Enviar búsqueda
Cargar
傾向スコアマッチと多重補完法の解説 その1
•
19 recomendaciones
•
6,615 vistas
Atsushi Shiraishi
Seguir
医学生物学研究で用いる傾向スコアマッチと多重補完法をできるだけやさしく解説しています。
Leer menos
Leer más
Atención sanitaria
Denunciar
Compartir
Denunciar
Compartir
1 de 49
Descargar ahora
Descargar para leer sin conexión
Recomendados
傾向スコアマッチと多重補完法の解説 その2
傾向スコアマッチと多重補完法の解説 その2
Atsushi Shiraishi
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
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
ロジスティック回帰分析の書き方
ロジスティック回帰分析の書き方
Sayuri Shimizu
多重代入法の書き方 公開用
多重代入法の書き方 公開用
Koichiro Gibo
生存時間分析の書き方
生存時間分析の書き方
Yasuyuki Okumura
中断時系列分析の書き方
中断時系列分析の書き方
Shuhei Ichikawa
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
Más contenido relacionado
La actualidad más candente
バリデーション研究の入門
バリデーション研究の入門
Yasuyuki Okumura
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
非劣性試験の入門
非劣性試験の入門
Yasuyuki Okumura
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Takashi Fujiwara
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」
Yasuyuki Okumura
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
英語での論文執筆の基礎② 方法・結果・考察・結論
英語での論文執筆の基礎② 方法・結果・考察・結論
Yasuyuki Okumura
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価
Yoshitake Takebayashi
臨床的有意性の書き方
臨床的有意性の書き方
Yasuyuki Okumura
観察研究の必須事項
観察研究の必須事項
Yoshitake Takebayashi
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
Yasuyuki Okumura
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
Sayuri Shimizu
バリデーション研究の計画・報告・活用
バリデーション研究の計画・報告・活用
Yasuyuki Okumura
「操作変数法」の報告事例
「操作変数法」の報告事例
Yoshitake Takebayashi
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
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎
Senshu University
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
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
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
La actualidad más candente
(20)
バリデーション研究の入門
バリデーション研究の入門
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
非劣性試験の入門
非劣性試験の入門
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
初心者による初心者のための「質的データの二変量解析」
初心者による初心者のための「質的データの二変量解析」
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
英語での論文執筆の基礎② 方法・結果・考察・結論
英語での論文執筆の基礎② 方法・結果・考察・結論
内容的妥当性,構造的妥当性と仮説検定の評価
内容的妥当性,構造的妥当性と仮説検定の評価
臨床的有意性の書き方
臨床的有意性の書き方
観察研究の必須事項
観察研究の必須事項
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
「傾向スコア分析」 報告事例
「傾向スコア分析」 報告事例
バリデーション研究の計画・報告・活用
バリデーション研究の計画・報告・活用
「操作変数法」の報告事例
「操作変数法」の報告事例
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
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎
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-
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
GEE(一般化推定方程式)の理論
GEE(一般化推定方程式)の理論
Destacado
Tokyo r #37 Rubin's Rule
Tokyo r #37 Rubin's Rule
Hiroki Matsui
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Yohei Sato
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
多重代入法(Multiple Imputation)の発表資料
多重代入法(Multiple Imputation)の発表資料
Tomoshige Nakamura
Large-scale imputation of epigenetic datasets for systematic annotation of di...
Large-scale imputation of epigenetic datasets for systematic annotation of di...
弘毅 露崎
E rstroke.m4lecture
E rstroke.m4lecture
Atsushi Shiraishi
TBI Field Triage
TBI Field Triage
Atsushi Shiraishi
Jaam2008.10651
Jaam2008.10651
Atsushi Shiraishi
JAAM FORECAST study (Trauma) in Japanese
JAAM FORECAST study (Trauma) in Japanese
Atsushi Shiraishi
Diag test.shiraishi.2
Diag test.shiraishi.2
Atsushi Shiraishi
整形外科プライマリーケア 創の処置
整形外科プライマリーケア 創の処置
gamitake ikuiku
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
傾向スコアでみる ソーシャルネットワーク分析
傾向スコアでみる ソーシャルネットワーク分析
Hiroko Onari
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
aa_aa_aa
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
Hajime Sasaki
有意性と効果量について しっかり考えてみよう
有意性と効果量について しっかり考えてみよう
Ken Urano
因果推論の基礎
因果推論の基礎
Hatsuru Morita
数式を使わずイメージで理解するEMアルゴリズム
数式を使わずイメージで理解するEMアルゴリズム
裕樹 奥田
Destacado
(18)
Tokyo r #37 Rubin's Rule
Tokyo r #37 Rubin's Rule
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
Rで学ぶ 傾向スコア解析入門 - 無作為割り当てが出来ない時の因果効果推定 -
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
多重代入法(Multiple Imputation)の発表資料
多重代入法(Multiple Imputation)の発表資料
Large-scale imputation of epigenetic datasets for systematic annotation of di...
Large-scale imputation of epigenetic datasets for systematic annotation of di...
E rstroke.m4lecture
E rstroke.m4lecture
TBI Field Triage
TBI Field Triage
Jaam2008.10651
Jaam2008.10651
JAAM FORECAST study (Trauma) in Japanese
JAAM FORECAST study (Trauma) in Japanese
Diag test.shiraishi.2
Diag test.shiraishi.2
整形外科プライマリーケア 創の処置
整形外科プライマリーケア 創の処置
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
傾向スコアでみる ソーシャルネットワーク分析
傾向スコアでみる ソーシャルネットワーク分析
効果測定入門 Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
有意性と効果量について しっかり考えてみよう
有意性と効果量について しっかり考えてみよう
因果推論の基礎
因果推論の基礎
数式を使わずイメージで理解するEMアルゴリズム
数式を使わずイメージで理解するEMアルゴリズム
傾向スコアマッチと多重補完法の解説 その1
1.
Atsushi Shiraishi, MD Trauma
and Emergency Medical Center, Tokyo Medical and Dental University
2.
Goals Propensity score matching
(PSM) どんな研究で、なぜ使うのか? 実際にやってみよう。 Multiple imputation (MI) 欠損値のある対象を除外しちゃだめなの? 実際にやってみよう。
3.
日本臨床リウマチ治療学会総会
4.
日本臨床リウマチ治療学会総会 PICO ヨクキクマブの効果を後ろ向きに評価した。 関節リウマチの患者が対象 ヨクキクマブの投与有無で患者を二群に分割 投与1週後のCRPを比較した (Student’s t-test) CRP
(mg/dL) P Yokukikumab (N=41) 6.42 0.044 Control (N=33) 11.18
5.
日本臨床リウマチ治療学会総会 PICO ヨクキクマブの効果を後ろ向きに評価した。 関節リウマチの患者が対象 ヨクキクマブの投与有無で患者を二群に分割 投与1週後のCRPを比較した (Student’s t-test) CRP
(mg/dL) P Yokukikumab (N=41) 6.42 0.044 Control (N=33) 11.18 ・ 後ろ向き研究で背景因子調整を行わず、共変量 の影響を無視している。 ・ 不適切な代用アウトカムを用いている。 ・ 治療有無とCRPの二変数の相関関係が因果関 係であると安易にみなしている。
6.
相関 ≠ 因果
7.
相関 ≠ 因果
8.
相関 ≠ 因果 ・
ドイツで、コウノトリのつがいの数と出生数が正の 相関関係を示している。 ・ コウノトリが増えると出生が増えるという因果関 係?
9.
相関 ≠ 因果
10.
相関 ≠ 因果 ・
世界での海賊行為の数と地球温暖化が負の相関 関係を示している。 ・ 海賊は地球温暖化を阻止していたという因果関 係?
11.
人間の経験に基づく曖昧 な因果関係について考え る代わりに、数学的に厳 密に定義される相関関係 を問うべきだ。 Karl Pearson (1857-1936)
12.
あり なし 治療 Yokukikumab データ データ 転帰 この差を知りたい 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子
13.
あり なし データ データ 転帰 この差を知りたい だが共変量も 転帰に影響する 治療選択は共変量 に影響される 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子 治療 Yokukikumab
14.
差を知りたい介入以外の介 入が等しくなければ、因果関 係が正しく分からない。 Ronald Fisher (1890-1962)
15.
あり なし データ データ 転帰 この差を知りたい 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … RCT R 未知の因子 治療 Yokukikumab
16.
あり なし データ データ 転帰 この差を知りたい 共変量は治療に 影響しないはず 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … RCT R 未知の因子 二群間の共変量は 一致している 未知の因子を含め 全ての共変量が調 整されている 治療 Yokukikumab
17.
RCTで因果関係が得られる のはなぜだろうか?
18.
Rubin’s causal model「xが起きた世界でのy」と「xが 起きなかった世界でのy」の差 分が因果効果である。 因果効果とは独立変数単独の 効果である。 Donald
Rubin (b 1943)
19.
Rubin’s causal model あり
データ 転帰 治療 Yokukikumab
20.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 治療 Yokukikumab
21.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 この差を介入の因 果効果と定義した 治療 Yokukikumab
22.
高速道路 RQ: 高速道路を使ったら目 的地に早く着けるか? 一般道路 同じ人、同じ車が同時に両方を通れば 因果効果を求めることができる。
23.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 データ 介入なしの 場合の転帰 この差を介入の因 果効果と定義した 治療 Yokukikumab
24.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 この差を介入の因 果効果と定義した しかし 差が求められない 事実 反事実 治療 Yokukikumab
25.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 実際に求まるのは 上記の差だが… なし 欠損値 データ 治療 Yokukikumab
26.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 実際に求まるのは 上記の差だが… 介入以外の独立変 数も違う別世界 なし 欠損値 データ 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子 治療選択は共変量 に影響される 治療 Yokukikumab
27.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … R 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model RCTの場合 治療 Yokukikumab
28.
あり なし Yokukikumab 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … R 未知の因子 サンプルサイズが十分に大きければ、 二群は集団として同一と見なせる。 未知の因子を含め 全ての共変量が調 整されている データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model RCTの場合
29.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … R 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model 実際に求まる上記の差が、 同一集団の単一独立変数 の因果効果と見なせる。同一集団と見なせる RCTの場合 相互に代入可 治療 Yokukikumab
30.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … 未知の因子 PSMの場合 治療 Yokukikumab
31.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 58歳 女性 対象患者 中等症 ADL自立 待機的 健康保険 2014年 大学病院 … 未知の因子 PSMの場合 治療 Yokukikumab
32.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 76歳 男性 対象患者 重症 伝い歩き 待機的 無保険 2008年 一般病院 … 未知の因子 PSMの場合 治療 Yokukikumab
33.
Rubin’s causal model あり
データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 なし 欠損値 データ 76歳 男性 対象患者 重症 伝い歩き 待機的 無保険 2008年 一般病院 … 未知の因子 PSMの場合 この確率を背景因子か ら計算したものがPS 治療 Yokukikumab
34.
Propensity scoreの計算 単なるロジスティック回帰です。 介入決定以前の背景因子が独立変数 介入の有無が目的変数 pがpropensity score 1例ごとにpropensity
scoreが求まる Propensity scoreとは介入を行う確率 値域は0-1
35.
Propensity score Frequency 0.0 0.2
0.4 0.6 0.8 1.0 010002000300040005000 Propensity scoreの計算 リウマチ症例 Yokukikumabを投与された
36.
Propensity score Frequency 0.0 0.2
0.4 0.6 0.8 1.0 010002000300040005000 Propensity scoreの計算 リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった
37.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model PSMの場合 治療 Yokukikumab
38.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model PSMの場合 PSが近い値で、介入有 り無しのペアを抽出 治療 Yokukikumab
39.
Propensity score Frequency 0.0 0.2
0.4 0.6 0.8 1.0 010002000300040005000 Propensity score matching リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった
40.
Propensity score Frequency 0.0 0.2
0.4 0.6 0.8 1.0 010002000300040005000 Propensity score matching リウマチ症例 Yokukikumabを投与された Yokukikumabを投与されなかった PSの近いペア
41.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model PSMの場合 マッチされなかった対象 個々のペアごとに同一 サンプルサイズが増えればさらに 既知の共変量は調整 されている。おそら く未知の共変量も… 治療 Yokukikumab
42.
あり なし 年齢 性別 対象患者 重症度 ADL 緊急度 経済状況 治療時期 医療機関 … P 未知の因子 データ 介入ありの 場合の転帰 欠損値 介入なしの 場合の転帰 欠損値 データ Rubin’s causal
model PSMの場合 マッチされなかった対象 実際に求まる上記の差が、 同一集団の単一独立変数 の因果効果と見なせる。同一集団と見なせる 治療 Yokukikumab 相互に代入可
43.
実際にやってみましょう • 配布した “PSM1.R”をエディタで開いて下さい •
中身はRの関数を記述したテキストファイルで す。 • 丸ごとRのコンソールに貼り付け、リターンを 押して実行して下さい。 • 宜保光一郎先生と吉田和樹先生に感謝! http://goo.gl/W5wfqR
44.
• “lalonde” datasetを使っています。 •
教育効果(介入)の年収(転帰)に対する因果 関係を調べてみましょう。 • 12変数からなる445例の観察研究です。 – 背景因子 8変数 – 治療 1変数 – 転帰 3変数 • 欠損値の無い完全データです。 実際にやってみましょう
45.
変数表 独立変数 (Propensity scoreの構成変数) age
年齢 educ 教育年数 black 黒人 hisp ヒスパニック married 既婚者 nodegr 高校卒業 re74 1974年の年収 re75 1975年の年収 介入 (Propensity scoreの目的変数) treat 教育プログラムの有無 目的変数 re78 1978年の年収 実際にやってみましょう
46.
Before PSM Stratified by
treat 0 1 p test n 260 185 age (mean (sd)) 25.05 (7.06) 25.82 (7.16) 0.265 educ (mean (sd)) 10.09 (1.61) 10.35 (2.01) 0.135 black (mean (sd)) 0.83 (0.38) 0.84 (0.36) 0.649 hisp (mean (sd)) 0.11 (0.31) 0.06 (0.24) 0.076 married (mean (sd)) 0.15 (0.36) 0.19 (0.39) 0.327 nodegr (mean (sd)) 0.83 (0.37) 0.71 (0.46) 0.001 re74 (mean (sd)) 2107.03 (5687.91) 2095.57 (4886.62) 0.982 re75 (mean (sd)) 1266.91 (3102.98) 1532.06 (3219.25) 0.382 re78 (mean (sd)) 4554.80 (5483.84) 6349.15 (7867.40) 0.005 u74 (mean (sd)) 0.75 (0.43) 0.71 (0.46) 0.326 u75 (mean (sd)) 0.68 (0.47) 0.60 (0.49) 0.065
47.
After PSM Stratified by
treat 0 1 p test n 150 150 age (mean (sd)) 25.41 (6.86) 25.48 (7.29) 0.929 educ (mean (sd)) 10.11 (1.67) 10.29 (1.77) 0.349 black (mean (sd)) 0.87 (0.33) 0.87 (0.34) 0.864 hisp (mean (sd)) 0.05 (0.23) 0.06 (0.24) 0.804 married (mean (sd)) 0.18 (0.39) 0.16 (0.37) 0.646 nodegr (mean (sd)) 0.81 (0.40) 0.77 (0.42) 0.399 re74 (mean (sd)) 1821.88 (4792.12) 1517.04 (4370.13) 0.565 re75 (mean (sd)) 1329.82 (3350.84) 914.13 (1943.45) 0.190 re78 (mean (sd)) 4064.76 (4568.86) 6149.53 (7960.04) 0.006 u74 (mean (sd)) 0.76 (0.43) 0.78 (0.42) 0.682 u75 (mean (sd)) 0.68 (0.47) 0.68 (0.47) 1.000
48.
Propensity score matching 利点 •
背景因子調整に優れる。 • 因果関係を言うことができる。 • 後ろ向き解析で最良の方法のひとつ。 • RCTと比べて、 – ランダム化が不可能な解析も可能。 – 低コスト。 – 厳格な倫理審査が不要。
49.
Propensity score matching 欠点 •
多くは後ろ向き解析。 • サンプルサイズの計算が困難。 • PSの構成変数を決める標準的な手法は確立していない。 • 介入前の背景因子がPSを構成するため、計算困難な場合 がある。 • 未知の背景因子は十分に調整できない。 • マッチングできなかった対象を除外するため、 – 検出力が低下する。 – PSの重なり合いが少ない介入の解析は困難。 • 欠損値に脆弱で更に検出力が低下する。
Descargar ahora