Open Box with STAT

基本的な統計学と疫学的手法,それらの文献等,R等の統計ソフトの使い方をブログ記事やYoutubeを用いて解説します.

『Causal inference: What if』のまとめページ(Part III)

このPartでは,Time-varyingな状況下,つまり複数時点の曝露もしくは介入,および共変量の情報があり,ある時点の曝露(介入)が共変量や次の時点の曝露(介入)に影響を与えていく状況で,因果推論する方法を説明しています. 従来の解析手法(層別化や回帰…

『Causal inference: What if』のまとめページ(Part II)

このPartでは,Time-fixedな状況下,つまり曝露もしくは介入,および共変量が一時点の情報しかない状況で,モデルを利用して因果推論する方法を説明しています.生存時間解析のChapterもあります.Cox比例ハザードモデルを使わず,ロジスティック回帰モデル…

『Causal inference: What if』のまとめページ(Part I)

Part I: Causal inference without models では,シンプルな状況下で,因果推論の考え方,条件,方法を説明しています.

『Causal inference: What if』のまとめページ(はじめに)

『Causal inference: What if』のまとめページです.資料や動画を置いてます.

Clinical Question整理のためのRoadmap

臨床研究には,PECO or PICOで整理できないCQがあります.まず,記述・予測・因果推論でCQを分類し,その後,構造化することを提案します.

医学統計学(基本)1-2:点推定と区間推定(標準誤差・信頼区間)

標本で統計量で母集団の統計量を推定します.点推定とは未知の母数を1つの値で推定すること.区間推定とは点推定のばらつきを表したものです.95%信頼区間は点推定値の精度と捉えましょう.

医学統計学(基本)1-1:母集団と標本

統計学は,目の前のデータのありのままの姿を伝える記述統計と目の前のデータから背後のデータの特徴を推定する推測統計の2つに大きく分けることができます. この回から始まる医学統計学(基本)シリーズでは,推測統計に焦点を当てて勉強していきます.扱…

データサイエンスの分類

因果推論を軸にして,データサイエンスのこれまでとこれからを考えていきます.データサイエンスは,Description(記述)・Prediction(予測)・Counterfactual prediction(反事実予測)の3つに分類できます.また,どの分類でも専門家の知識は必要であり,…

Modern epidemiologyより,疫学へのベイズ統計の導入

Modern epidemiology読書会の私の発表資料と動画をアップします! 最近話題のベイズ統計モデリングとは異なり,「疫学へのベイズ統計の導入」を焦点に話を進めています. www.youtube.com speakerdeck.com

疫学統計セミナー2:疾病の発生の測定(発生割合,オッズ,発生率,有病率)

疫学統計セミナーをはじめました. 2回目の資料や動画をアップしています! 疾病の発生の要約方法である,発生割合,オッズ,発生率,および有病率について説明しています. www.youtube.com speakerdeck.com 今後も引き続き更新していきます.

疫学統計セミナー:データ解析と研究目的との関連

疫学統計セミナーをはじめました. 1回目の資料や動画をアップしています! 以前のブログ記事と同様にハーバード 大学のMiguel教授の論文を参考に,データサイエンスでできることを「記述」,「予測」,「因果推論」の3つに分類し,解説しています. (Migue…

Matched dataにはmatched analysisが必要か?

Matched dataにはmatched analysisが必要か? * マッチングの方法は,1対少数マッチングと層化マッチングがある * Matched analysisは,条件付きロジスティック回帰分析と通常のロジスティック回帰分析(マッチング変数を説明変数に加える)がある * 1対少数…

Rmarkdownのすすめ

Rmarkdownを使えば,コードとその結果,コメントを一つのファイルにまとめることにできます. 私が考えるRmarkdownの良いところは,次の3つです. 1. データ解析の再現性を保てる 2. データ解析結果を共有する人に合わせて,出力する情報量を調整できる 3. …