SlideShare a Scribd company logo
1 of 68
Download to read offline
公益社団法人日本心理学会
心理・医学系研究者のためのデータ解析R境Rによる統計学の研究会

第12回研究集会 ロジスティック回帰分析

「ロジスティック回帰分析」
の書き⽅
医療経済研究機構
清水 沙友里
1
書き方セクションが存在する理由
最良の予測モデル構築のため
普遍的なモデル構築手法を知る
解析をしながらモデル構築はしない
結果的に論文が書きやすくなる→accept!

示された結果の妥当性を評価するため
 多くの論文では報告の質に問題がある
 何を報告すれば他の研究者がモデル全体を正
しく理解できるかを知る
2
臨床疫学に関する指針・声明・ガイドライン
広義の指針:研究倫理や科学性
・ヘルシンキ宣言 など
全般的な指針:論文執筆の原則
・Uniform Requirements,学会規定など

研究法別の標準報告様式
・STROBE:観察的疫学研究
・CONSORT:ランダム化比較試験
・PRISMA,MOOSE,STARD …etc
研究手法別のガイドライン
・How to Report Statistics in Medicine

…etc

投稿規定:学会誌毎
原文は:Enhancing

the QUAlity and Transparency Of health Research(EQUATOR)
http://www.equator-network.org/ など

3
この発表の主たる目的
ロジスティック回帰分析を用いた研究の論
文を書く際のTIPsをお伝えすること
ロジスティック回帰の分析ガイドライン
×
各種執筆ガイドライン
×
実際の執筆事例の紹介
を強迫的タイムスケジュールで・・・??

((+_+))

4
この発表のフォーカス

2011/6/25第1回奥村さん資料より・・・

→ロジスティック回帰を使った「予測」

5
6
ロジスティック回帰分析とは
[論文上の表記例]
•(Multivariable/Multivariate)
Logistic regression analysis/model
•Binomial/Binary logit analysis/model

LOSIGTIC=ロジスティックモデルを用いた
←
『対数(ロジット)変換』
7
ロジスティック回帰分析とは
線形回帰分析の基本

y=ax+b

ロジスティック回帰分析で求めたいのは
YES or NOの確率値 (0%~100%) しかし、
上の式では確率値がこの範囲に収束しない
Yの方をどうにかしてこの範囲に収めたい
→Yを対数で飾ろう
8
神童だったころ聞いたけど忘れた
Wikipedia によると
対数(たいすう、英語: logarithm)とは、任意の数 x を a を底とする指数関数により x = ap と表したときの冪指数 p の事で
ある。 p = loga(x) と書いて pはa を底とする x の対数という。対数関数 loga(x) は、指数関数 ax の逆関数として定義される。

23=8 :2の3乗は8です
←
2=log38 :3は2を8にする指数です

Y=ax であるとき、x=logaY
9
2を7にする指数(log27)は2~3の間だけれど数字に
は表せない・・・ むむむむ
※常用対数表はあるけどね

2log27=7

でいいんじゃない?
log x=x
a a

どんな数であっても任意の底の指数表示
に変えることができる
10
ロジスティック回帰分析とは

loge{y/(1-y)}=ax+b
説明変数をS字のロジスティック曲線に回
帰させる=線形関数としてモデル化
(目的変数が1になる確率を推定)
11
一般化線形モデル
 階層性のあるデータはNG

※混合ロジスティックモデル(MLM)は対象外

ロジスティックモデルは追跡研究を志向
・症例対象研究→ロバストな2条件※を充たす
・横断研究→実は明確な証明は無い
(データを追跡研究から得たものとして扱う)
個人のリスクやRRは計算できない(ORはOK)
つまり、αが必要な個人のリスクは推定できず、βが必要なOR
は計算できる
Prentice RL, Pyke R. Logistic disease incidence models and case-control studies. Biometrika 1979;66:403–11. doi:10.1093/biomet/66.3.403
Breslow NE, Day NE. Statistical methods in cancer research. Vol. 1. The analysis of case-control studies. 1980;1:338 pp.

12
研究計画を練り、データを集め、Rで計算し、

ロジスティック回帰モデルを用い
た論文を書き始めた

13
適正報告とは:STROBE声明チェックリスト
タイトル・抄録

デザインを明示、十分な情報でバラ
ンスのよい要約

方法:統計手法

全ての統計学的方法,欠損,脱落,マッチ
ング,サンプリング,感度分析

イントロダクション

科学的な背景と論拠

結果:参加者

各段階における人数,非参加の理由,フ
ローチャート

目的

仮説を含む目的

結果:記述的データ

人口統計学的、臨床的、社会学的特徴
と暴露や潜在的交絡因子の情報、欠損
数、追跡期間(平均と合計)

方法:デザイン

研究デザインの重要な要素を明示

結果:アウトカム
データ

発生数や集約尺度数値(経時的),各暴露
カテゴリーの数、暴露の集約尺度

方法:セッティング

セッティング,場所,基準となる日時
(登録、暴露、追跡、データ収集期
間)

結果:主な結果

調整前後の推定値と精度(信頼区間な
ど),カテゴリ化された連続変数はカテ
ゴリ境界、relevantな場合は相対リス
クを絶対リスクに換算

方法:参加者

研究方法により適格基準、母集団、
選定・追跡方法、マッチング基準等

結果:他の解析

感度分析などその他の分析全て

方法:変数

全てを明確に(アウトカム、暴露、予
測因子、潜在的交絡因子、潜在的な
効果修飾因子、診断方法など)

考察:keyとなる結
果

研究目的に対する結果

方法:データソース
/測定方法

データソース、測定・評価方法、2群
以上の場合比較可能性

考察:限界

潜在的なバイアスや精度の問題、バイ
アスの方向性を大きさ

方法:バイアス

バイアスへの措置

考察:解釈

目的、限界、多重性、他の研究結果を
考慮

方法:サイズ

どのように算出したか

考察:一般化可能性

一般化可能性を議論

方法:量的変数

分析方法、グルーピングの詳細

その他

研究の財源、元となる研究

STROBE声明:観察研究の報告において記載するべきチェックリスト 上岡広晴、津谷喜一郎訳 より大幅に抜粋して転載。利用時は原典を確認のこと 14
ロジスティック回帰の適正報告研究
要約すると…ほとんどの論文は必要な情報を報告していない
•
•
•
•

•
•

Bagley et al. Logistic regression in the medical literature:
standards for use and reporting, with particular attention to
one medical domain (J ClinEpidemiol54: 979-985, 2001)
Peng et al. An Introduction to Logistic Regression Analysis and
Reporting (J Edu Res 96:3-12,2002)
Moss et al. An appraisal of multivariable logistic models in the
pulmonary and critical care literature (Chest 123: 923-928,
2003)
Ottenbacher et al. A review of two journals found that articles
using multivariable logistic regression frequently did not report
commonly recommended assumptions (J ClinEpidemiol57: 11471152, 2004)
Mikolajczyk et al. Evaluation of logistic regression reporting in
current obstetrics and gynecology literature (ObstetGynecol111:
413-419, 2008)
Kalil et al. Recommendations for the Assessment and Reporting
of Multivariable Logistic Regression in Transplantation Literature.
(Am J Transplant 10:1686–94,2010)
15
ロジスティック回帰の適正報告研究
適切

クライテリア

不適切

1.線形性

線形性の仮定の記載

(加えて、臨床的知識やデータプロット)を報告する

報告なし

2.モデルの報告

係数と標準誤差を報告する

報告なし

3.交互作用

統計学的もしくは臨床的な情報の理由を報告し交互作用項を投入

報告なく投入

4.95%CLと有意性

ファイナルモデルに含まれた各変数のオッズ比と95%CL(もしくはp値)を報告する 報告なし

5.過剰適合

イベント比10以上を保つ

10以下

6.外れ値

外れ値がある場合、どのように扱ったかを報告する

報告なし

7.適合度

HL値等の適合度の検定を報告する。予測モデルの場合、AUCを報告する

報告なし

8.多重共線性

独立変数間の相関が高い場合、論文中で議論し、検定の結果を報告する

議論あるが検定結果なし

9.内的妥当性

予測モデルの場合、データスプリット(クロスバリデーション含む),ブートスト
ラップ、ジャックナイフのうち少なくとも1つを実施する

行わない

10.外的妥当性

予測モデルの場合、異なった集団でも追試する

行わない

11.エビデンスレベル
レベル1 少なくとも1つの前向きな外的妥当性の確認とインパクト分析.臨床行動と患者アウトカムの改善を実証
レベル2

少なくとも1つの広範囲の患者に対する前向きな外的妥当性の確認か、複数の異なった小集団でのバリデー
ション

レベル3 少なくとも1つの狭い範囲の(導出サンプルに類似した)患者に対する前向きな外的妥当性の確認
レベル4 内的妥当性のみの確認
レベル5 妥当性の確認が無い
Kail et al: Am J Transprant 10: 1695-1703, 2010

16
書き方の説明のながれ

17
必須記載項目①

変数の選択基準

• 変数選択の合理的な意義を記載すること
• アウトカム(詳細な診断基準),曝露,予測因子,潜在的な交絡因子,潜在
的な効果指標の修飾因子等、考慮した全ての変数の定義付け
• 初期の探索段階で多くの変数を考慮した場合は、付録や追加の表、その
他の発行物で提示することを考慮する
• 最終的にモデルに投入された変数だけでなく、全ての候補となった変
数について言及することが推奨される
>定義
-予測因子(predictor)
-決定因子(determinant)

>方法:どの変数を含むべきか?
先行研究や理論:臨床的・生物学的に意義のある変数
研究の目的:まず最も変数の多い意味のあるモデルを作成
18
必須記載項目①

変数の選択基準

>事例
-Diagnosis of Lung Cancer
The diagnosis of lung cancer was made by histopathological examination of
resection specimens or cytopathological examination of needle-aspiration biopsy
samples. A microcoil localization technique was used to mark the nodule under CT
guidance before surgical resection. Resected tumors were classified with the use of
the World Health Organization classification of lung neoplasms.

-Statistical Analysis
Multivariable logistic-regression models were prepared to estimate the risk of lung
cancer associated with potential predictors, including sociodemographic variables
and clinical variables such as smoking exposure and nodule characteristics.
Inclusion of variables in the models was based on existing knowledge of risk factors
for lung cancer and on nodule characteristics that are readily discernible on lowdose CT images.

-Results

Predictive Model

The variables listed in Table 1 and in Table S1 in the Supplementary Appendix were
evaluated for inclusion in the models.
Annette McWilliams et al. N Engl J Med 2013;369:910-9.

19
書き方の説明のながれ

20
必須記載項目②

過剰適合

過剰適合の対応を記載すること

>方法
従属変数のイベント/独立変数の数≥10にする
Peduzzi P. J Clin Epidemiol. 49(12):1373-9. 1996

>事例
-Methods
We followed standard methods to estimate sample size for
multiple logistic regression, with at least ten outcomes needed
for each included independent variable. With an expected PV
catheterization success rate of 50%, we required 120 attempts
(60 successes) to appropriately perform multiple logistic
regression with six variables.
Schnadower D et al. Acad Emerg Med 14(5) 483–485. 2007

21
書き方の説明のながれ

22
必須記載項目③

線形性

線形性の対応を記載すること
>定義
連続変数とロジット変換後の従属変数が線形性を満たしている

>方法
散布図平滑化
パラメトリックな手法。重み付き平均で平滑化
変数のカテゴリ化
連続変数を四分位等でカテゴリ化し予測モデルに投入。推定した偏回
帰係数が線形に上昇しているかをプロットし比較
一般化加法モデル (generalized additive noidel:GAM)
散布図平滑化の手法をカテゴリカルデータにも応用
LOESS (locally weighted least squares) smoothing curves
局所重み付き最小二乗推定→推定精度は良いがバイアスにやや難(バンド幅)

スプライン関数
ペナルティ付き残差平方和を最小とする推定量を求める
23
必須記載項目③

線形性

>事例
-Statistical Analysis
First, a linear model was determined. This was followed by assessment of the fit of the model
and its performance characteristics. Finally, to assess whether the dependent variable was linear
in the logit, three methods, as proposed by Hosmer and Lemeshow, were used: lowess (locally
weighted least squares) smoothing curves, design variables and fractional polynomials.

-Results
Linearity of the dependent variable (SCA or SAD) for both erect and supine radiographs in the logit of
the independent variable was assessed using three methods. This was done to confirm that binomial
logistic regression was the appropriate method of analysis.
• Lowess smoothing curves showed that linearity varied over the interval of the dependent variable.
…(略) This is illustrated in Fig. 1.
• Logistic regression coefficients were plotted against the approximate quartile midpoints of dependent
variables as shown in Fig. 2. …(略) By contrast, the results suggest linearity in the logit for both SCA
and SAD in the first three quartiles for erect radiographs.
• Fractional polynomial model comparisons showed that the best non-linear transformations were not
significantly different from the linear model. Therefore, the fractional polynomial analysis supported
treating both variables as linear in the logit in general, with one exception: a significant p-value of 0.04
for the variable SCA suggested that the fit of the model might be improved if the variable was
transformed by its inverse square. This in turn suggested that the use of the transformed variable in the
logistic regression analysis might result in a superior model.

Cardiovasc J Afr. 2010 Sep-Oct;21(5):274-9

24
25
26
必須記載項目④

変数投入法

変数投入法を記載すること
>定義
変数をいつモデルに投入するか

>方法
強制投入法(simultaneous/collective/direct)
–指定した全ての独立変数を同時にモデルに投入
–変数の重要性の順序などに仮説がない場合
逐次投入法:(sequential/hierarchical)
–投入の順序を因果関係などで規定する
変数選択法:変数増加法・変数減少法・ステップワイズ・総当たり法
–統計的観点から最良のモデルになるよう投入する変数を選択する
–説明モデルの場合はNG、上記の方法と並行して検討する価値はある
–先行研究が無く最初に検討している変数が多すぎる場合も利用可能
27
必須記載項目④

変数投入法

>事例
-Methods
We analysed differences in outcomes after 12 and 18 months of follow up with
logistic and multiple linear regression (hierarchical backward elimination
method), adjusting for possible differences in baseline scores and background
characteristics (sex, age, educational level, income, composition of household,
and course of gait problems experienced).

Jolanda C M van Haastregt et al. BMJ 2000;321:994

28
29
番外編

交互作用と交絡因子

研究の目的が予測モデルの構築である時
交互作用の有無に関わらず、いくつかの要因を調
整した上で曝露の影響を推定するのが目的

交絡因子や効果修飾因子がモデルの中で果たす役割や
構造に対しては注意する必要がない。後方変数減少法
(backward elimination procedure)等のコンピュータ
プログラムによる変数選択法を用いるべき
kleinbaum 2007 (5th 2013)

30
番外編

交互作用と交絡因子

① 変数の決定:完全層化モデル(HWF)
② 交互作用:チャンク検定・階層的後方変数減少法
③ 交絡因子の評価:変数を除去した際の推定オッズ
比の変化
交絡因子は妥当性の問題
交互作用因子

→
→

統計学的解析を使わない
統計学的解析を使う

交絡因子:偶然誤差<系統誤差
統計学的解析:偶然誤差>系統誤差

結局は複数の係数・オッズ比・信頼区間などの主観的な
比較になるため、色々な派閥がある
31
必須記載項目⑤

交互作用の評価

交互作用を記載すること
>定義
説明変数Xの効果が他の変数Zによって変わること
>方法
説明変数間の積をモデルに投入する(量的変数の場合はセンタリング
をする場合も)
𝑙𝑜𝑔𝑖𝑡 𝑞𝑖 = 𝛽1 +𝛽2 𝑥 𝑖 +𝛽3 𝑓𝑖 +𝜷 𝟒 𝒙 𝒊 𝒇 𝒊

>対応
完全階層化モデルHierarchically well-formulated (HWF) model
積項はHierarchical backward elimination approach:HBWEで検定

32
必須記載項目⑤

交互作用の評価

>事例
-Methods

Coenen S et al. Br J Gen Pract. 56(524):183-90 2006.

we estimated a logistic model which contained all covariates as possible confounders
and all interaction terms between perceived patient demand and the covariates as
possible effect modifiers. …(略)We also added the interaction terms of patient sex
and age, and GP’s sex and year of birth…(略) If some of the covariates or interaction
terms dropped out of the starting model due to co-linearity, confounding and
interaction were evaluated in a stratified analysis of perceived patient demand versus
GPs’ antibiotic prescribing, controlling for each covariate separately.

-Results
This resulted in a model containing seven interaction terms (patient age, smoking, …(略).
After eliminating interaction terms with a P-value greater than 0.01, only one interaction
term was retained in the model.

-Statistical Analysis

Annette McWilliams et al. N Engl J Med 2013;369:910-9.

We evaluated interactions between important predictors in final models by including
interaction terms along with main-effect terms. None of the interactions we tested
were significant, and they are not discussed further in this article.
33
必須記載項目⑤

交互作用の評価

>事例
Coenen S et al. Br J Gen Pract. 56(524):183-90 2006.

34
35
必須記載項目⑥

交絡因子の評価

交絡因子を記載すること
>定義
ある説明変数Xが目的変数Yに与える効果が、他の説明
変数Zの値によって異なること
>方法:統計学的な検定方法は無い
交互作用ある:再び階層原則に従って係数の評価。精度
は信頼区間から評価 残すほうが妥当
交互作用ない:全ての変数を含むgold standardとサブ
セットのオッズ比と信頼区間を報告
36
必須記載項目⑥

交絡因子の評価

>事例
-Methods

Coenen S et al. Br J Gen Pract. 56(524):183-90 2006.

the confounding effect of all covariates not in significant interaction terms in the full
model was assessed, followed by precision considerations. We looked for a subset of
covariates for which the model gave roughly the same parameter estimates for
perceived patient demand and the significant interaction terms, but with narrower
confidence intervals.

-Figure 2
The relationship between the effect of
perceived patient demand on antibiotic
Prescribing for acute cough and the
significant confounders of this relation.
Adjusted odds ratios and 95% confidence
limits.
37
必須記載項目⑥

交絡因子の評価

>事例
-Methods
Potential confounders in multivariable models included number of non-PCP visits,
sex,….(略) Based on a study by Lin and colleagues (29), we also examined the impact
of an unmeasured confounder on our estimated odds ratios (ORs) in post hoc
sensitivity analyses.

-Discussion
Therefore, residual confounding by unmeasured factors may influence results. In post
hoc sensitivity analyses, our results become nonsignificant or potentially reversed
only when the proportions of an unmeasured confounder differed greatly between
individuals who visit PCPs often and those who do not. An unmeasured confounder
seems to have a greater effect on the association of PCP with CRC incidence than
with mortality (Appendix Tables 3 and 4, available at www.annals.org).

-Limitation
This study used administrative data, which made it difficult to identify potential
confounders and prevented examination of the content of primary care visits.
J M. Ferrante et al. Ann Intern Med. 2013;159(7):437-446. 38
必須記載項目⑥
>事例

交絡因子の評価

点推定と95%信頼区間を報告

J M. Ferrante et al. Ann Intern Med. 2013;159(7):437-446.

39
40
必須記載項目⑦

多重共線性

多重共線性について記載すること
>定義
1つ以上のxに非常に強い線形関係があり、単独の影響を分離したり、
効果を評価することが不可能ではないが、困難な状態 (Goldberger 1968)
- 単純な相関関係ではわからない
- 信頼出来ない回帰係数を返す
- モデルが実行されない
一般的:VIF10以上

>方法
・分散拡大係数(variance Inflartion Factors:VIF)
・分散分解係数(variance decomposition proportion:VDP)
条件指数(condition index:CNI)
マニアック:CNI(共線性の有無)が30以上
かつ VDP(それを引き起こす変数)が2つ
以上0.5より大きい ※SASのマクロにあります

41
必須記載項目⑦

多重共線性

>事例
-Statistical analysis
Variance Inflation Factor (VIF) was used to check for multicollinearity. Predictive and
complexity characteristics of the model were considered during modelling.

-Results Model fit and Predictive power of the models
Variance inflation factor (VIF) was employed to check for multicollinearity. None of
the VIF values were up to 10 and the mean VIF of the model was less than 6. It
means there was no collinearity in the model (see additional file 1).

Kayode et al. BMC Pregnancy and Childbirth 2012, 12:10

42
43
必須記載項目⑧

影響力のある観測値

観測値を除外した場合は記載すること
>定義
結果に大きな影響を与える被験者

>方法
Δβ(任意の被験者をデータから除外した時の1個以上の推定回帰係数の修正の程度)
パッケージ:Cookの距離の類似尺度 , difference of fits (DFFITS)
理想的:exp(β)の加重平均変化量
∗

𝐶𝐷 𝑖 =

𝑗

𝑤 𝑗 Δ 𝑒𝑥𝑝 𝛽

𝑗, 𝑖

/

𝑗

𝑊𝑗

・データの誤り/外れ値/不適切なモデル
・データは論理的に重要かもしれない
・ファイナルモデルまでは影響力の有無を判定できない

>対策
①除外:値の誤りかつ修正が不可能な場合など
②対象範囲の修正
③値は含めるが、これらの値を報告し考察で説明を行う
44
45
必須記載項目⑨

適合度の評価

適合度(goodness of fit:GOF)の評価を記載すること
>定義
モデルがデータセットのアウトカムをどの程度予測できるか(モデルがデータに
フィットするか)の評価

>方法
①Receiver Operating Characteristic:ROC curve
②共変量のパターン:ピアソンのχ2 検定, 逸脱度, 正規近似検定(Osius & Rojek’s)
③確率推定:Hosmer-LameshowのĈ・Ĥ検定
④2モデルの比較に基づくスコアテスト:Stukel’s test, Tsiatis’s test
⑤残差分析
Hosmer-Lemeshow(HL)統計量:有意確率大=適合度が良い
-共変量パターン数が3以上。6未満で有意差を持つことは殆ど無い
-サンプルサイズが大だと適合しないと判断されやすい
-変数に連続変数が含まれる場合、パターン数が観測値数に近づき最も機能する
le Cessie-van Howelingen検定
46
必須記載項目⑨

適合度の評価

>事例
-Statistical Analysis
We evaluated the predictive performance of the model by assessing its
discrimination (ability to classify correctly) and its calibration (whether
probabilities predicted by the model match observed probabilities).
Discrimination was measured with the use of the area under the
receiveroperating-characteristic curve (AUC). All AUCs reported are presented
with bootstrap biascorrected 95% confidence intervals, with bootstrapping
techniques based on 1000 bootstrapped samples. We evaluated calibration by
subtracting the model-estimated probability from the observed probability for
each study participant, placing these absolute errors in rank order, and evaluating
the magnitude of the median and 90th percentile of the absolute errors. In
addition, the mean absolute errors for each decile of model-predicted risk were
evaluated.

Annette McWilliams et al. N Engl J Med 2013;369:910-9.

47
48
番外編

妥当性

妥当性とは?
“A test is valid if it measures what it
purports to measure” (Kelley, 1927)

信頼性との違い:ダーツ投げのアナロジー

http://www.socialresearchmethods.net/kb/relandval.php

49
必須記載項目⑩ 内的妥当性(交差妥当性)
内的妥当性について記載すること
>定義
予測モデルは別のサンプルでも当てはまりが良いか
誤差が少なければ当てはまりが良い
-信頼性の低いモデルでは、高い妥当性は望めない
-均一な集団では妥当性係数が低くなる

>方法
validation data とのAUCの比較
-bootstrap
-K-fold cross validation
-double cross validation
-モデル推定用/交差妥当化用/検証用に3分割 など

50
必須記載項目⑩ 内的妥当性(交差妥当性)
>事例
-Methods
To examine the degree of overfitting of the prediction model to the development sample, we
performed a cross-validation procedure. First, the sample was split at random into 10 equal groups.
Second, a logistic regression model predicting diagnosis of PE was developed on nine tenths of the
sample, and the resulting prediction equation was applied to the remaining tenth; this procedure was
repeated 10 times, each time rotating the cross-validation subset. Finally, the ability of the crossvalidated scores to predict PE was examined by comparing the area under the receiver operating
characteristic curve (AUC) with that obtained from the naive prediction scores, without cross
validation. This cross-validation procedure was performed for the full multivariable prediction model,
where each covariate was assigned a separate regression coefficient, and for the simple model, where
the clinical probability score was the sole predictor. Confidence intervals on AUCs were obtained by
the bootstrap method: 250 subsamples with sample sizes of 986 were taken with replacement from the
original sample, the AUC was computed in each, and the 95% confidence interval was derived from
percentiles 2.5 and 97.5 of the distribution of AUCs.

-Results
When the 8 variables in the prediction model were allowed to vary independently, the AUC was 0.79
(range, 0.76-0.81) for the naive equation and 0.77 (range, 0.74-0.80) after cross validation. When the 8
variables were added to form the diagnostic score, the AUC was 0.79 (range, 0.76-0.81) for naive
prediction and 0.78 (range, 0.75-0.80) after cross validation. Hence, this analysis allows us to rule out
substantial overfitting of the clinical score.

Wicki J et al. Arch Intern Med. 2001;161(1):92-97. 51
52
必須記載項目⑪ 外的妥当性
外的妥当性について記載すること

>定義
予測モデルは別のデータソースのサンプルでも
当てはまりが良いか→一般化可能性
>方法
Validation data とのAUC比較など
53
必須記載項目⑪ 外的妥当性
>事例
-Statistical Analysis
Prediction models developed in the PanCan cohort (excluding spiculation as a
predictor) were validated externally by means of an assessment of discrimination and
calibration in BCCA data.

-Reuslts /Characteristics
In the BCCA validation study, 1090 participants had 5021 nodules, and 40 of the 1090
persons with nodules (3.7%) were ….(略). The characteristics of the participants are
described in Table S1 in the Supplementary Appendix. The PanCan and BCCA study
populations were similar with respect to age, sex, body-mass index, percentage of
patients with emphysema, and percent of predicted forced expiratory volume in 1
second (FEV1).
Annette McWilliams et al. N Engl J Med 2013;369:910-9.

54
必須記載項目⑪ 外的妥当性
>事例

validation cohortは詳細に記載

Annette McWilliams et al. N Engl J Med 2013;369:910-9.

55
必須記載項目⑪ 外的妥当性
>事例
-Results /Predictive Model
Both parsimonious and full models showed excellent discrimination in the
PanCan and BCCA (validation) data with all AUCs more than 0.90 (Fig. S1
and Table S2 in the Supplementary Appendix). In the PanCan and BCCA data
sets, model-predicted probabilities of lung cancer showed good separation
between participants in whom lung cancer was diagnosed and those in whom
it was not diagnosed, with only modest overlap (Fig. 2). …(略)For those
nodules, the AUCs in model 1a were 0.894 and 0.907 in the PanCan and
BCCA data, respectively (Fig. S1 in the Supplementary Appendix). ….(略)
In the BCCA validation data, the full model performed significantly better
than the parsimonious model: the AUC was 0.960 (95% CI, 0.927 to 0.980) in
model 1a as compared with 0.970 (95% CI, 0.947 to 0.986) in model 2a (P =
0.009 for the difference in AUC) ….(略)

-Discussion
Our models show excellent predictive accuracy, with AUCs of at least 0.94 in
an external validation cohort.
Annette McWilliams et al. N Engl J Med 2013;369:910-9.

56
57
必須記載項目⑫コード化・オッズ比・信頼区間
独立変数のコード化について記載すること
オッズ比とオッズ比の信頼区間を記載すること
>事例

※量的変数の場合は増分を記載

J M. Ferrante et al. Ann Intern Med. 2013;159(7):437-44658
.
必須記載項目⑫

ソフトウエア

・分析に使用したソフトウエアを記載すること
・統計ソフトのマニュアルを引用すると丁寧
ロジスティック回帰
ではありませんが..

>事例
-METHODS Statistical Analysis
Statistical analyses were performed using R 2.14
(19), with the cmprsk package (20) for Fine and Gray modeling.

-REFFERENCES
19. R Development Core Team. R: A language and environment for statistical
computing. Vienna, Austria: R Foundation for Statistical Computing; 2011.
Accessed at www.R-project.org on 18 March 2013.
20. Gray RJ. cmprsk: Subdistribution Analysis of Competing Risks. R package
version 2.2-2. 2011.
Timothy J. Daskivich et al. Ann Intern Med. 2013;158:709-717.

59
Applied Logistic Regression
Third Edition
Logistic Regression: A Self-Learning Text
(Statistics for Biology and Health)
Applied Regression Analysis and Other
Multivariable Methods
60
予測にロジスティック回帰はもは
や使っていないんじゃないか疑惑

・・・いや、医学系論文ならいいんですよ

61
ANNとロジスティック回帰分析

62
ANN:Artificial Neural Network Models

人工ニューラルネットワーク(人工神経回路網)
人工知能分野のかなり初期(1940年代)から存在し、ブームのあとは死んだようになっていた手法。

ニューロン

http://en.wikipedia.org/wiki/Brodmann_area

入力

ユニット
出力

Felleman DJ, Essen DCV. Distributed Hierarchical Processing in the
Primate Cerebral Cortex. Cereb Cortex 1991;1:1–47.
doi:10.1093/cercor/1.1.1

大脳皮質のコラム構造

カラー 臨床神経解剖学―機能的アプローチ M.J.T. フィッ
ツジェラルド (著), ジーン フォラン=カーラン (著),西村書
店刊 (2009 林隆博 改変)

結合荷重

ニューロンの出力 →「ある」or 「ない」 63
ANNとロジスティック回帰モデルの違い
パラメーター

ロジスティック回帰

ANN

モデルビルディング

統計知識がかなり必要

統計知識がやや必要

複雑な関係の予測力

解析者次第

自動的

交互作用

明示的にモデリング

検知可能

一般化可能性と過剰適
合

過剰適合は小さな問題

過剰適合しやすい

識別能

アプリケーションと
データ次第

アプリケーションと
データ次第

計算時間

あんまりいらない

結構いる

信頼区間の算出

簡単にできる

結構難しい

モデルのシェア

簡単にできる

簡単にできる

解釈

重要な予測子は簡単に
説明できる

ブラックボックス

Turgay Ayer at al. RadioGraphics 30:13–22 2010. 64
ANN or ロジスティックの予測精度の比較
AUCはANNの方がいけてました!

Turgay Ayer at al. RadioGraphics 30:13–22 2010. 65
ANNの一歩先

Deep Learning

2006年にブレークスルーが起き、神経科学的知見
と計算機科学を結合し、大脳皮質のアーキテク
チャの模倣を行うDeep Learningが人工知能・機
械学習分野の最先端として現在一大ブーム中。
現在の研究のほぼ最先端で何が出来るのか?
人工ニューラルネットワークにYOUTUBEのタグのついていない画像を1000
万枚取得し、教師なし学習(self-taught learning)で猫の存在を学習し、猫
を見分ける

66
おまけ:Deep Learning
Olshausen BA, Field DJ
Emergence of simple-cell receptive field properties by learning a sparse code for natural
images Nature 381 (6583): 607-609 JUN 13 1996
Hinton, G. E., Osindero, S. and Teh, Y. (2006)
A fast learning algorithm for deep belief nets. Neural Computation, 18, pp 1527-1554.
"Deep Auto-Encoder" ?
Hinton, G. E. and Salakhutdinov, R. R. (2006)
Reducing the dimensionality of data with neural networks. Science, Vol. 313. no. 5786, pp.
504 - 507, 28 July 2006.
Y. Bengio. Learning deep architectures for AI.
Foundations & Trends in Mach. Learn., 2(1):1--127, 2009.
Le, Q. V., Ranzato, M. A., Monga, R., Devin, M., Chen, K., Corrado, G. S., ... & Ng, A. Y.
(2011). Building high-level features using large scale unsupervised learning. arXiv preprint
arXiv:1112.6209.

67
68

More Related Content

What's hot

臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜Yasuyuki Okumura
 
スパース推定法による統計モデリング(入門)
スパース推定法による統計モデリング(入門)スパース推定法による統計モデリング(入門)
スパース推定法による統計モデリング(入門)Hidetoshi Matsui
 
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をするMasaru Tokuoka
 
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎統計的検定と例数設計の基礎
統計的検定と例数設計の基礎Senshu University
 
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装takehikoihayashi
 
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章Shuyo Nakatani
 
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]daiki hojo
 
ベータ分布の謎に迫る
ベータ分布の謎に迫るベータ分布の謎に迫る
ベータ分布の謎に迫るKen'ichi Matsui
 
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)Masaru Tokuoka
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理するHiroshi Shimizu
 
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル2 7.一般化線形混合モデル
2 7.一般化線形混合モデルlogics-of-blue
 
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Takashi J OZAKI
 
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編Hiroshi Shimizu
 
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会takehikoihayashi
 
質的変数の相関・因子分析
質的変数の相関・因子分析質的変数の相関・因子分析
質的変数の相関・因子分析Mitsuo Shimohata
 
1 6.変数選択とAIC
1 6.変数選択とAIC1 6.変数選択とAIC
1 6.変数選択とAIClogics-of-blue
 
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定2 4.devianceと尤度比検定
2 4.devianceと尤度比検定logics-of-blue
 
重回帰分析で交互作用効果
重回帰分析で交互作用効果重回帰分析で交互作用効果
重回帰分析で交互作用効果Makoto Hirakawa
 
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデルlogics-of-blue
 

What's hot (20)

臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
 
スパース推定法による統計モデリング(入門)
スパース推定法による統計モデリング(入門)スパース推定法による統計モデリング(入門)
スパース推定法による統計モデリング(入門)
 
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
 
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎統計的検定と例数設計の基礎
統計的検定と例数設計の基礎
 
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
 
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
 
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
 
ベータ分布の謎に迫る
ベータ分布の謎に迫るベータ分布の謎に迫る
ベータ分布の謎に迫る
 
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
 
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
 
2 3.GLMの基礎
2 3.GLMの基礎2 3.GLMの基礎
2 3.GLMの基礎
 
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
 
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
 
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
 
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
 
質的変数の相関・因子分析
質的変数の相関・因子分析質的変数の相関・因子分析
質的変数の相関・因子分析
 
1 6.変数選択とAIC
1 6.変数選択とAIC1 6.変数選択とAIC
1 6.変数選択とAIC
 
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
 
重回帰分析で交互作用効果
重回帰分析で交互作用効果重回帰分析で交互作用効果
重回帰分析で交互作用効果
 
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
 

Viewers also liked

ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33horihorio
 
Lancet特集号の理解: 研究の価値を高め無駄を減らす
Lancet特集号の理解: 研究の価値を高め無駄を減らすLancet特集号の理解: 研究の価値を高め無駄を減らす
Lancet特集号の理解: 研究の価値を高め無駄を減らすYasuyuki Okumura
 
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」Yasuyuki Okumura
 
データ活用をもっともっと円滑に! ~データ処理・分析基盤編を少しだけ~
データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~
データ活用をもっともっと円滑に! ~データ処理・分析基盤編を少しだけ~NTT DATA OSS Professional Services
 
ちょっと理解に自信がないな という皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
ちょっと理解に自信がないなという皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)ちょっと理解に自信がないなという皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
ちょっと理解に自信がないな という皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)hamaken
 
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)narumikanno0918
 
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料) 40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料) hamaken
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けRecruit Technologies
 
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門toilet_lunch
 
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話Ryota Kamoshida
 
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについてエクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについてHiroshi Shimizu
 

Viewers also liked (11)

ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
 
Lancet特集号の理解: 研究の価値を高め無駄を減らす
Lancet特集号の理解: 研究の価値を高め無駄を減らすLancet特集号の理解: 研究の価値を高め無駄を減らす
Lancet特集号の理解: 研究の価値を高め無駄を減らす
 
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」
 
データ活用をもっともっと円滑に! ~データ処理・分析基盤編を少しだけ~
データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~データ活用をもっともっと円滑に!~データ処理・分析基盤編を少しだけ~
データ活用をもっともっと円滑に! ~データ処理・分析基盤編を少しだけ~
 
ちょっと理解に自信がないな という皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
ちょっと理解に自信がないなという皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)ちょっと理解に自信がないなという皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
ちょっと理解に自信がないな という皆さまに贈るHadoop/Sparkのキホン (IBM Datapalooza Tokyo 2016講演資料)
 
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
 
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料) 40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
 
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
 
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
 
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについてエクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
 

Similar to ロジスティック回帰分析の書き方

ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法Masaru Tokuoka
 
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価Yoshitake Takebayashi
 
患者報告式アウトカム尺度における 臨床的意味のある変化の定め方
患者報告式アウトカム尺度における臨床的意味のある変化の定め方患者報告式アウトカム尺度における臨床的意味のある変化の定め方
患者報告式アウトカム尺度における 臨床的意味のある変化の定め方Yasuyuki Okumura
 
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例Sayuri Shimizu
 
中断時系列分析の書き方
中断時系列分析の書き方中断時系列分析の書き方
中断時系列分析の書き方Shuhei Ichikawa
 
6診断精度のメタアナリシス
6診断精度のメタアナリシス6診断精度のメタアナリシス
6診断精度のメタアナリシスSR WS
 
観察研究の系統的レビューのガイドライン.pdf
観察研究の系統的レビューのガイドライン.pdf観察研究の系統的レビューのガイドライン.pdf
観察研究の系統的レビューのガイドライン.pdfAtsushi Goto
 
臨床的有意性の書き方
臨床的有意性の書き方臨床的有意性の書き方
臨床的有意性の書き方Yasuyuki Okumura
 
「生存時間分析」の報告事例
「生存時間分析」の報告事例「生存時間分析」の報告事例
「生存時間分析」の報告事例yokomitsuken5
 
明日から読める無作為化比較試験: 行動療法研究に求められる統計学
明日から読める無作為化比較試験: 行動療法研究に求められる統計学明日から読める無作為化比較試験: 行動療法研究に求められる統計学
明日から読める無作為化比較試験: 行動療法研究に求められる統計学Yasuyuki Okumura
 
EBM中級編:Net effectより確実性
EBM中級編:Net effectより確実性EBM中級編:Net effectより確実性
EBM中級編:Net effectより確実性Hidemichi Yuasa
 
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通してEizen Kimura
 
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析Akisato Kimura
 
「診断精度研究のメタ分析」の入門
「診断精度研究のメタ分析」の入門「診断精度研究のメタ分析」の入門
「診断精度研究のメタ分析」の入門yokomitsuken5
 
反応性と解釈可能性の評価
反応性と解釈可能性の評価反応性と解釈可能性の評価
反応性と解釈可能性の評価Senshu University
 
Pet 治療プレゼン2
Pet 治療プレゼン2Pet 治療プレゼン2
Pet 治療プレゼン2Shuji Yamamoto
 
03 「重回帰分析」の入門
03 「重回帰分析」の入門03 「重回帰分析」の入門
03 「重回帰分析」の入門Shuhei Ichikawa
 
ネットワークメタ分析入門
ネットワークメタ分析入門ネットワークメタ分析入門
ネットワークメタ分析入門Senshu University
 

Similar to ロジスティック回帰分析の書き方 (20)

ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法ベイズ主義による研究の報告方法
ベイズ主義による研究の報告方法
 
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価
 
患者報告式アウトカム尺度における 臨床的意味のある変化の定め方
患者報告式アウトカム尺度における臨床的意味のある変化の定め方患者報告式アウトカム尺度における臨床的意味のある変化の定め方
患者報告式アウトカム尺度における 臨床的意味のある変化の定め方
 
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
 
中断時系列分析の書き方
中断時系列分析の書き方中断時系列分析の書き方
中断時系列分析の書き方
 
6診断精度のメタアナリシス
6診断精度のメタアナリシス6診断精度のメタアナリシス
6診断精度のメタアナリシス
 
観察研究の系統的レビューのガイドライン.pdf
観察研究の系統的レビューのガイドライン.pdf観察研究の系統的レビューのガイドライン.pdf
観察研究の系統的レビューのガイドライン.pdf
 
臨床的有意性の書き方
臨床的有意性の書き方臨床的有意性の書き方
臨床的有意性の書き方
 
「生存時間分析」の報告事例
「生存時間分析」の報告事例「生存時間分析」の報告事例
「生存時間分析」の報告事例
 
明日から読める無作為化比較試験: 行動療法研究に求められる統計学
明日から読める無作為化比較試験: 行動療法研究に求められる統計学明日から読める無作為化比較試験: 行動療法研究に求められる統計学
明日から読める無作為化比較試験: 行動療法研究に求められる統計学
 
Fact
FactFact
Fact
 
EBM中級編:Net effectより確実性
EBM中級編:Net effectより確実性EBM中級編:Net effectより確実性
EBM中級編:Net effectより確実性
 
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
正確性・連続性に関する考察 openEHRにおけるProblemの扱いの調査を通して
 
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
MIRU2011 OS1-2 拡張ペアワイズ表現を用いた一般化多変量解析
 
「診断精度研究のメタ分析」の入門
「診断精度研究のメタ分析」の入門「診断精度研究のメタ分析」の入門
「診断精度研究のメタ分析」の入門
 
反応性と解釈可能性の評価
反応性と解釈可能性の評価反応性と解釈可能性の評価
反応性と解釈可能性の評価
 
JPA2019 Symposium 3
JPA2019 Symposium 3JPA2019 Symposium 3
JPA2019 Symposium 3
 
Pet 治療プレゼン2
Pet 治療プレゼン2Pet 治療プレゼン2
Pet 治療プレゼン2
 
03 「重回帰分析」の入門
03 「重回帰分析」の入門03 「重回帰分析」の入門
03 「重回帰分析」の入門
 
ネットワークメタ分析入門
ネットワークメタ分析入門ネットワークメタ分析入門
ネットワークメタ分析入門
 

More from Sayuri Shimizu

大規模医療データベースを活用した治療効果研究の計画と報告:DB研究の手続き
大規模医療データベースを活用した治療効果研究の計画と報告:DB研究の手続き大規模医療データベースを活用した治療効果研究の計画と報告:DB研究の手続き
大規模医療データベースを活用した治療効果研究の計画と報告:DB研究の手続きSayuri Shimizu
 
ベイジアン・アダプティブ・デザイン報告事例
ベイジアン・アダプティブ・デザイン報告事例ベイジアン・アダプティブ・デザイン報告事例
ベイジアン・アダプティブ・デザイン報告事例Sayuri Shimizu
 
コンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshareコンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 SlideshareSayuri Shimizu
 
郵便番号二次医療圏対応表2014年度版の公開
郵便番号二次医療圏対応表2014年度版の公開郵便番号二次医療圏対応表2014年度版の公開
郵便番号二次医療圏対応表2014年度版の公開Sayuri Shimizu
 
全国保険医療機関薬局一覧2014年度版公開
全国保険医療機関薬局一覧2014年度版公開全国保険医療機関薬局一覧2014年度版公開
全国保険医療機関薬局一覧2014年度版公開Sayuri Shimizu
 
一般急性期病床における向精神薬処方実態:DPCデータを用いた分析
一般急性期病床における向精神薬処方実態:DPCデータを用いた分析一般急性期病床における向精神薬処方実態:DPCデータを用いた分析
一般急性期病床における向精神薬処方実態:DPCデータを用いた分析Sayuri Shimizu
 

More from Sayuri Shimizu (6)

大規模医療データベースを活用した治療効果研究の計画と報告:DB研究の手続き
大規模医療データベースを活用した治療効果研究の計画と報告:DB研究の手続き大規模医療データベースを活用した治療効果研究の計画と報告:DB研究の手続き
大規模医療データベースを活用した治療効果研究の計画と報告:DB研究の手続き
 
ベイジアン・アダプティブ・デザイン報告事例
ベイジアン・アダプティブ・デザイン報告事例ベイジアン・アダプティブ・デザイン報告事例
ベイジアン・アダプティブ・デザイン報告事例
 
コンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshareコンジョイント分析の書き方 Slideshare
コンジョイント分析の書き方 Slideshare
 
郵便番号二次医療圏対応表2014年度版の公開
郵便番号二次医療圏対応表2014年度版の公開郵便番号二次医療圏対応表2014年度版の公開
郵便番号二次医療圏対応表2014年度版の公開
 
全国保険医療機関薬局一覧2014年度版公開
全国保険医療機関薬局一覧2014年度版公開全国保険医療機関薬局一覧2014年度版公開
全国保険医療機関薬局一覧2014年度版公開
 
一般急性期病床における向精神薬処方実態:DPCデータを用いた分析
一般急性期病床における向精神薬処方実態:DPCデータを用いた分析一般急性期病床における向精神薬処方実態:DPCデータを用いた分析
一般急性期病床における向精神薬処方実態:DPCデータを用いた分析
 

ロジスティック回帰分析の書き方