Submit Search
Upload
生存時間分析数理の基礎
•
2 likes
•
1,908 views
Koichiro Gibo
Follow
そういえば、打ち切りについて記載するの忘れていた..
Read less
Read more
Science
Report
Share
Report
Share
1 of 36
Download now
Download to read offline
Recommended
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
Interrupted time-series design Primer
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
最尤推定やベイズ推定の基本がようやく理解できたため,かみ砕いて説明したプレゼンを作りました.
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
広島大学で行われた,ベイズ推定による多変量解析入門WSで発表した資料です。階層線形モデルをベイズ推定する話についてまとめています。 発表者のWebサイト:norimune.net
Tokyo.R #46 Cox比例ハザードモデルとその周辺
Tokyo.R #46 Cox比例ハザードモデルとその周辺
kikurage1001
Tokyo.R #46 の資料です。
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
操作変数法の書き方_田淵貴大
操作変数法の書き方_田淵貴大
Takahiro Tabuchi
操作変数法を使ったことがない者による操作変数法の書き方の紹介。もし適切な操作変数をみつけることができたら幸せですね。
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
日本社会心理学会第6回春の方法論セミナー「社会心理学者のための時系列分析入門」小森担当分.下記リンク「時系列地獄めぐりMAP.pdf」と一緒にご覧ください https://drive.google.com/file/d/1mr73_49oTWHp7yiGrqUITOWQMTgaqmFi/view?usp=sharing
Recommended
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
Interrupted time-series design Primer
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
最尤推定やベイズ推定の基本がようやく理解できたため,かみ砕いて説明したプレゼンを作りました.
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
広島大学で行われた,ベイズ推定による多変量解析入門WSで発表した資料です。階層線形モデルをベイズ推定する話についてまとめています。 発表者のWebサイト:norimune.net
Tokyo.R #46 Cox比例ハザードモデルとその周辺
Tokyo.R #46 Cox比例ハザードモデルとその周辺
kikurage1001
Tokyo.R #46 の資料です。
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
操作変数法の書き方_田淵貴大
操作変数法の書き方_田淵貴大
Takahiro Tabuchi
操作変数法を使ったことがない者による操作変数法の書き方の紹介。もし適切な操作変数をみつけることができたら幸せですね。
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
日本社会心理学会第6回春の方法論セミナー「社会心理学者のための時系列分析入門」小森担当分.下記リンク「時系列地獄めぐりMAP.pdf」と一緒にご覧ください https://drive.google.com/file/d/1mr73_49oTWHp7yiGrqUITOWQMTgaqmFi/view?usp=sharing
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Koichiro Gibo
有名な1983年のRubin&Rosenbaumの論文をナナメ読みしていきます
生存時間分析の書き方
生存時間分析の書き方
Yasuyuki Okumura
臨床疫学研究における報告の質向上のための統計学の研究会 http://blue.zero.jp/yokumura/workshop.html
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
第一回精神科診断学セミナー
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
ベイズ統計WS「心理学者のためのベイズ 統計学」にて、「社会心理学における事例: ベイズモデリングで見る因子分析」での発表資料です。
傾向スコアの概念とその実践
傾向スコアの概念とその実践
Yasuyuki Okumura
傾向スコア分析の解説資料
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
質的変数(順序尺度)に有用なポリコリック相関係数を紹介しています。 また、ポリコリック相関係数を使った因子分析の方法も説明しています。
機械学習による生存予測
機械学習による生存予測
Yasuaki Sakamoto
3月のマンスリーセミナーでは、機械学習を使った生存分析をテーマにワークショップを実施します。例えば、機械の不具合や生物の死といった、ある事象が起こるまでの時間を予測する手法を学ぶことができます。
[DL輪読会]ICLR2020の分布外検知速報
[DL輪読会]ICLR2020の分布外検知速報
Deep Learning JP
2019/09/27 Deep Learning JP: http://deeplearning.jp/seminar-2/
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
基礎からのベイズ統計学入門 輪読会#4 LT資料 http://stats-study.connpass.com/event/27129/
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
基礎からのベイズ統計学 輪読会 #2 (2015/12/10)発表資料 「第4章 メトロポリス・ヘイスティングス法」 Pythonデモンストレーションコード@GitHub → https://github.com/matsuken92/Qiita_Contents/blob/master/Bayes_chap_04/Bayes-stat_chapter04.ipynb
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
星野「調査観察データの統計科学」の読書スライドです。 社内勉強会で使った資料がベースです。 第3章の傾向スコアを紹介しています。
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
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〜 第4回臨床研究実践講座ワークショップ 2020/2/27 (⽊) 12:30~16:30 JAM⾦属労働会館3階 301・302会議室
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
稚拙ですが、Stanの便利な事後処理関数をまとめました。 間違いがあればご指摘いただけると幸いです。
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Koichiro Gibo
日本語での理論的な資料があまりにも少ないので一応作ってみました。大きなミスはないと思いますが、厳密な議論は飛ばしたりしています。 11/6 リバイズしました
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
horihorio
時系列解析を実際のデータやビジネスに適用する場合には、教科書で学んだ理論体系とは異なった発想の順序や勘所があるのでは?との問題意識と検討中の案を紹介いたします。
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
HijiyamaR#2の発表資料です
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
金融情報における時系列分析
金融情報における時系列分析
Fujio Toriumi
電子情報通信学会・音声研究会での講演資料です. なぜか音声研究会で金融情報の話でしたw
More Related Content
What's hot
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Koichiro Gibo
有名な1983年のRubin&Rosenbaumの論文をナナメ読みしていきます
生存時間分析の書き方
生存時間分析の書き方
Yasuyuki Okumura
臨床疫学研究における報告の質向上のための統計学の研究会 http://blue.zero.jp/yokumura/workshop.html
潜在クラス分析
潜在クラス分析
Yoshitake Takebayashi
第一回精神科診断学セミナー
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
ベイズ統計WS「心理学者のためのベイズ 統計学」にて、「社会心理学における事例: ベイズモデリングで見る因子分析」での発表資料です。
傾向スコアの概念とその実践
傾向スコアの概念とその実践
Yasuyuki Okumura
傾向スコア分析の解説資料
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
質的変数(順序尺度)に有用なポリコリック相関係数を紹介しています。 また、ポリコリック相関係数を使った因子分析の方法も説明しています。
機械学習による生存予測
機械学習による生存予測
Yasuaki Sakamoto
3月のマンスリーセミナーでは、機械学習を使った生存分析をテーマにワークショップを実施します。例えば、機械の不具合や生物の死といった、ある事象が起こるまでの時間を予測する手法を学ぶことができます。
[DL輪読会]ICLR2020の分布外検知速報
[DL輪読会]ICLR2020の分布外検知速報
Deep Learning JP
2019/09/27 Deep Learning JP: http://deeplearning.jp/seminar-2/
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
基礎からのベイズ統計学入門 輪読会#4 LT資料 http://stats-study.connpass.com/event/27129/
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
Koichiro Gibo
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
基礎からのベイズ統計学 輪読会 #2 (2015/12/10)発表資料 「第4章 メトロポリス・ヘイスティングス法」 Pythonデモンストレーションコード@GitHub → https://github.com/matsuken92/Qiita_Contents/blob/master/Bayes_chap_04/Bayes-stat_chapter04.ipynb
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
星野「調査観察データの統計科学」の読書スライドです。 社内勉強会で使った資料がベースです。 第3章の傾向スコアを紹介しています。
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
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〜 第4回臨床研究実践講座ワークショップ 2020/2/27 (⽊) 12:30~16:30 JAM⾦属労働会館3階 301・302会議室
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
稚拙ですが、Stanの便利な事後処理関数をまとめました。 間違いがあればご指摘いただけると幸いです。
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Koichiro Gibo
日本語での理論的な資料があまりにも少ないので一応作ってみました。大きなミスはないと思いますが、厳密な議論は飛ばしたりしています。 11/6 リバイズしました
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
horihorio
時系列解析を実際のデータやビジネスに適用する場合には、教科書で学んだ理論体系とは異なった発想の順序や勘所があるのでは?との問題意識と検討中の案を紹介いたします。
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
HijiyamaR#2の発表資料です
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
金融情報における時系列分析
金融情報における時系列分析
Fujio Toriumi
電子情報通信学会・音声研究会での講演資料です. なぜか音声研究会で金融情報の話でしたw
What's hot
(20)
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
生存時間分析の書き方
生存時間分析の書き方
潜在クラス分析
潜在クラス分析
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
傾向スコアの概念とその実践
傾向スコアの概念とその実践
質的変数の相関・因子分析
質的変数の相関・因子分析
機械学習による生存予測
機械学習による生存予測
[DL輪読会]ICLR2020の分布外検知速報
[DL輪読会]ICLR2020の分布外検知速報
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
ロジスティック回帰分析の入門 -予測モデル構築-
ロジスティック回帰分析の入門 -予測モデル構築-
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
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
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〜
Stanの便利な事後処理関数
Stanの便利な事後処理関数
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
時系列解析の使い方 - TokyoWebMining #17
時系列解析の使い方 - TokyoWebMining #17
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
階層ベイズとWAIC
階層ベイズとWAIC
ベイズ統計入門
ベイズ統計入門
金融情報における時系列分析
金融情報における時系列分析
生存時間分析数理の基礎
1.
生存時間分析数理 基礎 2020/9/24 沖縄県立中部病院救急科 Gibo Koichiro
MD, MSc
2.
•生存時間分析 基礎的 理解
必要 関 数 COX比例 基本的 数理 学習 •自然言語 理解 限界 深 理解 数式 必要 基礎 高校数学 十分記述
3.
表記法 •一般的 慣習 従 •大文字
確率変数 小文字 観測値 •T 起 時間 表 非負 確 率変数 t 実際観測 時間 •Pr() [0,1] 閉区間内 定義 確率 表 • 体 行列 示 • 特 指定無 場合 n 1 列
4.
近年 歴史
5.
生存時間解析 歴史 1 •始 •
第二次世界大戦 後 世 代 軍事兵器 故障 関心 刺激 考 •1951年 Weibull(1887-1979) 分布 導入 生存時間 応用 http://faculty.washington.edu/fsc holz/DATAFILES498B2008/Weibul lBounds.pdf Singh R, Mukhopadhyay K. Survival analysis in clinical trials: Basics and must know areas. Perspect Clin Res. 2011;2(4):145-148.
6.
生存時間解析 歴史 2 •生命表
以前 使用 1958年 Kaplan Meier 最尤法 基 推定法 示 推定値 性質 標準 誤差 後年多 統計家 研究 •1972年部分尤度 最大化 必要条件 Cox 比例 導入
7.
Pioneer: Sir David
Cox (1924-) • Box-Cox変換 Cox比例 名 多 残 大統計学者 • 完全尤度関数 書 下 未知 関数 含 積 積分 指数 求 必要 5年以上行 詰 突然 興味 回帰係数 部分尤度 集中 思 時 風邪 高熱 出 寝込 雷 打 閃 意訳)"A Coversation with Sir David Cox" https://www.aapss.org/fellow/sir-david-cox/ Reid, Nancy. A Conversation with Sir David Cox. Statist. Sci. 9 (1994), no. 3, 439--455. doi:10.1214/ss/1177010394.
8.
生存時間分析数理 基礎
9.
関数 • 関数 h(t)
表 時間t 変化 値 (定数 限 ) •簡単 理解 時間t 死亡率 考 置 実務上 大 問題 • 時間t 例 2020年 2021年 風 幅 変数 時間t=2020年 死亡率 具体的 考 2015年 観察 続 考
10.
関数@離散時間 • 思 時間t
例 2020年始 直後 生存者 分母 2020年中 亡 方 数 分子 正解 •分母 観察 始 2015年 対象数 • 2015年 2020年 亡 人 2020年以降 亡 起 ( 集合 )
11.
関数@離散時間 )2020|2020Pr()2020(:.. )|Pr()( TThge tTtTth iii • 観察
始 時間t=2020年 始 直後 生存 条件 与 上 2020年中 死亡率 2020年 • 条件付 確率 数式 表 • T 生存時間 確率変数 2020年中 確率 2020年 生存 条件 "number at risk"
12.
関数@連続時間 •時間 通常前述 離散値 解析
連続 考 多 連続時間 何 •例 時間t= 2020年8月30日11時15分10秒.. 死亡率 考 •我 高校生 時 考 習 極限
13.
関数@連続時間 •連続 時間1点 値
t時間後 死亡 確率 極限小 • 定義 •要 連続 時間t 時間t 生 人 次 瞬間 死亡率 ( 満点 回答) t tTttTt th t )|Pr( lim)( 0
14.
生存時間関数S(t) 累積分布関数F(t) • 定義 •生存時間関数
時間t 生 確率 •累積分布関数 時間t 累積死亡者 割 合 )Pr()( tTtS )Pr( )(1)( tT tStF
15.
1)(log )( 1 )( )Pr( 1)Pr( lim )Pr( )Pr()Pr( lim )|Pr( lim)( 0 0 0 tS dt d tS tF dt d tTt ttTt tTt tTttTt t tTttTt th t t t 生存時間関数 関数
一意 決
16.
関数h(t) 率rate 確率 生存時間関数S(t) 確率 累積分布関数F(t) 確率 一 決 一意
決 )(log)( tS dt d th )(1)( tFtS )( )(1 1 )( tF dt d tF th
17.
生存時間解析 出 呼
名 整理 •①生存時間関数="Survival probability", "cumulative survival" •②累積分布関数="cumulative mortality", "cumulative incidence"... • 名称 論文中 書 基本 2 多 • 関数 累積 関数 論文中 明示 少
18.
生存時間関数 推定 1. 2. 3.
19.
1. 方法 指数 •
用語 既知 確率分布 表 考 良 •生存時間関数 非単純増加関数 最 単純 指数分布 •実際 関数 一定 考 ( t時 点 死亡率 変化 ) 指数分布 形状 一致 (h(t)= 前述 式 不定積分 計算 )
20.
指数 t t t etFtf etF th etS )()( 1)( )( )( ' http://www.tomhsiung.com/wordpr ess/2017/09/several-major- distributions-of-survival-function/
21.
•指数 簡便 生存関数
常 下 凸 常 一定 強 仮定 要求 • 一 追加 柔軟性 持 •次 指数 p 加 上 凸 関数 作
22.
p p t p t etF ptth etS )( 1 )( 1)( )( )(
23.
共変量調整 •次 例 共変量x
対 各 成分 線形 影響 与 仮定 指数 関数 下 書 多変量調整 可能 (Kalbfleish and Prentice, 1980) ...}, 2 , 1 { ,....}"","{".). ),( T T SexAgege eth T β x x βx xT 線形予測子
24.
利点 欠点 •利点 • 当
良 高 推定精度 期待 • 共変量調整 可能 •欠点 • 既知 確率分布 当 実際 可能性 柔軟性 問題 • 適合性 必要 • 共変量調整 強 仮定 前提 (前頁参照)
25.
余談 信頼度工学 • h(t)
故障率 概念 •故障 原因 関 洞察 得 • p<1 減少 初期不良 • p>1 増加 摩耗的 故障 • p=1 一定 偶発的 故障 • 工学 利用 多
26.
2. Kaplan-Meier method •医学雑誌
最 使用 •確率分布 当 必要 • 非常 柔軟 化 •最尤推定量 大標本 場合 推定 良 性質 (一致性 十分性 ) •共変量調整 • S(t) 導出 書 興味 方 清 書 参照
27.
COX比例 • 柔軟性 適合 良
推定精度 共変量調整 " " • 比例 性 強 仮定 一番 条件 • Cox比例 (前頁David Cox 語 参 照)
28.
3. Cox比例 • 式
最重要 解説 • 関数 次 • 青線 • 赤線 線形予測子 含 関数部分 •重要 • t 関数 共変量 関数 分離 βx x T ethth )(),( 0
29.
比例 性 •比例 比例
性 性質 •比例 性 群 群間 時間t時点 比 一定 •次 例 用 示
30.
病院前 qSOFA 入院後全死亡
関連 •P: 感染症 疑 急性期型ER 救急搬送 患者 •E: 病院前qSOFA≧ 2 •C: 病院前qSOFA 2 •O: 入院後28日後 90日後 全死亡 •病院前qSOFA2点 観察期間 生存 時間解析 行 Koyama S, Yamaguchi Y, Gibo K, Nakayama I, Ueda S (2019) Use of prehospital qSOFA in predicting in-hospital mortality in patients with suspected infection: A retrospective cohort study. PLoS ONE 14(5): e0216560.
31.
病院前 qSOFA 入院後全死亡
関連 • 90日後 入院全死亡 生存曲線 左 示 • 比例 性 観察期間内 時点 qSOFA≧ 2(positive)群 qSOFA 2(negative)群 関数比 一 定 意味 C th th ),( ),( negative positive x x Koyama S, Yamaguchi Y, Gibo K, Nakayama I, Ueda S (2019) Use of prehospital qSOFA in predicting in-hospital mortality in patients with suspected infection: A retrospective cohort study. PLoS ONE 14(5): e0216560.
32.
qSOFA negative positive
時 比 計算 )exp( )01exp( ..)0exp()( ..)1exp()( ),( ),( 1 11 3210 3210 1 HR qSOFAqSOFA SexAgeqSOFAth SexAgeqSOFAth th th qSOFA negative positive x x •Cox比例 比 時間t 関係 値 時間 関 一定 •逆 Cox比例 適応 比例 性 成 立 重要
33.
Cox比例 生存時間関数 • 前述
関数h(t, x) 推定 同時 生存時間関数S(t, x) 決 • 通常 回帰 最尤推定法(MLE) 決 定 多 比例 未知 部分( ) 機能 • David Cox 部分尤度 概念 構築 解決 (前述 Cox自身 回想参照) • 部分尤度 導出 基礎 超 割愛 興 味 https://ai-lab.lapras.com/ml/semi-parametric/ 分 )
34.
Cox比例 生存時間関数 •部分尤度 最大化
求 回帰係数部 分 決 • h0(t) •簡単 解決法 KM法 求 関数 流用 良 • Cox比例 h(t, x) 決定 積分 指数 生存時間関数 推定 βx x T ethth )(),( 0
35.
" " • 部分
KM法 方法 •線形予測 含 関数部分 方法 中間 •利点 ①KM法 適合 柔軟性 高 ② 前提条件(比例 性) 厳 ③共変量調整 可能 • 良 性質 多 非常 使用
36.
参考書籍(文献 脚注 記載) •赤澤宏平
柳川堯(2010). 解析 近代科学社 (基礎 数理 学 上 非常 書 ) •Collett, D. "Modeling Survival Data in Medical Research Chapman & Hall, London." (1994).
Download now