Submit Search
Upload
2012心臓リハビリ
•
11 likes
•
3,441 views
Naoki Nago
Follow
治療のエビデンスをベイズ統計で扱う
Read less
Read more
Report
Share
Report
Share
1 of 37
Download now
Download to read offline
Recommended
糖尿病学の進歩
糖尿病学の進歩
Naoki Nago
高血圧学会2014発表用
高血圧学会2014発表用
Naoki Nago
エビデンスについて-症例報告の重要性を考える-
エビデンスについて-症例報告の重要性を考える-
murakami yusuke
6.1メタアナリシス revman practice
6.1メタアナリシス revman practice
SR WS
20170112 srws第六回メタ・アナリシス
20170112 srws第六回メタ・アナリシス
SR WS
20161023 srws第五回補足non rctのrob評価
20161023 srws第五回補足non rctのrob評価
SR WS
2016.9.24診断精度の系統的レビューワークショップ事前学習 "診断研究の枠組み"
2016.9.24診断精度の系統的レビューワークショップ事前学習 "診断研究の枠組み"
SR WS
Seeding trial
Seeding trial
東京北医療センター
Recommended
糖尿病学の進歩
糖尿病学の進歩
Naoki Nago
高血圧学会2014発表用
高血圧学会2014発表用
Naoki Nago
エビデンスについて-症例報告の重要性を考える-
エビデンスについて-症例報告の重要性を考える-
murakami yusuke
6.1メタアナリシス revman practice
6.1メタアナリシス revman practice
SR WS
20170112 srws第六回メタ・アナリシス
20170112 srws第六回メタ・アナリシス
SR WS
20161023 srws第五回補足non rctのrob評価
20161023 srws第五回補足non rctのrob評価
SR WS
2016.9.24診断精度の系統的レビューワークショップ事前学習 "診断研究の枠組み"
2016.9.24診断精度の系統的レビューワークショップ事前学習 "診断研究の枠組み"
SR WS
Seeding trial
Seeding trial
東京北医療センター
心臓リハビリテーションで患者安全な実践を
心臓リハビリテーションで患者安全な実践を
Takahiro Matsumoto
クリニカル・リハビリテーション4月号
クリニカル・リハビリテーション4月号
Sakata Masatoshi
回復期リハビリテーション病棟入院中の脳卒中患者の自己効力感・統制感とadl・qolの関係
回復期リハビリテーション病棟入院中の脳卒中患者の自己効力感・統制感とadl・qolの関係
toshiei
インサイト12 9
インサイト12 9
Takashi Takebayashi
歩行リハビリ支援のためのセンサ装着杖を 介した歩行動作認識手法の提案
歩行リハビリ支援のためのセンサ装着杖を 介した歩行動作認識手法の提案
Yuta Takahashi
Taming the ever-evolving Compliance Beast : Lessons learnt at LinkedIn [Strat...
Taming the ever-evolving Compliance Beast : Lessons learnt at LinkedIn [Strat...
Shirshanka Das
What is Artificial Intelligence | Artificial Intelligence Tutorial For Beginn...
What is Artificial Intelligence | Artificial Intelligence Tutorial For Beginn...
Edureka!
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
Yasuaki Sagara
Bayescardiacreha
Bayescardiacreha
Naoki Nago
2012心臓リハビリ
2012心臓リハビリ
Naoki Nago
JPA2019 Symposium 3
JPA2019 Symposium 3
Jun Kashihara
ベイズ入門
ベイズ入門
Zansa
20161015 srws第一回preliminarysearching 公開用
20161015 srws第一回preliminarysearching 公開用
SR WS
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
Shigeyuki Oba
「診断精度研究のメタ分析」の入門
「診断精度研究のメタ分析」の入門
yokomitsuken5
観察研究の必須事項
観察研究の必須事項
Yoshitake Takebayashi
20161225午後検索式作成w sv1218答え抜き
20161225午後検索式作成w sv1218答え抜き
SR WS
介入研究の質のアセスメント
介入研究の質のアセスメント
Senshu University
臨床医からみた医学統計
臨床医からみた医学統計
Noriyuki Katsumata
Influ dx
Influ dx
Naoki Nago
インフルエンザの診断2018
インフルエンザの診断2018
Naoki Nago
Verification bias
Verification bias
東京北医療センター
More Related Content
Viewers also liked
心臓リハビリテーションで患者安全な実践を
心臓リハビリテーションで患者安全な実践を
Takahiro Matsumoto
クリニカル・リハビリテーション4月号
クリニカル・リハビリテーション4月号
Sakata Masatoshi
回復期リハビリテーション病棟入院中の脳卒中患者の自己効力感・統制感とadl・qolの関係
回復期リハビリテーション病棟入院中の脳卒中患者の自己効力感・統制感とadl・qolの関係
toshiei
インサイト12 9
インサイト12 9
Takashi Takebayashi
歩行リハビリ支援のためのセンサ装着杖を 介した歩行動作認識手法の提案
歩行リハビリ支援のためのセンサ装着杖を 介した歩行動作認識手法の提案
Yuta Takahashi
Taming the ever-evolving Compliance Beast : Lessons learnt at LinkedIn [Strat...
Taming the ever-evolving Compliance Beast : Lessons learnt at LinkedIn [Strat...
Shirshanka Das
What is Artificial Intelligence | Artificial Intelligence Tutorial For Beginn...
What is Artificial Intelligence | Artificial Intelligence Tutorial For Beginn...
Edureka!
Viewers also liked
(7)
心臓リハビリテーションで患者安全な実践を
心臓リハビリテーションで患者安全な実践を
クリニカル・リハビリテーション4月号
クリニカル・リハビリテーション4月号
回復期リハビリテーション病棟入院中の脳卒中患者の自己効力感・統制感とadl・qolの関係
回復期リハビリテーション病棟入院中の脳卒中患者の自己効力感・統制感とadl・qolの関係
インサイト12 9
インサイト12 9
歩行リハビリ支援のためのセンサ装着杖を 介した歩行動作認識手法の提案
歩行リハビリ支援のためのセンサ装着杖を 介した歩行動作認識手法の提案
Taming the ever-evolving Compliance Beast : Lessons learnt at LinkedIn [Strat...
Taming the ever-evolving Compliance Beast : Lessons learnt at LinkedIn [Strat...
What is Artificial Intelligence | Artificial Intelligence Tutorial For Beginn...
What is Artificial Intelligence | Artificial Intelligence Tutorial For Beginn...
Similar to 2012心臓リハビリ
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
Yasuaki Sagara
Bayescardiacreha
Bayescardiacreha
Naoki Nago
2012心臓リハビリ
2012心臓リハビリ
Naoki Nago
JPA2019 Symposium 3
JPA2019 Symposium 3
Jun Kashihara
ベイズ入門
ベイズ入門
Zansa
20161015 srws第一回preliminarysearching 公開用
20161015 srws第一回preliminarysearching 公開用
SR WS
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
Shigeyuki Oba
「診断精度研究のメタ分析」の入門
「診断精度研究のメタ分析」の入門
yokomitsuken5
観察研究の必須事項
観察研究の必須事項
Yoshitake Takebayashi
20161225午後検索式作成w sv1218答え抜き
20161225午後検索式作成w sv1218答え抜き
SR WS
介入研究の質のアセスメント
介入研究の質のアセスメント
Senshu University
臨床医からみた医学統計
臨床医からみた医学統計
Noriyuki Katsumata
Influ dx
Influ dx
Naoki Nago
インフルエンザの診断2018
インフルエンザの診断2018
Naoki Nago
Verification bias
Verification bias
東京北医療センター
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
Sayuri Shimizu
観察研究の系統的レビューのガイドライン.pdf
観察研究の系統的レビューのガイドライン.pdf
Atsushi Goto
明日から読めるメタ・アナリシス
明日から読めるメタ・アナリシス
Yasuyuki Okumura
学生高齢者高血圧Hyvet
学生高齢者高血圧Hyvet
kakaritsukedr
医学統計のはじめの一歩
医学統計のはじめの一歩
Kawasaki University of Medical Welfare
Similar to 2012心臓リハビリ
(20)
臨床家が知っておくべき臨床疫学・統計
臨床家が知っておくべき臨床疫学・統計
Bayescardiacreha
Bayescardiacreha
2012心臓リハビリ
2012心臓リハビリ
JPA2019 Symposium 3
JPA2019 Symposium 3
ベイズ入門
ベイズ入門
20161015 srws第一回preliminarysearching 公開用
20161015 srws第一回preliminarysearching 公開用
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
言いたいことと言えること talk at ATR 神谷研 セミナ 2008年12月
「診断精度研究のメタ分析」の入門
「診断精度研究のメタ分析」の入門
観察研究の必須事項
観察研究の必須事項
20161225午後検索式作成w sv1218答え抜き
20161225午後検索式作成w sv1218答え抜き
介入研究の質のアセスメント
介入研究の質のアセスメント
臨床医からみた医学統計
臨床医からみた医学統計
Influ dx
Influ dx
インフルエンザの診断2018
インフルエンザの診断2018
Verification bias
Verification bias
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
観察研究の系統的レビューのガイドライン.pdf
観察研究の系統的レビューのガイドライン.pdf
明日から読めるメタ・アナリシス
明日から読めるメタ・アナリシス
学生高齢者高血圧Hyvet
学生高齢者高血圧Hyvet
医学統計のはじめの一歩
医学統計のはじめの一歩
More from Naoki Nago
糖尿病のエビデンス.pdf
糖尿病のエビデンス.pdf
Naoki Nago
EBMCovid19Ivermectin
EBMCovid19Ivermectin
Naoki Nago
Meiji ebm2011
Meiji ebm2011
Naoki Nago
Kyoritu ebm2003
Kyoritu ebm2003
Naoki Nago
Mkpcpr2020
Mkpcpr2020
Naoki Nago
Coronametubou
Coronametubou
Naoki Nago
Rinri2019
Rinri2019
Naoki Nago
Kozo2019
Kozo2019
Naoki Nago
PPIharm
PPIharm
Naoki Nago
Noroi
Noroi
Naoki Nago
Polyph2019
Polyph2019
Naoki Nago
Ryukyu2019
Ryukyu2019
Naoki Nago
Child cold2018
Child cold2018
Naoki Nago
Kakke2018
Kakke2018
Naoki Nago
Newdiseasedifinition2018
Newdiseasedifinition2018
Naoki Nago
Anti ht&polypharmacy
Anti ht&polypharmacy
Naoki Nago
在宅で最期を過ごすには2018
在宅で最期を過ごすには2018
Naoki Nago
構造主義医療の挑戦2017
構造主義医療の挑戦2017
Naoki Nago
構造主義医療の挑戦健康増進の行く末
構造主義医療の挑戦健康増進の行く末
Naoki Nago
国立がんセンターEbm
国立がんセンターEbm
Naoki Nago
More from Naoki Nago
(20)
糖尿病のエビデンス.pdf
糖尿病のエビデンス.pdf
EBMCovid19Ivermectin
EBMCovid19Ivermectin
Meiji ebm2011
Meiji ebm2011
Kyoritu ebm2003
Kyoritu ebm2003
Mkpcpr2020
Mkpcpr2020
Coronametubou
Coronametubou
Rinri2019
Rinri2019
Kozo2019
Kozo2019
PPIharm
PPIharm
Noroi
Noroi
Polyph2019
Polyph2019
Ryukyu2019
Ryukyu2019
Child cold2018
Child cold2018
Kakke2018
Kakke2018
Newdiseasedifinition2018
Newdiseasedifinition2018
Anti ht&polypharmacy
Anti ht&polypharmacy
在宅で最期を過ごすには2018
在宅で最期を過ごすには2018
構造主義医療の挑戦2017
構造主義医療の挑戦2017
構造主義医療の挑戦健康増進の行く末
構造主義医療の挑戦健康増進の行く末
国立がんセンターEbm
国立がんセンターEbm
2012心臓リハビリ
1.
ー日常臨床でのEBMの実践ー 論文を読むだけでなく使うために
名郷直樹
2.
今日お話しすること EBMの全体像
EBMの5つのステップ 臨床試験の論文結果を「統計学的」に読む 相対危険、95%信頼区間 臨床試験の結果の食い違いを検討する 統計学的な検討、バイアスからみた検討 推定・検定からベイズへ 臨床医の役割
3.
EBMの5つのステップ 1.
問題の定式化 2. 問題についての情報収集 3. 得られた情報の批判的吟味 4. 情報の患者への適用 5. 1-4のステップの評価
4.
批判的吟味のポイント 研究方法は妥当か? 論文のPECOを読む ランダム化かどうか読む
ITT解析かどうか読む 割り付けの隠蔽を読む マスキングを読む 結果は何か? 一次アウトカムの結果を信頼区間で読む
5.
取り上げる論文 Rehabilitation after myocardial
infarction trial (RAMIT): multi-centre randomised controlled trial of comprehensive cardiac rehabilitation in patients following acute myocardial infarction Heart 2012;98:637e644.
6.
論文のPECO:RAMIT Patient:急性心筋梗塞で入院し、28日以内に退院し自 宅へ戻った患者
Exposure:心臓リハビリ(運動、健康教育、カウンセリン グ、二次予防のためのアドバイス)を毎週、または隔週 で20時間、6-8週継続 Comparison:通常治療 Outcome:2年次の死亡率(一次アウトカム) Heart 2012;98:637e644.
7.
介入研究のバイアス ランダム化、ITT、マスキング、隠蔽
8.
抽出、割付、追跡、評価、解析 選択バイアス
交絡因子 情報バイアス ランダム化 隠蔽 マスキング ITT解析
9.
ランダム化とITT解析 ランダム化 割り付け時の交絡因子の排除 ITT(Intention
to Treat)解析 脱落者を含め解析 解析時の交絡因子の排除 リアルワールドでの解析
10.
隠蔽と盲検 隠蔽 これから割り付けようとするものがどちらか不明 これまでの割付表が伏せられている 盲検
既に割り付けられたものがどちらか不明 情報バイアスを排除する
11.
研究デザインのチェック1 ランダム化 表題にランダム化比較試験と書かれている ITT解析 Sample
size and analysesに記載あり
12.
研究デザインのチェック2 隠蔽(concealment) Randomisationに「中央割り付け」の記載あり マスキング Patient
assessments at baseline and at follow-up were undertaken ‘blind’ by trained researchers independently of care providersと 記載あり PROBE法
13.
結果を表す指標 相対危険 Relative Risk:
RR a/(a+b) / c/(c+d) 1より小さければ有効、1より大きければ有害 治療必要数 Number Needed to Treat: NNT 1/( (c/(c+d)- a/(a+b) ) 小さければ小さいほど有効 Exp Control Event(+) a c Event(-) b d a+b c+d
14.
信頼区間 研究結果は一部の対象からのデータ 一部のデータから全体を類推する 世の中の超高齢者高血圧患者全体で検討した
らどれくらいの範囲に収まるか 95%の確率で収まる範囲 95%信頼区間 有意水準0.05に対応する 母集団における真の値を類推する
15.
標本から母集団を類推する
15-50%減少 母集団 区間推定 標本 36%減少
16.
危険率と信頼区間:読み方のまとめ Pの見方 0.05未満なら有意差あり
95%信頼区間の見方 上限・下限のチェック 有意な差あり→「有効」ではない! 有意な差なし→「無効」ではない!
17.
結果1 介入群での死亡 9.1% (82/903) 対照群での死亡
9.2% (84/910) 相対危険 0.98 (0.74~1.30)
18.
メタ分析の結果をみる Exercise-Based Rehabilitation for
Patients with Coronary Heart Disease: Systematic Review and Meta-analysis of Randomized Controlled Trials Am J Med. 2004;116:682– 692.
19.
論文の概要 P:冠動脈疾患患者、6か月以上の追跡期間 E: 構造化された運動プログラム C: 通常ケア O:総死亡、心死亡、非致死性心筋梗塞、血
行再建術、リスク因子の変化、健康関連QOL 48のRCTのメタ分析
20.
主な結果 オッズ比(相対危険) 総死亡
0.80 (0.68 to 0.93) 心臓死 0.74 (0.61 to 0.96) RCTの結果との比較(総死亡) 相対危険 0.98 (0.74~1.30) 信頼区間はかなり重なっている!
21.
結果をブロボグラムで見る
22.
結果の違いをバイアスで考える 出版バイアス 小規模で有効という結果が出た試験のみが出版
された 異質性バイアス 内科治療、カテーテルによるインターベンション、 手術治療の進歩により、以前はインパクトがあっ たリハビリの効果が相対的に小さくなった
23.
実際の論文でどうか 出版バイアス Funnel plot、Eager
testで出版バイアスは認め られない 異質性バイアス 論文の出版時期によって効果に違いはない このメタ分析に決定的なバイアスはない? 大規模RCTの結果との食い違いの解釈は?
24.
ベイズ統計による結果の解釈 検定とっくに捨てた
さらに信頼区間も捨てる
25.
推定・検定統計とベイズ統計 推定・検定統計 真の値が想定されている 真の値を類推する ベイズ統計
主観的な事前確率からスタートする 真の値も変数である
26.
危険率からベイズ統計へ 仮説の確からしさは事前確率に左右される 有意水準0.05で棄却された仮説であっても、 事前確率が高い仮説であれば、まだ有効な可 能性は高い
有効というメタ分析がある仮説の事前確率は高い それを一つのRCTで否定してよいのか
27.
危険率(αエラー)と検出力(1-β)
真の差 (-) 検出力= (+) a/(a+c) 統計上の 差(+) a b 危険率= b/(b+d) (-) c d
28.
ベイズの定理 事前オッズ x 尤度比
= 事後オッズ 事前オッズ 臨床試験開始以前の仮説の確からしさ 尤度比 危険率と検出力から求められる 陽性尤度比=検出力/危険率 陰性尤度比=(1-検出力)/(1-危険率)
29.
有効というメタ分析が出た 検討以前には有効かどうか五分五分と仮定 事前確率 1/2
事前オッズ 1 危険率0.05、検出力0.9で有意に有効という メタ分析 事前オッズ×陽性尤度比=事後オッズ 陽性尤度比=検出力/危険率=0.9/0.05=18 1×18=18 事後確率 18/19=95%
30.
差がないというRCTの後で 有意水準0.05で有効というメタ分析がある 事前確率
95% 事前オッズ 95/5 危険率0.05、検出力0.9で計画されたランダ ム化比較試験で統計学的な差なし 陰性尤度比 (1-検出力)/(1-危険率)=0.1 事後オッズ (95/5)・0.1 = 1.9 事後確率 約66% = 1.9/(1+1.9)
31.
ベイズ統計学的な解釈 メタ分析以前に有効かどうか五分五分と仮定 有意水準0.05で有効というメタ分析の後で、 有意水準0.05で無効というRCTが発表 有効である確率はまだ65%以上残る
危険率0.05で有意差なしとは異なる解釈 さらなるRCTが必要 バイアスは別ですが
32.
エビデンスのあいまいさ あらゆるエビデンスは 統計学的に曖昧 バイアスの影響により曖昧 対処法として
研究デザインの批判的吟味 信頼区間、ベイズ解析 しかし、それを現場につなげるのは臨床医
33.
EBMの5つのステップ 1. 問題の定式化 2. 問題についての情報収集 3.
得られた情報の批判的吟味 4. 情報の患者への適用 5. 1-4のステップの評価
34.
臨床医の役割 曖昧なエビデンスをいかに個別の患者に生 かすか 臨床能力に
統計学と研究デザインの知識を加味して いくつかのエビデンスを追加し 個別の患者に最善の医療を提供するのが 臨床医の役割
35.
実際の現場で リハビリをがんばらない患者を叱るのはやめ よう リハビリをがんばりすぎる患者には、そんな に無理しなくてもと言えるかもしれない 心カテのようにコストが大きくないから、やれ
ばいいと思う リハビリの害についての評価が重要
36.
参考までに ステップアップEBM実践ワークブック(南江堂) 続EBM実践ワークブック(南江堂) 臨床研究のABC(メディカルサイエンス社) コモンディジーズ常識のうそ(ケアネットDVD)
37.
質問があれば 何でも聞いてください
反論、感想でも結構です
Download now