Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

20170301_Epidemiological index_RakuwakaiOtowaGim

1,128 views

Published on

2017/03/01(Wed)
洛和会音羽病院 総合内科
Department of General Internal Medicine
Rakuwakai Healthcare System Otowa Hospital, Kyoto, JAPAN

Published in: Science
  • accessibility Books Library allowing access to top content, including thousands of title from favorite author, plus the ability to read or download a huge selection of books for your pc or smartphone within minutes DOWNLOAD THIS BOOKS INTO AVAILABLE FORMAT ......................................................................................................................... ......................................................................................................................... Download Full PDF EBOOK here { http://bit.ly/2m6jJ5M } ......................................................................................................................... Download Full EPUB Ebook here { http://bit.ly/2m6jJ5M } ......................................................................................................................... ...................................ALL FOR EBOOKS................................................. Cookbooks, Manga, Memoir, Music, Mystery, Non Fiction, Paranormal, Philosophy, Poetry, Psychology, Religion, Art, Biography, Business, Chick Lit, Children's, Christian, Classics, Comics, Contemporary, Romance, Science, Science Fiction, Self Help, Suspense, Spirituality, Sports, Thriller, Travel, Young Adult, Crime, Ebooks, Fantasy, Fiction, Graphic Novels, Historical Fiction, History, Horror, Humor And Comedy,
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • If you want to download or read this book, copy link or url below in the New tab ......................................................................................................................... DOWNLOAD FULL PDF EBOOK here { http://bit.ly/2m6jJ5M } .........................................................................................................................
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • Download or read that Ebooks here ... ......................................................................................................................... DOWNLOAD FULL PDF EBOOK here { http://bit.ly/2m6jJ5M } ......................................................................................................................... Download EPUB Ebook here { http://bit.ly/2m6jJ5M } ......................................................................................................................... Download Doc Ebook here { http://bit.ly/2m6jJ5M } ......................................................................................................................... .........................................................................................................................
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • -- DOWNLOAD THIS BOOKS INTO AVAILABLE FORMAT -- ......................................................................................................................... ......................................................................................................................... Download FULL PDF EBOOK here { http://bit.ly/2m77EgH } ......................................................................................................................... (Unlimited)
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
  • If you want to download or read this book, copy link or url below in the New tab ......................................................................................................................... DOWNLOAD FULL PDF EBOOK here { http://bit.ly/2m6jJ5M } ......................................................................................................................... Download EPUB Ebook here { http://bit.ly/2m6jJ5M } .........................................................................................................................
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

20170301_Epidemiological index_RakuwakaiOtowaGim

  1. 1. 2016/03/01 AARM@洛和会⾳⽻病院総合内科 疫学指標のかんたんな話 Epidemiological index 12017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 京都⼤学⼤学院医学研究科 Kyoto University Graduate School of Medicine 医療統計学分野 / 医学教育推進センター Department of Biostatistics / Center for Medical Education 廣江 貴則 Takanori Hiroe(t-hiroe[at]umin.ac.jp)
  2. 2. Outline 1. Introduction 2. 感度と特異度の復習 ◦ 感度・特異度・ PPV・NPV ◦ TypeⅠerrorとTypeⅡerror ◦ 条件付確率 3. 割合,率,⽐,率⽐ 4. 標準化の考え⽅ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 2
  3. 3. Outline 1. Introduction 2. 感度と特異度の復習 ◦ 感度・特異度・ PPV・NPV ◦ TypeⅠerrorとTypeⅡerror ◦ 条件付確率 3. 割合,率,⽐,率⽐ 4. 標準化の考え⽅ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 3
  4. 4. Introduction •希望があったので「疫学指標」をテーマに •疫学指標を理解するキーワードは2つ 1. 分⺟ 2. 単位(次元) •これさえ理解すれば⼤抵の指標には困らない •けれど,その前にいくつかの項⽬を確認 • 感度,特異度,PPV,NPV… • 尤度⽐,条件付確率… 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 4
  5. 5. Outline 1. Introduction 2. 感度と特異度の復習 ◦ 感度・特異度・PPV・NPV ◦ TypeⅠerrorとTypeⅡerror ◦ 条件付確率 3. 割合,率,⽐,率⽐ 4. 標準化の考え⽅ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 5
  6. 6. さらっと復習 •感度(Sensitivity) • 陽性と判定されるべきものを正しく陽性と判定する確率 •特異度(Specificity) • 陰性と判定されるべきものを正しく陰性(ry •陽性的中率(Positive Predictive Value; PPV) • 陽性と判定された中で真に陽性であるものの割合 •陰性的中率(Negative Predictive Value; NPV) • 陰性と判定された中で真に陰性(ry 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 6
  7. 7. さらっと復習 •表にしてみる •感度: ! "($) 陽性的中率: ! &($) 偽陽性:B •特異度 ' "(() 陰性的中率: ' &(() 偽陰性:C 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 7 真の状態 合計 (+) (-) 検査結果 陽性 A B M(+) 陰性 C D M(-) 合計 N(+) N(-) 有病割合(有病率)が重要!
  8. 8. もう少し整理する 2017/03/01 8 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH •どこかで⾒たことのあるような表になった •PPV・NPVは「的中率」だと知っておけば計算は容易 真の状態 陽性 陰性 検査結果 陽性判定 感度 𝐴 𝑁(+) Type Ⅰ error 偽陽性 陰性判定 Type Ⅱ error 偽陰性 特異度 𝐷 𝑁(−)
  9. 9. そういえば統計的検定も 2017/03/01 9 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH •似たような感じだった •考え⽅は基本的に同じ •(なぜか感度と特異度が逆の⽂献を⾒たことも) 実際の状態 陽性 陰性 統計的 検定結果 帰無仮説を採択 感度 Type Ⅰ error 偽陽性 帰無仮説を棄却 β Type Ⅱ error 偽陰性 1−β(検出力) 特異度
  10. 10. スクリーニングと確定診断 •⼀般に • スクリーニング:感度が⾼い検査 • 確定診断:特異度が⾼い検査 • 研究費でコストのかかる検査 • 暇そうな先⽣に⼿間のかかる検査を依頼 •が向くというけれど,なぜ? • もちろんコストの問題は重要 • スクリーニングに⾼額な検査はやりにくい • 特異度の⾼い検査はコストも侵襲も⾼いことが多い 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 10
  11. 11. 感度と特異度はトレードオフ •カットオフ値によって感度と特異度が変わる 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 11 陽性 陰性 検査値 CUT OFF
  12. 12. 感度を上げる •陽性者はもれなく検出できる •偽陽性が増える 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 12 陽性 陰性 検査値 CUT OFF とりあえずひっかける
  13. 13. 特異度を上げる •陰性を確実に除外できる •偽陰性が増える 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 13 陽性 陰性 検査値 CUT OFF 陰性と偽陽性を除外
  14. 14. 統計的検定の場合は… •有意⽔準αは事前に決める(感度は1-α) •CUT OFF値も決まる 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 14 帰無仮説 対⽴仮説 検定統計量 CUT OFF 対⽴仮説の分布を動かす → 検定⼒分析 β1-β
  15. 15. 尤度・尤度⽐ •尤度:起こりやすさ •感度や特異度は尤度のひとつ •尤度⽐は尤度の⽐(Likelihood ratio) •陽性尤度⽐(たんに尤度⽐と呼ぶことも) • 有病者と無病者の陽性になりやすさの⽐ • (有病者がどのくらいなりやすいか) • 同じ理屈で陰性尤度⽐も計算可能 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 15 PLH= ./ 0(.1 NLH= 0(./ .1
  16. 16. 条件付確率とベイズの定理 •ある事象Bが起こるという仮定の下で別の事象Aが 起こる確率 •ベイズの定理 • 事象Aが起こる確率P(A)>0のとき, •簡単だねっ! 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 16
  17. 17. 簡単ですよね? •よくある問題 • ⾼校数学の教科書に載っているような •ある国では1000⼈に1⼈がSTDを引き起こす ウィルスXに感染していることが知られている • ある⽇,あなたのところに18歳の男性がやってきた • Xに感染しているか確認するために,感度98%, 特異度99%の検査を実施したところ,陽性だった • この男性がウィルスXに罹患している確率は? 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 17
  18. 18. 簡単じゃねーよ •と⾔われると思いました • これができたら確率はちゃんと理解できているはず • ベイズの公式に当てはめようとすると迷う • あれ, 𝑃 𝐵 𝐴 ってなんだっけとか •代替案:⾯積図を使うと便利 • だけどPowerPointで⾯積変えるの⾯倒なのです • そういうわけで2×2表で⼤きさは変えません • (ベイズ統計の講義ならちゃんとやる) 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 18
  19. 19. ⾯積図もどき(1/3) 真の状態:感染 真の状態:未感染 検査陽性 1 1000 ×0.98 999 1000 ×0.01 検査陰性 1 1000 ×0.02 999 1000 ×0.99 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 19
  20. 20. ⾯積図もどき(2/3) 真の状態:感染 真の状態:未感染 検査陽性 1 1000 ×0.98 999 1000 ×0.01 検査陰性 1 1000 ×0.02 999 1000 ×0.99 (計) 1 1 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 20 • 縦⽅向に掛ける確率を⾜したらそれぞれ1になる • 全部⾜したら1になる • 検査をすれば陽性/陰性どちらかなので当然
  21. 21. ⾯積図もどき(3/3) 真の状態:感染 真の状態:未感染 検査陽性 1 1000 ×0.98 999 1000 ×0.01 検査陰性 1 1000 ×0.02 999 1000 ×0.99 (計) 1 1 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 21 • 今回は陽性と分かっているので横⽅向に注⽬ • 確率を⾜しても1にならないが(1になるとみなして) 陽性&感染の確率を計算 1 1000 ×0.98 1 1000 ×0.98 + 999 1000 ×0.01 = 0.98 0.98 + 9.99 = 0.089 これが 面積図の考え方
  22. 22. ベイズの定理でも同じ結果 •𝑃 𝐴 𝐵 :検査が陽性で実際に感染している確率 •𝑃 𝐵 𝐴 = 0.98:感染していて検査で陽性になる確率 •𝑃 𝐴 = 0 0<<< :感染している確率 •𝑃 𝐵 = 0 0<<< ×0.98 + === 0<<< ∗ 0.01:検査で陽性となる確率 •𝑃 𝐴 𝐵 = <.=?× @ @AAA @ @AAA ×<.=?$ BBB @AAA ×<.<0 = 0.089 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 22
  23. 23. でもしっくりこない •実際にこんなことって少ないのでは? •感度98%,特異度99%でも10%しか当たらない • これは事実 • でも臨床感覚とは違うような… • こんなものですか? 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 23
  24. 24. で,問題を変えてみた •ある国では1000⼈に1⼈がSTDを引き起こす ウィルスXに感染していることが知られている • ある⽇,あなたのところに18歳の男性が深刻そうな 顔をして若い⼥性とともにやってきた • Xに感染しているか確認するために,感度98%, 特異度99%の検査を実施したところ,陽性だった • この男性がウィルスXに罹患している確率は? •どこが変わったか? • 「深刻そうな顔をして」のくだりを加えただけ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 24
  25. 25. 少し臨床っぽい(はず) •STD絡みの検査は「⼼当たり」がないと来ない • 術前検査などは除く(個⼈的な⾒解です) •第15回出⽣動向基本調査(2015) • 性交渉の経験のない18〜19歳の独⾝男性:72.8% • 同年代の⼥性は74.5% • http://www.ipss.go.jp/ps- doukou/j/doukou15/doukou15_gaiyo.asp •ここはざっと70%と⾒積もって再計算 • 垂直感染はないものと仮定する(簡便のため) 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 25
  26. 26. ⾯積図もどき2(1/2) •垂直感染を無視するので,感染は ⾮童貞 経験者のみ •経験者の感染確率は1000⼈に1⼈から300⼈に1⼈へ •童貞 未経験者は特異度99%から,1%が陽性判定 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 26 真の状態:感染 真の状態:未感染 検査陽性 1 300 ×0.98 0.01 検査陰性 1 300 ×0.02 0.99 1 1
  27. 27. ⾯積図もどき2(2/2) •陽性に注⽬して感染&陽性を計算すればよい 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 27 真の状態:感染 真の状態:未感染 検査陽性 1 300 ×0.98 1 100 検査陰性 1 300 ×0.02 99 100 1 1 1 300 ×0.98 1 300 ×0.98 + 1 100 = 0.98 0.98 + 3 = 0.246
  28. 28. もっとも… •「⼼当たり」がないと検査を受けに来ない •性交渉のある⼈全員に⼼当たりがあれば⼤変なことに • 実際には分⺟はもっと⼩さくなる • ⼼当たりがあって,陽性となった⼈の感染確率 • 200⼈に1⼈:0.32 • 100⼈に1⼈:0.49 • 50⼈に1⼈:0.66 • 20⼈に1⼈:0.83 • 10⼈に1⼈:0.91 •条件付確率は表で簡単に理解できる! 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 28 集団の有病割合が重要!
  29. 29. Outline 1. Introduction 2. 感度と特異度の復習 ◦ 感度・特異度・ PPV・NPV ◦ TypeⅠerrorとTypeⅡerror ◦ 条件付確率 3. 割合,率,⽐,率⽐ 4. 標準化の考え⽅ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 29
  30. 30. 割合と⽐ •割合 • 分⺟と分⼦に興味のある数を含む • F F$G のような表記,もしくは • 無次元 •⽐ • 2つ以上の数の関係 • 分⺟と分⼦でそれぞれ異なる • G F もしくは x:y などと表記される 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 30
  31. 31. やっと割合 •まずはコホート研究をイメージ • 特定の(⼤きな)集団を⻑期的に追跡する •ある状態にさらされることを「曝露」と呼ぶ • 「暴露」も誤記ではないが⼀般的ではない •下表で利⽤可能な指標と計算⽅法は? 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 31 疾病X 合計 発症 非発症 曝露 あり A B A+B なし C D C+D 合計 A+C B+D N=A+B+C+D
  32. 32. リスクと呼ばれる指標 •有病(発症)割合 !$H " • 有病率と呼ぶこともあるが,正確には率ではない • この場合は発症割合と呼ぶ⽅が適切かも •曝露割合 !$H " • あまり使わないけれど •曝露ありの発症割合 ! !$I •曝露なしの発症割合 H H$' 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 32
  33. 33. リスク差・リスク⽐(1/2) •あり/なしでリスクが計算できると⽐較ができる • 曝露ありの発症リスク(割合) ! !$I • 曝露なしの発症割合(割合) H H$' •リスク差(Risk Difference, Attribute Risk) • ! !$I − H H$' 「寄与危険度」とも •リスク⽐(Risk Ratio, Relative Risk) • J JKL M MKN 「相対危険度」とも 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 33
  34. 34. リスク差・リスク⽐(2/2) •⽐と差はどちらが重要な指標? •差:⾮曝露群は曝露しなくても⾃然発症(もしくは 他の要因で発症)する割合を⽰すので,曝露群との差 をとることで絶対的な差がわかる •⽐:⽐をとることで○○倍といった相対的な効果の ⼤きさがわかる(他の分野の⼈にも伝えやすい) •ある臨床試験で10%だった発症割合が5%に減った。 リスク差では5%減, リスク⽐では0.5倍(50%減) • 表現によって,誇張することも隠すこともできる •どっちも⼤事 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 34
  35. 35. 率 •⼀般には時間や距離の関数(速度) • [1/年]が代表的 •率と呼びながら割合であることも多い •厚⽣労働省のウェブサイトに掲載されている指標の 多くは割合か⽐ • http://www.mhlw.go.jp/toukei/kaisetu/index- hw.html •罹患率・発⽣率(Incidence rate) • ⼈年法で計算されることが多い • 分⺟は⼈年・分⼦は発⽣数,単位は[1/年] 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 35
  36. 36. ⼈年法 Person-year •[⼈]×[年]=[⼈年] • 1⼈を3年追跡したら3⼈年 • 2⼈を4年追跡したら8⼈年 • 2⼈を2年,2⼈を1年追跡したら6⼈年 •⼈によって追跡期間が異なる • 単純に異なるだけならよいが,開始時点が違うことも •前述の罹患率や死亡率は⼈年法で計算されることが 多いが,そうでない場合もあるので注意 • 分⺟や単位を確認すること • ⼈⽉や⼈⽇という単位もある 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 36
  37. 37. 「⼈⽉の神話」 •ソフトウェア⼯学の名著 • Frederick Phillips Brooks, Jr(1975) • バイブルとして業界⼈なら⼀度は読む • そして書かれている通りの失敗をする •プロジェクト管理はなぜ上⼿くいかないか •医学系研究では「⼈年」という観察単位だが ソフトウェア⼯学領域では「投⼊資源」 •⽣産管理領域で「⼈⼯」という⽤語も • 意味としては⼈⽇と同じ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 37
  38. 38. 病床利⽤率 •厚⽣労働省のウェブページより •計算式 • 病床利⽤率 = 延⼊院患者数 病床数×OPQ •分⺟に分⼦が含まれないので割合ではない • 全病床で午前退院・午後⼊院を繰り返せば利⽤率1 • ⽇帰り⼊院で全病床を埋めても利⽤率1 •⼈年ならぬ,「床年」 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 38
  39. 39. 率⽐ •「⽐率」は聞いたことがある • ⽐率ってなに? •率⽐(Rate ratio) • ⽂字通り,率の⽐ • 2つの「率」の⽐を計算して求められる指標 • 2015年と2016年の病床利⽤率の⽐は率⽐ • 胃癌の罹患率と⾷道癌の罹患率の⽐は率⽐ •「率」と呼ばれているものの⽐は「率⽐」 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 39
  40. 40. ハザード •ハザード⽐のハザード(Cox回帰などで使ったあれ) • ⼈年法による死亡率の計算 • 分⼦が死亡数,分⺟が⼈年(単位は[1/年]) •この「年」をもっと細かくしていく • 「年」で計算ができれば… • 「⽉」にして計算することができる • 「⽇」にして計算することができる • 「時間」にして計算することができる •と続けていって⼗分に微⼩な時間に縮めると,⾒かけ上は 瞬間死亡率と考えることができる • これをハザードと呼んで,その⽐をとったものがハザード⽐ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 40
  41. 41. 5年⽣存率 •患者「先⽣!5年⽣存率ってなんですか?」 •「5年⽣存割合」と同じ意味 •治療開始(⼿術後など)から5年後に⽣存している割合 •5年経過して再発がなければ治ったと考えてよい • って教科書に書いてあったけれど… • その後どうなっているの? •古いデータですが,10年⽣存率が計算されていた • 全国がん(成⼈病)センター協議会 • http://www.zengankyo.ncc.go.jp/etc/ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 41
  42. 42. オッズ⽐(Odds Ratio) •なにそれおいしいの? •オッズとは • あることがらが⽣じる確率と⽣じない確率の⽐ • 1 0(1 • 競⾺のオッズは控除とかあるので別の機会に •オッズはもともとが「⽐」 • オッズ⽐は「⽐の⽐」 • リスク⽐が分かれば要らない⼦? • ⽐の⽐をどうやって解釈するか 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 42
  43. 43. みんな⼤好きオッズ⽐(1/4) •問題1:A病院とB病院で喫煙者の数を調べました。 従業員100名のA病院では40名が喫煙しており, 従業員200名のB病院では120名が喫煙していました。B病 院の喫煙者はA病院の何倍ですか? •分⺟が分かっているのでリスクとリスク⽐が計算可能 •それぞれの病院の曝露リスク(割合)を計算 • A病院: R< 0<< , B病院: 0S< S<< • リスク⽐: @TA TAA UA @AA = 0S< ?< = O S 倍(リスク差: 0 Q ) 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 43
  44. 44. みんな⼤好きオッズ⽐(2/4) •問題1:A病院とB病院で喫煙者の数を調べました。 A病院では喫煙者と⾮喫煙者の⽐が2:3で,B病院では 3:2でした。B病院の喫煙者はA病院の何倍ですか? •⽐が分かっているのでオッズとオッズ⽐が計算可能 •それぞれの病院の曝露オッズを計算 • A病院: S O , B病院: O S • 𝑂𝑅 = X T T X = = P = O S 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 44
  45. 45. みんな⼤好きオッズ⽐(3/4) •問題3:喘息の⼦どもに⾷物アレルギーが出やすいか どうか調べるため,下記の通り調査を実施した •情報が限定された状況 1. C病院⼩児科外来に通院している喘息の⼦ども60名 2. 上記の⼦ども1名に対し,年齢と性別が⼀致し,BMI が±2未満,かつC病院⼩児科外来を喘息以外の理由で 受診した⼦ども60名 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 45 食物アレルギー あり なし 喘息の既往 あり 25 35 なし 20 40
  46. 46. みんな⼤好きオッズ⽐(4/4) •分⺟はサンプリング⽅法に依存 • 今回の例はケース・コントロール(症例対照)研究 • ケース/コントロールの⽐は変更可(分⺟を変えられる) •オッズ⽐は計算できるがリスク⽐と⼀致しない • 𝑂𝑅 = XA XA TA UA = 0S<< P<< = 2 (強引に計算)𝑅𝑅 = XA YA TA YA = O S = 1.5 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 46 食物アレルギー あり なし 喘息の既往 あり 30 30 なし 20 40
  47. 47. 数字を変えて強引に計算! • {20/40} 𝑂𝑅 = XA XA TA UA = 2 (強引に計算)𝑅𝑅 = XA YA TA YA = 1.5 • {15/45} 𝑂𝑅 = XA XA @[ U[ = 3 (強引に計算)𝑅𝑅 = XA YA @[ YA = 2 • {10/50} 𝑂𝑅 = XA XA @ [A = 5 (強引に計算)𝑅𝑅 = XA YA @A YA = 3 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 47 食物アレルギー あり なし 喘息の既往 あり 30 30 なし 20→15→10 40→45→50 これでは「○○倍!」というのはちょっと難しそう
  48. 48. オッズ⽐は影響の強さを⽰す •オッズ⽐を使って「○○倍」というのは正確には誤り • 倍率について常に⾔及できるのはリスク⽐のみ • リスク⽐最強!(?) •オッズ⽐とリスク⽐の⼤⼩の順位関係は維持される • 影響の⼤きさの順位の把握ならどちらを使ってもよい • (「寄与順位」の把握という表現を使うこともある) •ORで順位の把握より深く踏み込む場合は検定が必要 • 統計的仮説検定というやつです • 普通にやっている,だから使える 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 48
  49. 49. リスク⽐とオッズ⽐の関係(1/3) •発症割合は原則リスク⽐からのみ計算される • 分⼦は発症数,分⺟は総数(周辺度数) •コホートを全部調べた時にはRR=ORだった • 全体の⽐が分かっていればリスクは復元できる • 実質的にリスク⽐の計算をしていた •ケース・コントロール研究ではRR≠ORだった • 分⺟がいじれる以上リスク⽐は計算する意味がない • オッズ⽐の意味は○○倍ではなく関係や影響の強さ •リスク⽐とオッズ⽐の関係は順位関係の維持のみ? 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 49
  50. 50. リスク⽐とオッズ⽐の関係(2/3) • 𝑅𝑅 = J JKL M MKN = !(H$') H(!$I) = !H$!' !H$IH 𝑂𝑅 = J L M N = !' IH • 𝐴𝐶が⼗分に⼩さければ, 𝑅𝑅 ≈ 𝑂𝑅 になる( !' IH は共通) 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 50 疾病X 合計 発症 非発症 曝露 あり A B A+B なし C D C+D 合計 A+C B+D N=A+B+C+D
  51. 51. リスク⽐とオッズ⽐の関係(3/3) • 𝐴𝐶が⼗分に⼩さい:曝露にかかわらず,疾病Xの発症が 少なければ⼩さくなる • 発症が少ない:稀な疾患においてはオッズ⽐はリスク⽐ のよい近似となる 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 51 疾病X 合計 発症 非発症 曝露 あり A B A+B なし C D C+D 合計 A+C B+D N=A+B+C+D
  52. 52. それでも⼤好きオッズ⽐(1/2) •リスク⽐は直感的に理解でき,かつ⽐較可能な数字 • リスクが計算できれば⽐と差が計算できる • オッズ⽐は影響の⼤きさの順序関係は維持される • オッズ⽐で○○倍という表現ができるのは限定的 •でもでも,オッズ⽐にだっていいところあるよね • ケース・コントロール研究ではオッズ⽐は計算が可能 • 稀な疾患ではRR≒OR • そもそもケース・コントロール研究は稀な疾患に向く •実はほかにもあるのです! 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 52
  53. 53. それでも⼤好きオッズ⽐(2/2) •回帰分析! • 係数として現れるのはオッズ⽐ • もちろん直接出てこないですが •リスク⽐は「割合」 • 分⺟と分⼦に同じ数が含まれる • 計算上,少々扱いにくいところがある •オッズ⽐は「⽐」 • 分⺟と分⼦は別の値 • これが回帰式などの計算を⾏う上では⾮常に便利 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 53
  54. 54. リスクとオッズのまとめ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 54 リスク オッズ 比の指標 リスク比RR オッズ比OR (稀な疾患でRR≒OR) 差の指標 リスク差RD/AR 計算できない 指標の示す意味 影響の倍率または差 影響(関係)の強さ 影響の順序関係把握 可能 可能 コホート研究への適用 可能 可能 ケース・コントロール 研究への適用 できない (推奨されない) 可能 (RRに近似できる) 回帰式での利用 できない 可能 目にする機会 それほど多くない かなり多い
  55. 55. Outline 1. Introduction 2. 感度と特異度の復習 ◦ 感度・特異度・ PPV・NPV ◦ TypeⅠerrorとTypeⅡerror ◦ 条件付確率 3. 割合,率,⽐,率⽐ 4. 標準化の考え⽅ 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 55
  56. 56. 標準化 •といきたいところですが,⼒尽きたのでここまで。 •おつかれさまでした •標準化は次回以降に取り扱います • 交絡調整のところでも少し話しましたが 2017/03/01 © 2017 TAKANORI HIROE; DEPARTMENT OF BIOSTATISTICS, KYOTO UNIVERSITY SCHOOL OF PUBLIC HEALTH 56

×