統計 Immortal time bias ってなあに？
臨床研究のデザインにおいて、Immortal time biasは非常に重要な概念です。Immortal time biasは、「不滅の時間」や「不死の時間」バイアスとも呼ばれます。このバイアスがあると、薬の効果が実際よりも良く見えてしまうことがあるんです。この記事では、なるべくわかりやすく説明していきます！ここ数年では、特発性肺線維症（IPF）における抗線維化薬（ピルフェニドンとニンテダニブ）と...
統計
統計 
統計 Fine-Gray比例ハザード解析（Fine-Gray subdistribution hazard model）ってなあに？
Fine-Grayモデルは、競合リスクを考慮した統計モデルです。Cox比例ハザードモデルと同じく、生存時間分析に用いられますが、競合イベント（例：異なる原因の死亡、治療中止など）が存在する状況で、特定のイベントの発生確率を直接的に評価できる点が特徴です。Fine-GrayモデルとCoxモデルとの違いCoxモデルとFine-Grayモデルは、基本的な考え方や使用するデータ形式が似ています。したがって...
統計 Cox比例ハザード解析（Cox Proportional Hazards Model）ってなあに？
Cox比例ハザード解析は、ある出来事（イベント）が発生するまでの時間を、さまざまな要因がどのように影響しているかを調べる統計解析の方法です。呼吸器内科では、例えば患者の死亡や症状悪化といったイベントが研究対象になります。Cox比例ハザード解析の概要何を解析するか？Cox比例ハザードモデルは、どの要因（例：年齢、性別、喫煙歴）が、興味あるイベント（例：死亡、発作）の発生リスクにどのように影響を与える...
いろいろ解説 競合イベント（Competing Events）ってなあに？
競合イベント（Competing Events）は、研究で関心のあるイベントが発生する前に、他のイベント（競合イベント）が発生することで、興味あるイベントが発生不可能になる状況を指します。例えば、慢性閉塞性肺疾患（COPD）患者の急性増悪に関心がある場合、患者が急性増悪を経験する前に死亡した場合、その患者では急性増悪の発生を評価できなくなります。これが競合イベントの典型的な例です。なぜ競合イベント...
統計 一般化可能性（Generalizability）と過適合（overfitting）ってなあに？
臨床研究などである疾患におけるリスク因子を同定するとき（例えば、IPFにおける死亡リスク因子）やバイオマーカーやAI、診断モデルの開発では、「開発（探索）コホート」と「検証コホート」を分けて解析を行うことが一般的です。まず、開発コホートでリスク因子の同定やモデル構築を行い、検証コホートでそれが機能するかどうかを確かめます。その目的は、モデルや結果の一般化可能性を確保し、過適合を防ぐことにあります。...
統計 開発コホートと検証コホートってなあに？
臨床研究などである疾患におけるリスク因子を同定するとき（例えば、IPFにおける死亡リスク因子）やバイオマーカーやAI、診断モデルの開発では、「開発（探索）コホート」と「検証コホート」を分けて解析を行うことが一般的です。まず、開発コホートでリスク因子の同定やモデル構築を行い、検証コホートでそれが機能するかどうかを確かめます。その目的は、モデルや結果の一般化可能性を確保し、過適合を防ぐことにあります。...
統計 ＜その4＞Cox比例ハザード解析やロジスティック解析における多変量解析： 多重共線性とはなんぞや
＜その3＞Cox比例ハザード解析やロジスティック解析における多変量解析では、組み入れることができる変数の数はどれくらい？ の続きになります。見ていない方は、こちらへ。多重共線性の重要性多重共線性（Multicollinearity）とは、複数の独立変数が強い相関関係を持つ場合に発生する問題で、回帰分析のようなモデルにおいて以下の影響を及ぼします。独立変数の影響の正確な推定が難しくなる：回帰係数の分...
統計 ＜その3＞Cox比例ハザード解析やロジスティック解析における多変量解析では、組み入れることができる変数の数はどれくらい？
＜その2＞Cox比例ハザード解析やロジスティック解析における多変量解析の変数選択はどのように行うべきか？ の続きになります。見ていない方は、こちらへ。多変量解析に組み入れることのできる変数の種類はいくつまで？多変量解析において、モデルが過剰適合（overfitting）するのを避けるためには、サンプルサイズと変数数のバランスが重要です。10～20イベント/変数（EPV: Events Per Va...
統計 ＜その2＞Cox比例ハザード解析やロジスティック解析における多変量解析の変数選択はどのように行うべきか？
＜その1＞Cox比例ハザード解析やロジスティック解析における多変量解析の変数選択はどのように行うべきか？ の続きになります。見ていない方は、こちらへ。どうしても変数選択が必要な場合には何を使う？1. 事前知識に基づく変数選択（Clinical Knowledge-Driven Selection）概要医学的な事前知識や先行研究に基づいて、解析に含める変数を選択します。メリット科学的妥当性が高い。過...
統計 ＜その1＞Cox比例ハザード解析やロジスティック解析における多変量解析の変数選択はどのように行うべきか？
Cox比例ハザード解析やロジスティック解析における多変量解析の変数選択は、研究の目的やデータ特性によって異なりますが、一般的な選択基準の妥当性が高い順に以下のように整理できます。1.事前に定義された研究目的や仮説に基づく選択（優先度：高）目的: 既存の知見や文献レビューから、研究目的に合致する重要な変数を明確にする。利点:研究の焦点を絞り込む。過剰なデータ操作による誤った結果を防ぐ。例:臨床的に重...
統計 Nested case–control studies（ネストした症例対照研究）
Nested case–control studies（ネストした症例対照研究）とは、疫学研究でよく用いられる手法であり、特徴的なアプローチを持っています。以下に手法を解説します。概要定義: 大規模なコホート研究内で、発生した症例（アウトカムを経験した人）と、アウトカムが発生しなかった対照を選び出し、詳細な解析を行う手法。特定のリスク要因（曝露）とアウトカムの関連性を効率的に調べる。特徴:研究対象...
統計 Self-Controlled Case Series（自己対照症例シリーズ）
self-controlled case series（自己対照症例シリーズ）とは、疫学研究でよく用いられる手法であり、特徴的なアプローチを持っています。以下に手法を解説します。概要定義: 研究対象者自身を「対照」として用いる手法であり、アウトカムが発生した期間（リスク期間）とアウトカムが発生しなかった期間を比較する。曝露（例: ワクチン接種）が特定の時間枠内でアウトカムに影響を与えるかを検証する...
統計 逆確率重み付け法（Inverse Probability Treatment WeightingIPTW）と傾向スコアマッチング
IPTW（Inverse Probability Treatment Weighting）と通常の傾向スコアマッチング（Propensity Score Matching, PSM）は、いずれも傾向スコア（propensity score）を用いて交絡因子を調整し、観察研究で因果推論を行うための手法です。しかし、アプローチや特性、結果に至る過程にいくつかの重要な違いがあります。傾向スコアマッチング...
統計 データ解析：平均値と中央値 どちらを使う？ 群間比較に用いる統計は？ 正規分布って？？
前向き・後ろ向きを問わず、臨床研究では「A群とB群の年齢の比較」など、複数の群間における興味ある変数の比較が重要ですね。このような解析のときには、そのような変数は平均値で表した方がよいのか？それとも中央値で表した方がよいのかどちらがよいのでしょうか？あと聞きたいんですが、興味ある変数の群間比較にはt検定とかマン・ホイットニーとかがありますが、どれを使えばいいんですか？その前に、まずは目的の変数が正...