More Related Content
Featured
Featured (20)
Backpain 자료 분석 보고
- 1. 2011학년도 2학기 의학 통계학 팀 프로젝트 20106127 박무승 20106143 이성주 20106129 송주연 20106153 이지현 December 10, 2011 의학통계학 팀 프로젝트 1
- 2. 추간판 탈출증 Backpain 통계 자료 개요 환자 대조군 연구(Case-Control Study) Backpain 소스 코드 주석 및 그 의미 그래프 해석 및 분석 December 10, 2011 의학통계학 팀 프로젝트 2
- 3. 추간판 척추의 추골 사이 위치 구부리는 것을 가능하게 함 척추원반 or 척추 디스크 추간판 탈출증 디스크 질긴 바깥쪽 껍질에 해 당하는 섬유가 찢어지거나 약 해져서 디스크 내용물이 밖으 로 흘러나오는 경우 대개 중년의 성인들에게서 발생 December 10, 2011 의학통계학 팀 프로젝트 3
- 4. 증상 흘러나온 디스크가 척추관내 척추신경 압박 다양한 신경 관련 증상 유발 통증, 감각저하, 근육 약화 등 심한 경우 방광이나 내장을 조 절하는 신경을 압박하여 소변 실금이나 내장조절기능에 장애 가 생기기도 함 December 10, 2011 의학통계학 팀 프로젝트 4
- 5. 디스크 노화 유전적 인자 개인적 위험인자 운전자, 컴퓨터 프로그래머 등 오랫동안 앉아서 일하는 직업군이 추간판 탈출증에 노출될 확률이 높다. December 10, 2011 의학통계학 팀 프로젝트 5
- 6. 열악한 도로 환경 울퉁불퉁한 도로 과속방지턱 열악한 업무 환경 장시간 운전으로 인한 피로와 스트레스, 교통체증, 짧 은 배차간격으로 인한 휴식 부족 등 앉아서 일함 서있을 때보다 앉아있을 때 2~3배 하중이 척추에 가 해짐. 육체적 움직임이 적은 좁은 운전석에 장시간 앉 음으로 인한 균형 붕괴
- 7. Driving and Back Pain Data 차를 운전하는 것과 급성 추간판 탈출증(Acute Herniated Lumbar Intervertebral Discs, AHLID)으 로 인한 요통 발생 사이의 관계 환자 대조군 연구(Case-Control Study) Case Group : AHLID 판정 Control Group : 척추와 관련 이상 없음 최종 여성 89쌍, 남성 128쌍 → 전체 217쌍 모집 December 10, 2011 의학통계학 팀 프로젝트 7
- 8. 통계에 사용된 변수 : 434명 & 4가지 요인 ID : 매칭된 짝의 번호 Status : Case or Control을 구분 Driver : 운전하는가의 여부를 구분 Suburban : 교외에 거주하는가의 여부를 구분 실험 대상 추출 과정 중에 교외 거주 여부 요인을 추 가로 알아냄으로써, Suburban 여부까지 Backpain과 관련있는지 조사하게 됨. December 10, 2011 의학통계학 팀 프로젝트 8
- 9. ID : 총 217쌍 조사 → 217번까지 존재 Status, Driver, Suburban : Yes or No 형태 → 2가지 답변 존재 ID(Pair Number) = Case 1명 + Control 1명 (Status에 기준한 구성) December 10, 2011 의학통계학 팀 프로젝트 9
- 10. 정의 연구하고자 하는 질병이 있는 집단(CASE)와 없는 집단(CONTROL)을 선정하여 질병의 발생과 관련되어 있으리라 생각하는 잠정적 위 험요인에 대한 두 집단의 과거 노출률을 비교 하는 방법
- 11. DESIGN CASE CONTROL 위험인자 위험인자 위험인자 위험인자 노출 비 노출 노출 비 노출
- 12. CASE 와 CONTROL을 위험인자 노출 여부에 따 라 각각 두 그룹으로 나눈 후 비율을 구하고 분석 왼쪽 그림에서 빨간색 선으로 표시된 너비의 차이가 위험인자에 대한 노출률의 차이이다.
- 13. 장점 시간과 비용 절약 비교적 드문 질병을 연구하기에 적합 한 질병에 관계되는 여러 위험요인을 동시에 조사하는 것이 가능
- 14. 단점 요인에 대한 노출률이 낮은 경우 수행하기 곤란 요인과 질병과의 시간적 선후관계 불분명
- 15. 전체적인 자료 탐색 – xtabs, ftable, addmargins 하나의 제 3요인을 바탕으로 제 1요인과 제 2요인을 서로 구분하여 2차원 table로 구성. 이 경우 Suburban의 factor 개수에 따라 표를 나눔 Flat Table. 3차원으로 나타날 수 있는 표를 평면적인 형태로 나타내는 것 2차원 table에 맨 끝하나씩 행렬을 추가하여 각 행과 열에 대한 부분합과 전체 합을 구한 것 December 10, 2011 의학통계학 팀 프로젝트 15
- 16. Driver 여부에 따른 발병률 차이 Xtabs : 자료를 2*2 table로 나타내는 것 가로축 Status 제 1요인, 세로축 Driver 제 2요인 Prop.table : 제 2요인에 근거, ( ) Driver Yes와 No 따로 각각 Case와 Control의 비율 나타내 는 것. E.g. Driver No & Case Group 0.372 + Driver No & Control Group 0.628 = Driver No 1 : 소수점 아래 셋째 자리 December 10, 2011 의학통계학 팀 프로젝트 16
- 17. Driver 여부에 따른 발병률 차이 앞의 xtabs table에 대한 chisq.test : 모든 표의 요인 이 이분법이므로 어느 하나의 수가 정해지면 나머 지 모든 표의 빈칸 요소가 저절로 결정된다. : 자료가 유의하다는 결론 December 10, 2011 의학통계학 팀 프로젝트 17
- 18. Suburban 여부에 따른 발병률 차이 December 10, 2011 의학통계학 팀 프로젝트 18
- 19. Conditional Logit 모델 적합 Driver & Suburban 설명변수를 이용하여 분석 모든 환자를 똑같이 취급할 수 없음 하나의 대표 값으로 나타내면 전체적인 Case 환자 분석 용이 December 10, 2011 의학통계학 팀 프로젝트 19
- 20. Conditional Logit 모델 적합 backpain_glm<-clogit(I(status == "case") ~ driver + suburban + strata(ID), data = backpain) , Driver과 Suburban 변수로 근거하여 분석 전체적인 윤곽 분석 (Summary 이용) December 10, 2011 의학통계학 팀 프로젝트 20
- 21. Conditional Logit 모델 적합 backpain_glm<-clogit(I(status == "case") ~ driver + suburban + strata(ID), data = backpain) , Driver과 Suburban 변수로 근거하여 분석 전체적인 윤곽 분석 (Summary 이용) December 10, 2011 의학통계학 팀 프로젝트 21
- 22. Conditional Logit 모델 적합 : 해당 조건에 속하는 도수의 크기를 직사각형 전체 넓이 중 일부에 나타냄으로써 크기를 비교할 수 있도록 한 Plot December 10, 2011 의학통계학 팀 프로젝트 22
- 23. a & b 높이 : driver가 아니면서 backpain일 비율 & driver가 아니면서 backpain이 아닐 비율 → c & d 높이 : driver이면서 backpain일 비율 & driver이면서 backpain이 아닐 비율 →
- 24. 오른쪽 위치한 mosaicplot (c,d) 너비 > 왼쪽 위치한 mosaicplot (a,b) 너비 → ( 운전을 하는 사람의 수 : 64+63=127, 운전을 하지 않는 사람의 수 : 26+47=73 )
- 25. Driver No & Backpain Yes : 0.372 < Driver No & Backpain No : 0.628 운전을 하지 않을 경우 backpain이 발생하지 않을 확률이 발생할 확률보다 높음 Driver Yes & Backpain Yes : 0.532 > Driver Yes & Backpain No : 0.468 운전을 할 경우 backpain이 발생할 확률이 그렇지 않을 확률보다 높음
- 26. Driver가 아니면서 backpain일 경우에 해당하는 mosaicplot(a)의 높이와 Driver이면서 backpain일 경우에 해당하는 mosaicplot(c)의 높이의 차이 : 0.532 - 0.372 =
- 27. 오른쪽 위치한 mosaicplot (c,d) 너비 > 왼쪽 위치한 mosaicplot (a,b) 너비 → ( 운전을 하는 사람의 수 : 64+63=127, 운전을 하지 않는 사람의 수 : 26+47=73 )
- 28. a & b 높이 : suburban이 아니면서 backpain일 비율 & suburban이 아니면서 backpain이 아닐 비율 → c & d 높이 : suburban이면서 backpain일 비율 & suburban이면서 backpain이 아닐 비율 →
- 29. 오른쪽에 위치한 mosaicplot들(c,d)의 너비와 왼쪽에 위치 한 mosaicplot들(a,b)의 너비의 길이가 크게 차이가 나지 않음 → (교외에 거주하는 사람의 수 : 127+107=234, 교 외에 거주하지 않는 사람의 수 : 90+110=200 )
- 30. 전에 살펴본 driver-backpain mosaicplot과 달리 a,b의 높이 차와 c,d의 높이 차가 크게 두드러지지 않는다. Suburban이 아니면서 backpain일 경우에 해당하는 mosaicplot(a)의 높이와 suburban이면서 backpain일 경우에 해당하는 mosaicplot(c)의 높이의 차이 : 0.543 - 0.450 =
- 31. 빨간색 선(0.16) > 파란색 선(0.093)
- 32. 이 case control study는 위험인자로 생각되는 운전이 정말로 backpain에 영향 을 끼치는지에 대한 연구이다. Driver 여부에 따른 발병률 차이에 대한 자료가 유의성이 있었다. 또한 운전과 병 사이의 관련 또한 유의한 것 으로 나타났다.
- 33. 실험 대상 추출 과정 중 교외 거주 여부라는 요인이 추가되었고, 그에 따라 추가로 suburban과 backpain 사이의 유의성도 검 증하였다. 유의성 검증 결과 suburban은 backpain과 상관관계가 없었다.
- 34. 서론에서 밝혔듯이 운전은 추간판 탈 출증을 일으킬 수 있는 요인이 될 수 있다. 운전은 개인적 위험요인이 됨을 자료 분 석을 통해 확인하였다. 운전은 추간판 탈출증과 관련이 있다.