確率の復習
Marginal probabilities(いわゆる確率。2x2TableのMarginにある確率)
Joint probabilities
Conditional probabilities
2x2Table
Trees
Treeと2x2Table
1b. 病気の頻度(Prevalence、Cumulative incidence、Odds)
発生の測定 Measures of occurrence
・Prevalence
・Cumulative incidence
・Odds
・OddsとProbabilityの関係
質的データ
Prevalence
0-1の値
無名数
時間のReferenceが必要(50歳、1995年、研究開始時)
Disease burden
Etiologic researchに向かない
・Temporality unclear
・発生と期間の合計:
発生が増える
期間が延びる
生存が延びる
ー>Prevalenceが上がる
Cumulative incidence
0-1の値
無名数
必ず期間を述べる
分母は必ず分子に行く
同意語:Incidence proportion、Risk、”Rate”(誤用)
ProportionとOdds
さまざまなパターン
Proportion0.1までOdds妥当
Cumulative Incidenceの限界
1 いずれすべてのRisk of deathは1になる。(人はいずれ亡くなる)
2 いつIncidenceがあったかは不明
3 公式が当てはまらない
・分母が変わる場合、(Dynamic, Open population)
・暴露が時間により異なると当てはまらない
4 観察できないイベント
・競合リスク
・Loss to follow-up
・研究終了(Administrative withdrwawal)
1. Exchangeability
因果推論におけるExchangeabilityの役割
Counterfactual outcomesを適応
Prevalence, cumulative incidence, incidence rate
文脈に応じた量的、質的データ収集方法
量的データ分析のアプローチの原則
Modern Epidemiology: Chapter 3 (pp. 32-48)
Epidemiology an Introduction: pp. 38-56
Introduction to qualitative data:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3244304/pdf/i1949-8357-3-4-449.pdf
疫学研究では、特定の観察機関でのある暴露の効果によるアウトカムの発生に興味がある
暴露群でのアウトカムを観察するだけでは、暴露の因果関係を証明しない
暴露によるアウトカムへの因果関係を推測するには、暴露ありと暴露なしのリスクを知りたい
通常は個人の暴露か非暴露しかわか観察できない、もう一方は観察できない(Counterfactual outcomes)
それではどうやって、暴露によるアウトカムへの因果推論をするか、、
”コホート内の女性におけるレントゲン撮影による乳がんのリスクは?”
問題
・すべての女性が暴露
・非暴露は観察できない
タイムマシンにのって、女性のレントゲン撮影を止められれば、、
暴露によってのちに起こるイベントは、FactualとCounter factualの世界では一緒でなくてよい
レントゲン検診の被ばくが乳がん発症率に及ぼす因果関係を、
実際に発生した乳がんの発症率と、
カウンターファクトの世界で発生したであろう発症率を比較する
ことで明らかにする。
もし暴露がランダム化されていなければ、暴露は非暴露と違うリスクのアウトカムかもしれない、
ー>非暴露はConditional Counterfactual outcomeの良いプロキシではない。。
Non-exchangeability
・非暴露の観察されたアウトカムが
・暴露群でもし暴露されなかったときのアウトカム
と異なる場合におきる
Exchangeabilityが無いことー>研究結果が妥当ではない!
Counterfactual theory
同じPopulationを同じ時期に暴露と非暴露を同時に診ることはできない
ー>病気のリスクを、ある対象と、病気に関してExchangeableな別の対象を比べる
ー>Non-exchangeabilityは、非暴露が、暴露がCounterfactualだった場合と違った場合に生じる
e201
目標
1.病気の頻度、関連・効果の測定
2.RCTと観察研究の因果推論の仮定
3.Counterfactural Basis の交絡とほかのバイアスから、Non-exchangeabilityを評価する
4.Causal diagramsを使って、事前のSubject-matter knowledge、仮定、疫学バイアスを表す
5.疫学研究デザインの、長所・限界・理論の基礎
6.Methodの長所、限界、データの質、結果の解釈を批判的吟味
目次
1. Exchangeability
2. 病気の頻度、関連・効果の測定
3. DAG(Directed Acyclic Graphs)
4. 研究デザイン
5. 交絡とEffect Measure modification
6. 因果推論
jama editor e253033
Jamaの半数は観察研究。
しかし、その中でのアクセプト率は6%。
どんなデータベースか、
どのような人が入手できるか
が大事。
もっとも大切な事はセレクションバイアスを減らすこと。
具体的にはIMortal time biasをへらすこと。
例えば手術と化学療法を併用した群を介入群とした場合、手術後に合併症で亡くなった患者さんはコントロール側に配属されてしまう
このセレクションバイアスを減らすために、cohort entry date、とその選び方、また、entryまでの時間を感度解析で調べると良い。
日々の過ごし方
以下を最近思うので、いろいろと過ごし方を試してみたい
1.論文だけ書いていても自分の勉強にはならない
2.能動的に勉強をすることが大事
では、いつ勉強するか?論文を書くか?
1.午前 論文執筆、午後 勉強
2.午前 勉強、 午後 論文執筆
個人的にはよりエネルギーを費やす勉強を午前にする2.を試してみようと思う