Downloaded 92 times
More Related Content
Similar to 20161106予測指標の作り方当日1031 配布版
20161106予測指標の作り方当日1031 配布版
- 1.
- 2.
- 3.
- 4. そのための行動目標 ・EQUATOR networkについて説明できる ・TRIPOD statementについて説明できる ・予測指標とは何か説明できる ・診断精度研究の枠組みを説明できる ・診断の予測指標研究をTRIPODの枠組みに 分けて説明することができる ・EZRを用いて ロジスティック回帰分析を実施できる β値と95%信頼区間を見て変数選択ができる callibration,discrimination, internal validation, external validationが実施できる 4
- 5. 今日の行動目標 ・EQUATOR networkについて説明できる ・TRIPOD statementについて説明できる ・予測指標とは何か説明できる ・診断精度研究の枠組みを説明できる ・診断の予測指標研究をTRIPODの枠組みに 分けて説明することができる ・EZRを用いて ロジスティック回帰分析を実施できる β値と95%信頼区間を見て変数選択ができる callibration,discrimination, internal validation, external validationが実施できる 5
- 6.
- 7. 復習 EQUATOR networkについての以下の文章で正し いものを全て選べ • 赤道に位置する国の集まった国際会議のことであ る •臨床研究の透明性があり正確な報告を推進してい るネットワークである • 臨床研究の報告のためのガイドラインを作成して いる • CONSORT声明は、観察研究の報告のためのガイ ドラインである • STARD声明は、診断精度研究の報告のためのガ イドラインである 7
- 8. 復習 EQUATOR networkについての以下の文章で正し いものを全て選べ X 赤道に位置する国の集まった国際会議のことであ る ○臨床研究の透明性があり正確な報告を推進してい るネットワークである ○ 臨床研究の報告のためのガイドラインを作成して いる X CONSORT声明は、観察研究の報告のためのガイ ドラインである →ランダム化比較試験 ○ STARD声明は、診断精度研究の報告のためのガ イドラインである 8
- 9. TRIPOD statementについての以下の文章で正し いものを全て選べ • 写真を撮影するための三脚の国際規格である •予測指標研究のバイアスを評価するためのガイド ラインである →PROBAST • 予測指標の報告のためのガイドラインである • チェックリスト、説明と詳細の二部構成になって いる • H・G・ウェルズの小説に出てくる火星人の名称 である 9
- 10. TRIPOD statementについての以下の文 章で正しいものを全て選べ X 写真を撮影するための三脚の国際規格である X予測指標研究のバイアスを評価するためのガイド ラインである →PROBAST O 予測指標の報告のためのガイドラインである チェックリスト、説明と詳細の二部構成になってい る X H・G・ウェルズの小説に出てくる火星人の名称 である 10
- 11. 予測指標についての以下の文章で正しいもの を全て選べ • いくつかの臨床指標を組み合わせて、アウトカ ムを予測するモデルのことである • 診断の予測指標と予後の予測指標の2種類があ る •CHADS2は診断の予測指標である • Wellsスコアは診断の予測指標である 11
- 12. 予測指標についての以下の文章で正しいも のを全て選べ ○ いくつかの臨床指標を組み合わせて、アウト カムを予測するモデルのことである ○ 診断の予測指標と予後の予測指標の2種類があ る XCHADS2は診断の予測指標である→予後 ○ Wellsスコアは診断の予測指標である 12
- 13. 診断精度研究についての以下の文章で正しいものを全て選べ • 最もシンプルな診断精度研究は、ある対象全員（P）に対 して、疾患を定義する検査（T）と新たに調べたい検査 （I）を行い、その結果を感度や特異度といった指標（O） でまとめたものである。 • 感度は疾患を持たない対象者のうちで、検査が陰性になる 割合である •検査のカットオフ値を変化させても、感度と特異度は変化 しない • ROC下面積が大きければ、無条件に良い検査である 13
- 14. 診断精度研究についての以下の文章で正しいものを全て選べ ○ 最もシンプルな診断精度研究は、ある対象全員（P）に対して、 疾患を定義する検査（T）と新たに調べたい検査（I）を行い、その 結果を感度や特異度といった指標（O）でまとめたものである。 X 感度は疾患を持たない対象者のうちで、検査が陰性になる割合で ある:PID (positive in disease)と NIH(negative in health) X 検査のカットオフ値を変化させても、感度と特異度は変化しない X ROC下面積が大きければ、無条件に良い検査である →どういう状況で使いたいのか、状況に依存 感度、特異度のどっちが重要？ 14
- 15. 今日の前半のお題 Identifying Patients withBacteremia in Community-Hospital Emergency Rooms: A Retrospective Cohort Study Taro Takeshima , Yosuke Yamamoto, Yoshinori Noguchi, Nobuyuki Maki, Koichiro Gibo, Yukio Tsugihashi, Asako Doi, Shingo Fukuma, Shin Yamazaki, Eiji Kajii, Shunichi Fukuhara Published: March 29, 2016 http://journals.plos.org/plosone/article?id=10.1371/journal .pone.0148078 15
- 16.
- 17.
- 18.
- 19.
- 20.
- 21.
- 22. 検査の臨床疑問の構造化は今回はこれを使います PI(C)OT（ぴこてぃー） P: 対象患者 (population:どんな検査をすでに受 けて、どのようなプレゼンテーションか) I: みたい検査 (index test: 目的は代替?/add on?/triage?) C: みたい検査と比較する検査 (comparator) O: 診断精度の指標 (outcome) T: みたい病気を定義するもの (target condition) 22
- 23.
- 24. 予測指標研究の理解／実施のための構造 T: Type ofstudy R: Research objectives I: Index rule P: Participants O: Outcome D: Diagnostic/prognostic performance measures 24 TRIPOD声明日本語翻訳プロジェクトチーム2016(投稿中)
- 25. 予測指標研究の理解／実施のための構造 TRIPOD PICOT T: Typeof study R: Research objectives I: Index rule I P: Participants P O: Outcome T D: Diagnostic/prognostic performance measures O 25
- 26. Type of study -Single gate? Twogate? -What kind of data sources? Research objectives -Rationale? -Diagnostic/ prognostic? -Derivation/ Validation? Index rule -What kind of rules? Participants -Who included? -Who excluded? Outcome -What kind of outcomes were predicted? -How outcomes were measured? Diagnostic/ prognostic performa- nce measures -Which performance measures? -How much the measures? Item 4a* Item 1, 2, 3a, 3b Item 15a, b Item 5a, 5b, 5c, 13a, 13b, 13c Item 6a, 6b, 14a, 14b Item 10d, 16
- 27.
- 28. T: Type ofstudy 入り口は一つ？/２つ? どんなデータソース？ 28
- 29. 解説: 診断予測研究の“single-gate” or“two-gate” 29 対象となる疾患の含まれる集団 新規検査法 ゴールド・スタンダード を同時に実施 疾患あり 疾患なし （健常者を含 む） 新規検査法 新規検査法 コホート型 ケースコントロール型
- 30. T: Type ofstudy 入り口は一つ？/２つ? どんなデータソース？ (書いてありそうな場所は) 30 9:25
- 31.
- 32. 解説：入り口 Setting The setting was4 community hospitals in Japan The data were obtained from patients aged 16 years and older who had undergone blood-culture testing while in the ER between 1 April 2011 and 31 March 2012. 32
- 33.
- 34. R: Research objectives Checklist:(item 1, 2, 3a, 3b) 何が新しい？ 診断？予後？ 開発？検証？ 34 9:33
- 35.
- 36. 解説：開発／検証 37 開発 開発 検証 開発 検証 検証 データセット Figure1開発：development, 検証: validation
- 37. R: Research objectives Checklist:(item 1, 2, 3a, 3b) 何が新しい？ 診断？予後？ 開発？検証？ 38 9:40
- 38.
- 39. 解説 何が新しい？ which will overcomesome of the limitations of prior studies. 40
- 40. 解説 診断？予後？ new prediction ruleto identify bacteremia 41
- 41. 解説 開発？検証？ we report onthe development and testing 42
- 42. 解説 開発？検証？ Derivation data camefrom the Japanese Red Cross Nagoya Daini Hospital, Okinawa General Hospital, and Shizuoka General Hospital Validation data came from Tenri Hospital 43
- 43. I: Index rule Item:15a, b 何を予測するどんな指標？ 44 9:45
- 44.
- 45.
- 46. 解説 何を予測するどんな指標？ • 菌血症を予測 • theID-BactER score 47
- 47. P: Participants Iteｍ: item5a, 5b, 5c, 13a, 13b, 13c 誰が組み入れ？ 誰が除外？ 48 9:53
- 48.
- 49.
- 50.
- 51. 解説 Discussionにも community hospitals onlyin Japan, which could reduce the external validity. Further testing with data from other countries is certainly needed. 52 開発 検証 検証 New !今回の研究
- 52. O: Outcome Item: 6a,6b, 14a, 14b （対象者の）どんなアウトカムを予想？ どうやって測定？ 53 10:00
- 53.
- 54. 解説 どうやって測定？ True bacteremia wasdefined as growth of known pathogenic bacteria in 1 blood culture or as growth of common skin pathogens in 2 blood cultures. 55
- 55. 解説 ・アウトカム評価時のマスク化? True bacteremia wasdistinguished from contamination by the judgment of 2 physicians working independently, each of whom had more than 10 years of clinical experience. They referred to the results of at least 2 blood cultures and to the patient’s clinical course. …やりようがない 56
- 56. D: Diagnostic/prognostic performancemeasures Item: 16 どんな評価指標で性能を評価？ 性能はどの程度？ 57 10:15
- 57.
- 58.
- 59.
- 60.
- 61. 予測指標研究の理解／実施のための構造 T: Type ofstudy R: Research objectives I: Index rule P: Participants O: Outcome D: Diagnostic/prognostic performance measures 62 TRIPOD声明日本語翻訳プロジェクトチーム2016(投稿中)
- 62. ID-BactER score T: 開発、検証 R:これまでより広い対象で I: ERでよく使われる項目を用いた菌血症予 測ルール P: 日本の4つの大規模市中病院のERで血培 O: 血培、カルテデータを用いた菌血症診断、 二人の医師によって実施 D: callibrationとAUCを用いた discrimination、感度を重視したカットオフ を決めた 63
- 63. 今日の行動目標 ・EQUATOR networkについて説明できる ・TRIPOD statementについて説明できる ・予測指標とは何か説明できる ・診断精度研究の枠組みを説明できる ・診断の予測指標研究をTRIPODの枠組みに 分けて説明することができる ・EZRを用いて ロジスティック回帰分析を実施できる β値と95%信頼区間を見て変数選択ができる callibration,discrimination, internal validation, external validationが実施できる 64
- 64.
- 65.
- 66.
- 67.
- 68.
- 69.
- 70. 今日の行動目標 ・EQUATOR networkについて説明できる ・TRIPOD statementについて説明できる ・予測指標とは何か説明できる ・診断精度研究の枠組みを説明できる ・診断の予測指標研究をTRIPODの枠組みに 分けて説明することができる ・EZRを用いて ロジスティック回帰分析を実施できる β値と95%信頼区間を見て変数選択ができる callibration,discrimination, internal validation, external validationが実施できる 71
- 71. 今日の行動目標 ・EQUATOR networkについて説明できる ・TRIPOD statementについて説明できる ・予測指標とは何か説明できる ・診断精度研究の枠組みを説明できる ・診断の予測指標研究をTRIPODの枠組みに 分けて説明することができる ・EZRを用いて ロジスティック回帰分析を実施できる β値と95%信頼区間を見て変数選択ができる callibration,discrimination, internal validation, external validationが実施できる 72
- 72.
- 73. まずは用語の復習と整理 • 開発 • Derivation •Development 基本的に同じ意味です 開発用データセットから予測モデルを 作ること 74
- 74. ・検証 ・validation 作成済みの予測モデルが、 別のデータセットにどの程度当てはまるか 測定すること • 内的検証（internal validation） →開発データセットを少し改変して使う •外的検証（external validation） →別データセットを使う 75
- 75. ID-BactER score T: 開発、(外的)検証 R:これまでより広い対象で I: ERでよく使われる項目を用いた菌血症予測 ルール P: 日本の4つの大規模市中病院 O: 血培、カルテデータを用いた菌血症診断、 二人の医師によって実施 D: calibration:図とH-L検定 discrimination: AUC、内的/外的検証 感度を重視したカットオフを決めた 76
- 76.
- 77.
- 78.
- 79.
- 80.
- 81.
- 82.
- 83.
- 84.
- 85.
- 86.
- 87.
- 88.
- 89.
- 90.
- 91. どの検定を選ぶのか？© 山崎新先生 アウトカム変数 2値連続 生存時間 分布の記述 頻度集計 分割表 ヒストグラム 平均、SD Kaplan-Meier法 単変量解析 カイ二乗検定 （または フィッシャー検定） リスク比の推定 T検定 F検定 平均値の差 Log-rank検定 率比の推定 93 お経ですね
- 92.
- 93. ※変数は少なめにしてます！ 95 Age65, bt380, bun20,chill, ldh400, wbc15 bac_dr (0が菌血症なし、1があり) カイ２乗検定 今回はNo hospital < 1 開発セットに限定！
- 94. こんな結果になりました？ bac_dr=0 bac_dr=1 カイ２乗検定のP値 age65=0230 31 1.43e-05 age65=1 562 184 bt380=0 391 73 1.69e-05 bt380=1 374 139 bun20=0 446 88 5.67e-05 bun20=1 345 127 chill=0 620 137 9.31e-07 chill=1 157 78 ldh400=0 698 183 0.105 ldh400=1 82 31 wbc15=0 633 161 0.072 wbc15=1 147 52 96 ※ e-10は、10の-10乗の意味
- 95. bac_dr=0 bac_dr=1 カイ２乗検定のP値 age65=0230 31 1.43e-05 age65=1 562 184 bt380=0 391 73 1.69e-05 bt380=1 374 139 bun20=0 446 88 5.67e-05 bun20=1 345 127 chill=0 620 137 9.31e-07 chill=1 157 78 ldh400=0 698 183 0.105 ldh400=1 82 31 wbc15=0 633 161 0.072 wbc15=1 147 52 今回の変数選択のやり方は 97 ※ e-10は、10の-10乗の意味 Only predictors with a p value of less than 0.05 were kept in the final model.
- 96.
- 97.
- 98. オッズ比 95%信頼区間下限 95%信頼区間上限P値 (Intercept) 0.0567 0.0351 0.0915 6.74e-32 age65 2.2800 1.4800 3.5100 1.89e-04 bt380 1.9100 1.3600 2.6800 1.67e-04 bun20 1.9800 1.4200 2.7700 5.87e-05 chill 2.3200 1.6200 3.3100 3.79e-06 100
- 99. ※ここ以降はコピペできます。Wordをご確認ください 101 fit <- glm(formula= bac_dr ~ age65 + bt380 + bun20 + chill, family = "binomial", data=Dataset, subset=hospital < 1) summary(fit) 選択して実行
- 100. これがベータ係数（傾き） Coefficients: Estimate Std. Errorz value Pr(>|z|) (Intercept) -2.8699 0.2442 -11.754 < 2e-16 *** age65 0.8234 0.2205 3.734 0.000189 *** bt380 0.6484 0.1722 3.765 0.000167 *** bun20 0.6847 0.1704 4.018 5.87e-05 *** chill 0.8401 0.1817 4.623 3.79e-06 *** 102 Pが血培陽性の起こる確率とすると Log(p/(1-p)) = -2.86+0.82*(65歳以上)+0.64*(体温が38℃以上) +0.68*(BUNが20以上)+0.84*(悪寒あり) あり:1、なし0
- 101. 点数化 Coefficients: age65 bt380 bun20chill 0.8234 0.6484 0.6847 0.8401 103 便宜上、全部1点ずつに！ Ageとchillを4点 bt380とbunを3点とする やり方も考えられます 結果がどの程度の当てはまりを持つかは この後のステップで検証します
- 102.
- 103.
- 104.
- 105. できあがり！ bac_dr=0 bac_dr=1 score=0 521 score=1 213 24 score=2 316 91 score=3 143 66 score=4 26 30 107 ※先ほど使った2群の比較機能を使えば作れます
- 106. 今日の行動目標 ・EQUATOR networkについて説明できる ・TRIPOD statementについて説明できる ・予測指標とは何か説明できる ・診断精度研究の枠組みを説明できる ・診断の予測指標研究をTRIPODの枠組みに 分けて説明することができる ・EZRを用いて ロジスティック回帰分析を実施できる β値と95%信頼区間を見て変数選択ができる callibration,discrimination, internal validation, external validationが実施できる 108
- 107.
- 108.
- 109.
- 110.
- 111.
- 112.
- 113.
- 114.
- 115.
- 116. 続いてロードしましょう 118 library (rms) library (ResourceSelection) library(pROC) ※以降はプログラムのコピペで 各班で進めてください
- 117.
- 118.
- 119.
- 120. まとめ こんな人にお勧め 予測モデル研究 • 職人芸的な確率の見積もりを数値化し てみたい • いきなり前向き研究はハードルが高い →既存のデータベースを使ってできる •斬新なリサーチクエスチョンが思いつかない →既存のルールの検証研究(external validation)も意味がある 122
- 121.
- 122.
- 123.
- 124. 126 まずはこちらを見てみましょう。 『All You NeedIs Kill』IMAX予告編 https://www.youtube.com/watch?v =nBs7vxHCvzg
- 125. （仮説）検定： 以下の様な研究結果が出ました 体重減少 あり 体重減少 なし 合計 エステに 通った 40 5090 エステに 通わなかった 20 70 90 合計 60 120 180 127 体重減少のあったリスク差は？リスク比は？
- 126. （仮説）検定： 以下の様な研究結果が出ました 体重減少 あり 体重減少 なし 合計 エステに 通った 40 5090 エステに 通わなかった 20 70 90 合計 60 120 180 128 リスク差 40/90 – 20/90 ≒ 0.44- 0.22 = 0.22 リスク比 40/90 / (20/90) = 2
- 127.
- 128.
- 129.
- 130.
- 131.
- 132. Welcome to the“P” world 134 0.05
- 133.
- 134.
- 135.
- 136. 仮に人数が10倍だったら 138 体重減少 あり 体重減少 なし 合計 エステAに 通った 400 500 900 エステAに 通わなかった 200700 900 合計 600 1200 1800 400人よりも多い人が体重減少する確率 < 0.000001
- 137.
- 138.
- 139.
Editor's Notes
- #11 https://upload.wikimedia.org/wikipedia/commons/5/5a/War-of-the-worlds-tripod.jpg
- #18 https://ja.wikipedia.org/wiki/%E9%AA%B8%E9%AA%A8
- #20 https://upload.wikimedia.org/wikipedia/commons/3/34/%E9%A3%9B%E3%81%B3%E5%87%BA%E3%81%97%E3%83%9A%E3%82%B3%E3%81%A1%E3%82%83%E3%82%93.JPG
- #28 https://pixabay.com/ja/%E9%A3%9F%E7%B3%A7-%E3%82%B5%E3%83%B3%E3%83%89%E3%82%A4%E3%83%83%E3%83%81-%E9%A3%9F%E4%BA%8B-%E6%98%BC%E9%A3%9F-%E5%A4%95%E6%96%B9-%E6%96%99%E7%90%86-%E9%A3%9F%E3%81%B9%E7%89%A9%E3%81%AE%E5%86%99%E7%9C%9F-1351286/ https://thenounproject.com/search/?q=lecture&i=1499 https://pixabay.com/static/uploads/photo/2015/09/09/19/03/sandwich-932646_960_720.jpg
- #41 Attempts to devise a quick procedure to identify patients with bacteremia have had only limited success. [12] Some are useful only in elderly patients [13] or only in those with urinarytract infections [14] or with pneumonia. [15] Others require complex calculations, [16] or use rare or difficult-to-obtain measurements. [17, 18] While some studies reported rules for predicting hospital-acquired bacteremia, [3, 13, 16, 19–21] at least three procedures have been developed to identify community acquired bacteremia among ER patients. [17, 18, 22] They were developed using data from one university hospital each, so their utility in ERs of various community hospitals is unclear. In addition, they use bands or procalcitonin values, which are Identifying Patients with Bacteremia in Community-Hospital Emergency Rooms PLOS ONE | DOI:10.1371/journal.pone.0148078 March 29, 2016 2 / 17 usually not available in ERs of community hospitals, [17, 18] and their development did not include validation studies. [18, 22]
- #61 青いのがAUCROC ただし、ベースラインモデルに加えた場合！！！ 下は各criteriaを比較した場合のp値 上はcronbach α
- #66 https://pixabay.com/ja/%E4%BC%9A%E8%AD%B0-%E4%BA%BA-%E3%83%86%E3%83%BC%E3%83%96%E3%83%AB-%E7%A7%91%E5%AD%A6%E8%80%85-%E3%83%87%E3%82%A3%E3%83%99%E3%83%BC%E3%83%88-%E3%83%87%E3%82%A3%E3%82%B9%E3%82%AB%E3%83%83%E3%82%B7%E3%83%A7%E3%83%B3-152506/ https://pixabay.com/ja/%E6%80%9D%E8%80%83-%E5%9B%B3-%E4%BA%BA-%E9%9D%92-%E3%82%B9%E3%83%86%E3%82%A3%E3%83%83%E3%82%AF%E5%9B%B3-%E8%80%83%E6%85%AE%E3%81%97%E3%81%BE%E3%81%99-%E3%82%B3%E3%83%B3%E3%82%BB%E3%83%97%E3%83%88-%E6%96%87%E5%AD%97-25548/
- #68 https://pixabay.com/ja/%E4%BC%9A%E8%AD%B0-%E4%BA%BA-%E3%83%86%E3%83%BC%E3%83%96%E3%83%AB-%E7%A7%91%E5%AD%A6%E8%80%85-%E3%83%87%E3%82%A3%E3%83%99%E3%83%BC%E3%83%88-%E3%83%87%E3%82%A3%E3%82%B9%E3%82%AB%E3%83%83%E3%82%B7%E3%83%A7%E3%83%B3-152506/ https://pixabay.com/ja/%E6%80%9D%E8%80%83-%E5%9B%B3-%E4%BA%BA-%E9%9D%92-%E3%82%B9%E3%83%86%E3%82%A3%E3%83%83%E3%82%AF%E5%9B%B3-%E8%80%83%E6%85%AE%E3%81%97%E3%81%BE%E3%81%99-%E3%82%B3%E3%83%B3%E3%82%BB%E3%83%97%E3%83%88-%E6%96%87%E5%AD%97-25548/
- #69 https://pixabay.com/ja/%E4%BC%9A%E8%AD%B0-%E4%BA%BA-%E3%83%86%E3%83%BC%E3%83%96%E3%83%AB-%E7%A7%91%E5%AD%A6%E8%80%85-%E3%83%87%E3%82%A3%E3%83%99%E3%83%BC%E3%83%88-%E3%83%87%E3%82%A3%E3%82%B9%E3%82%AB%E3%83%83%E3%82%B7%E3%83%A7%E3%83%B3-152506/ https://pixabay.com/ja/%E6%80%9D%E8%80%83-%E5%9B%B3-%E4%BA%BA-%E9%9D%92-%E3%82%B9%E3%83%86%E3%82%A3%E3%83%83%E3%82%AF%E5%9B%B3-%E8%80%83%E6%85%AE%E3%81%97%E3%81%BE%E3%81%99-%E3%82%B3%E3%83%B3%E3%82%BB%E3%83%97%E3%83%88-%E6%96%87%E5%AD%97-25548/
- #70 https://pixabay.com/ja/%E4%BC%9A%E8%AD%B0-%E4%BA%BA-%E3%83%86%E3%83%BC%E3%83%96%E3%83%AB-%E7%A7%91%E5%AD%A6%E8%80%85-%E3%83%87%E3%82%A3%E3%83%99%E3%83%BC%E3%83%88-%E3%83%87%E3%82%A3%E3%82%B9%E3%82%AB%E3%83%83%E3%82%B7%E3%83%A7%E3%83%B3-152506/ https://pixabay.com/ja/%E6%80%9D%E8%80%83-%E5%9B%B3-%E4%BA%BA-%E9%9D%92-%E3%82%B9%E3%83%86%E3%82%A3%E3%83%83%E3%82%AF%E5%9B%B3-%E8%80%83%E6%85%AE%E3%81%97%E3%81%BE%E3%81%99-%E3%82%B3%E3%83%B3%E3%82%BB%E3%83%97%E3%83%88-%E6%96%87%E5%AD%97-25548/
- #71 https://pixabay.com/ja/%E4%BC%9A%E8%AD%B0-%E4%BA%BA-%E3%83%86%E3%83%BC%E3%83%96%E3%83%AB-%E7%A7%91%E5%AD%A6%E8%80%85-%E3%83%87%E3%82%A3%E3%83%99%E3%83%BC%E3%83%88-%E3%83%87%E3%82%A3%E3%82%B9%E3%82%AB%E3%83%83%E3%82%B7%E3%83%A7%E3%83%B3-152506/ https://pixabay.com/ja/%E6%80%9D%E8%80%83-%E5%9B%B3-%E4%BA%BA-%E9%9D%92-%E3%82%B9%E3%83%86%E3%82%A3%E3%83%83%E3%82%AF%E5%9B%B3-%E8%80%83%E6%85%AE%E3%81%97%E3%81%BE%E3%81%99-%E3%82%B3%E3%83%B3%E3%82%BB%E3%83%97%E3%83%88-%E6%96%87%E5%AD%97-25548/
- #94 これだけです！ 「お経」として覚えてしまいましょう。
- #102 confint(fit)
- #112 青いのがAUCROC ただし、ベースラインモデルに加えた場合！！！ 下は各criteriaを比較した場合のp値 上はcronbach α
- #126 リスク差 40/90 – 20/90 ≒ 0.44- 0.22 = 0.22 リスク比 40/90 / (20/90) = 2
- #127 ALL YOU NEED IS KILL, 2014
- #128 リスク差 40/90 – 20/90 ≒ 0.44- 0.22 = 0.22 リスク比 40/90 / (20/90) = 2
- #131 60/180
- #132 実際のリスク差 0.34 0回 https://en.wikipedia.org/wiki/P-value
- #133 実際のリスク差 0.34 0回 https://en.wikipedia.org/wiki/P-value
- #134 https://pixabay.com/ja/%E3%82%AD%E3%83%A5%E3%83%BC%E3%83%96-%E3%82%AB%E3%83%A9%E3%83%95%E3%83%AB-%E9%80%8F%E6%98%8E-%E3%83%9F%E3%83%A9%E3%83%BC-%E9%81%8B-%E3%82%AF%E3%83%A9%E3%83%83%E3%83%97%E3%82%B9-%E7%9E%AC%E9%96%93%E3%81%AE%E9%80%9F%E3%81%95-769344/
- #135 https://pixabay.com/ja/%E3%82%B9%E3%82%B1%E3%83%BC%E3%83%AB-%E7%A2%BA%E7%8E%87-%E7%B5%B1%E8%A8%88-0-1-%E7%AF%84%E5%9B%B2-%E6%A0%A1%E6%AD%A3-%E8%A1%8C-%E9%96%93%E9%9A%94-%E6%B8%AC%E5%AE%9A-24167/