果

Slide 12

Slide 12 text

• 3週後の主要評価項目をアウトカムとして、2群比較する (先ほどと同じ) • 共変量にpre値を入れたANCOVA型の回帰モデルで考える © 2023 DeeL 15 分析②

Slide 13

Slide 13 text

© 2023 DeeL 16 ANCOVA • ベースライン(0週)のデータをpre値、3週後のデータをpost値とする • ANCOVA型の回帰モデル • →post値はpre値によってきまるが、case or controlで切片が異なると考える 薬剤効果

Slide 14

Slide 14 text

• case群の場合、切片が3.5低くなる © 2023 DeeL 17 ANCOVA結果

Slide 15

Slide 15 text

• 混合効果モデルの使用 • 混合効果モデル(=mixed effect model) • →固定効果と変量効果を混合したモデル • 固定効果:ある変数が目的変数にあたえる影響 • 変量効果:個体間差、固定効果で説明できない要因 © 2023 DeeL 18 分析③ 個体iの応答変数 固定効果 変量効果 誤差

Slide 16

Slide 16 text

• 切片のみ変量効果が入るモデルを使用 • Case群のとき、timeの傾きが1.24さらに下がる結果に © 2023 DeeL 19 混合効果モデルの結果① 変量効果の推定値 固定効果の推定値

Slide 17

Slide 17 text

• 差分データについて考える(次元を減らせる) • 時間をカテゴリカル変数として扱う © 2023 DeeL 20 混合効果モデルの結果② Case : 1 Control : 0 時点 値 0 1 0.2 0 2 -0.65 0 3 -2.85 1 1 0.9 1 2 -1.05 1 3 -6.62

Slide 18

Slide 18 text

• サンプルサイズ減らせられる • 欠測にも対応できる • 時点間相関を考慮 • 多重比較しなくてよくなる © 2023 DeeL 21 混合効果モデルのいいところ

Slide 19

Slide 19 text

© 2023 DeeL 22 余談

Slide 20

Slide 20 text

• 対応のあるt検定は変化量に関する1変数のt検定 • 対応のあるt検定は混合効果モデルで表せれる © 2023 DeeL 23 余談

Slide 21

Slide 21 text

• はじめのt検定の結果を混合効果モデルで表す © 2023 DeeL 24 余談 Prepostを縦持ちに ランダム切片モデルで、Group*prepostの交互作用項の係数がt検定の結果と一致

Slide 22

Slide 22 text

Enjoy!! © 2023 DeeL 25