Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
疫学・統計セミナー:疾病と要因との関連
Search
Shuntaro Sato
December 22, 2019
Science
1
400
疫学・統計セミナー:疾病と要因との関連
関連の指標には,主にリスク差,リスク比,オッズ比,および発生率比(率比)があります.これらについて説明しています.
Shuntaro Sato
December 22, 2019
Tweet
Share
More Decks by Shuntaro Sato
See All by Shuntaro Sato
単施設でできる臨床研究の考え方
shuntaros
0
2.7k
TRIPOD+AI Expandedチェックリスト 有志翻訳による日本語版 version.1.1
shuntaros
0
220
仮説検定とP値
shuntaros
8
10k
Target trial emulationの概要
shuntaros
2
3.4k
Win ratio その2
shuntaros
0
520
Win ratioとは何か?
shuntaros
0
2.9k
ICH E9 (R1) 臨床試験のための統計的原則〜中間事象に対するストラテジー
shuntaros
1
1.1k
「回帰分析から分かること」と「変数選択」
shuntaros
16
20k
対照群がない研究デザインで効果を推定する(時系列分断デザイン・自己対照研究デザイン)
shuntaros
5
5.7k
Other Decks in Science
See All in Science
高校生就活へのDA導入の提案
shunyanoda
0
5.9k
データから見る勝敗の法則 / The principle of victory discovered by science (open lecture in NSSU)
konakalab
1
140
データベース09: 実体関連モデル上の一貫性制約
trycycle
PRO
0
990
データベース04: SQL (1/3) 単純質問 & 集約演算
trycycle
PRO
0
980
AIに仕事を奪われる 最初の医師たちへ
ikora128
0
960
機械学習 - K近傍法 & 機械学習のお作法
trycycle
PRO
0
1.2k
動的トリートメント・レジームを推定するDynTxRegimeパッケージ
saltcooky12
0
180
baseballrによるMLBデータの抽出と階層ベイズモデルによる打率の推定 / TokyoR118
dropout009
1
560
CV_3_Keypoints
hachama
0
200
データマイニング - グラフ構造の諸指標
trycycle
PRO
0
170
機械学習 - 決定木からはじめる機械学習
trycycle
PRO
0
1k
点群ライブラリPDALをGoogleColabにて実行する方法の紹介
kentaitakura
1
390
Featured
See All Featured
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
8
910
How STYLIGHT went responsive
nonsquared
100
5.8k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
30
9.6k
Testing 201, or: Great Expectations
jmmastey
45
7.6k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
162
15k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
252
21k
Optimizing for Happiness
mojombo
379
70k
Reflections from 52 weeks, 52 projects
jeffersonlam
352
21k
Music & Morning Musume
bryan
46
6.8k
Unsuck your backbone
ammeep
671
58k
The Power of CSS Pseudo Elements
geoffreycrofte
77
5.9k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
36
2.5k
Transcript
1 ࣬පͱཁҼͱͷؔ࿈ $IVOUBSP !4IVOUBSPPP Ӹֶɾ౷ܭηϛφʔ w ϦεΫࠩ w ϦεΫൺ w
Φοζൺ w ൃੜൺ
͓͞Β͍ 2
ूஂதͷ࣬පൃੜͭͷࢦඪʢʣ 3 ࣬පͷൃੜجຊతʹͭͷࢦඪͰଌఆ͢Δ ൃੜׂ߹ʢ*1*ODJEFODFQSPQPSUJPOʣ ൃੜΦοζʢ0EET*ODJEFODF0EETʣ ൃੜʢ*3*ODJEFODFSBUFʣ
༗පʢ1SFWBMFODFʣ
ूஂதͷ࣬පൃੜͭͷࢦඪʢʣ 4 "͞Μ #͞Μ $͞Μ %͞Μ &͞Μ '͞Μ 0 1
2 3 4 5 Year ٤Ԏ ഏ͕Μͷൃੜ $2 ഏ͕Μͷൃੜ ࣄނࢮˠڝ߹ϦεΫ Ҿӽ͠ˠ-PTTUPGPMMPXVQ ൃੜׂ߹ ൃੜΦοζ ൃੜ IP = 3/6 Odds = (3/6)/(1 − 3/6) IR = 3/(3 + 5 + 2 + 4 + 2 + 2)
ൺֱ͢Δ 5
ԿΛൺֱ͢Δ͔ 6 ݚڀରूஂ മ࿐ʢհೖʣ͋Γ മ࿐ʢհೖʣͳ͠ˠඇമ࿐ w ͋Δݚڀରूஂʹ͓͚Δɼ മ࿐ɾඇമ࿐܈͝ͱͷ࣬පൃੜΛൺֱ͢Δ w ಘΒΕͨɼؔ࿈ͷఔΛࣔ͢
࣬පൃੜ / / " " ൃੜ࣌ؒ 5 5
ࠩʢ%J⒎FSFODFʣͱൺʢ3BUJPʣ 7 ൃੜׂ߹ʢ*1*ODJEFODFQSPQPSUJPOʣ ൃੜΦοζʢ0EET*ODJEFODF0EETʣ ൃੜʢ*3*ODJEFODFSBUFʣ ൃੜׂ߹ Φοζ
ൃੜ ࠩ ʢ%J⒎FSFODFʣ ϦεΫࠩ 3JTLEJ⒎FSFODF 3% 3BUFEJ⒎FSFODF ൺ ʢ3BUJPʣ ϦεΫൺ 3JTLSBUJP 33 Φοζൺ 0EETSBUJP 03 ൺ 3BUFSBUJP 33 ·ͱΊͯ૬ରϦεΫʢ3FMBUJWFSJTLʣͱݴ͏͜ͱ͋Δ͕ɼ ਪ͞Εͳ͍
%J⒎FSFODFNFBTVSF 8 ݚڀରूஂ മ࿐ ඇമ࿐ ࣬පൃੜ / / " "
ൃੜ࣌ؒ 5 5 ϦεΫࠩʢ3JTLEJ⒎FSFODFʣ RD = A1 N1 − A0 N0 w ΠϕϯτൃੜϦεΫͷ ઈରతͳ૿Ճʢ·ͨݮগʣΛࣔ͢ࢦඪ w ҧ͍͕ແ͍ͱ͖ɼ3% ൃੜࠩʢ*ODJEFODFSBUFEJ⒎FSFODFʣ Rate difference = A1 T1 − A0 T0 w Πϕϯτൃੜͷ ઈରతͳ૿Ճʢ·ͨݮগʣΛࣔ͢ࢦඪ w ҧ͍͕ແ͍ͱ͖ɼ3BUFEJ⒎FSFODF
3BUJPNFBTVSFʢʣ 9 ݚڀରूஂ മ࿐ ඇമ࿐ / / " " 5
5 ϦεΫൺʢ3JTLSBUJPʣ RR = A1 /N1 A0 /N0 = R1 R0 w ΠϕϯτൃੜϦεΫ͕Կഒʢ·ͨԿ ͷ̍ʣͱͳ͔ͬͨΛࣔ͢૬ରతͳࢦඪ w ҧ͍͕ແ͍ͱ͖ɼ33 Φοζൺʢ0EETSBUJPʣ OR = R1 /(1 − R1 ) R0 /(1 − R0 ) w ΠϕϯτൃੜΦοζ͕Կഒʢ·ͨԿ ͷ̍ʣͱͳ͔ͬͨΛࣔ͢૬ରతͳࢦඪ w ҧ͍͕ແ͍ͱ͖ɼ03
3BUJPNFBTVSFʢʣ 10 ݚڀରूஂ മ࿐ ඇമ࿐ / / " " 5
5 ൃੜൺʢSBUFSBUJP *ODJEFODFSBUFSBUJPʣ Rate ratio = A1 /T1 A0 /T0 w Πϕϯτൃੜ͕Կഒʢ·ͨԿͷ ̍ʣͱͳ͔ͬͨΛࣔ͢૬ରతͳࢦඪ w ҧ͍͕ແ͍ͱ͖ɼ3BUFSBUJP
ྫɿ3JTLSBUJP 33 11 Male Female With CHD 40 20 Without
CHD 60 80 Total 100 100 40 100 = 0.4 உੑʹ͓͚Δ$)%ͷϦεΫ 20 100 = 0.2 Կഒʁ ϦεΫൺʢ3JTL3BUJPʣ ঁੑʹର͢Δஉੑͷ$)%ͷϦεΫൺ 0.4 0.2 = 2 ϦεΫൺղऍ͍͢͠ ੑผ ףಈ຺৺࣬ױʢ$)%ʣ $2 ঁੑʹ͓͚Δ$)%ͷϦεΫ
ྫɿ0EETSBUJP 03 12 Male Female With CHD 40 20 Without
CHD 60 80 Total 100 100 40/100 60/100 = 40 60 = 0.67 20/100 80/100 = 20 80 = 0.25 Կഒʁ 0.67 0.25 = 2.7 Φοζൺղऍͮ͠Β͍ ੑผ ףಈ຺৺࣬ױʢ$)%ʣ $2 உੑʹ͓͚Δ$)%ͷΦοζ Φοζൺʢ0EET3BUJPʣ ঁੑʹର͢Δஉੑͷ$)%ͷΦοζൺ ঁੑʹ͓͚Δ$)%ͷΦοζ
ϦεΫൺͱΦοζൺ 13 • Φοζൺղऍͮ͠Β͍ • ؔ࿈ͷํੑϦεΫൺͱಉ͡ • رগ࣬ױͰ͋ΔͳΒɼΦοζൺϦεΫൺʹۙࣅͰ͖Δ Male Female
With CHD 20 40 Without CHD 80 60 Male Female With CHD 50 50 Without CHD 50 50 Male Female With CHD 40 20 Without CHD 60 80 33 03 33 03 33 03 33 03
5BLF)PNFNFTTBHF 14 w ؔ࿈ͷࢦඪʹɼओʹϦεΫࠩɼϦεΫൺɼΦοζൺɼ͓Αͼൃ ੜൺ͕͋Δ w ϦεΫൺͱΦοζൺࣅ͍ͯΔ͚ΕͲҧ͏
ࢀߟจݙ 3PUINBO ,+ (SFFOMBOE 4 -BTI 5- .PEFSOFQJEFNJPMPHZ
7PM 1IJMBEFMQIJB8PMUFST,MVXFS)FBMUI-JQQJODPUU8JMMJBNT8JMLJOT w Ӹֶʹ͍ͭͯ·ͱ·͍ͬͯΔɽҼՌਪʹॏ৺Λஔ͘ςΩετɽղɽ 3PUINBO ,+ ϩεϚϯͷӸֶՊֶతࢥߟͷ༠ࣰ͍ݪग़൛ࣾ w ΑΓ؆୯ͳ༰ +PIO .- "EJDUJPOBSZPGFQJEFNJPMPHZ0YGPSE6OJWFSTJUZ1SFTT w ࣙॻ͔ͩΒͦ͜ɼͱͯಡΈ͍͢ӳޠͰӸֶ༻ޠΛઆ໌͍ͯ͠Δ ୮ޙढ़࿕ দҪໜ೭ ৽൛ҩֶ౷ܭֶϋϯυϒοΫேॻళ ୮ޙढ़࿕ খఃଇ ҩֶ౷ܭֶͷࣄయேॻళ 15
16 $IVOUBSPͷ౷ܭɾӸֶνϟϯωϧ IUUQTXXXZPVUVCFDPNDIBOOFM 6$L8+QMZ4JLF4E.5M$G$L,+2