Rで21世紀の相関係数を算出する(MIC)
相関
2変数とも連続データで,正規分布に従っているならばPearsonの相関係数を用いることができる。
少なくとも1変数が非連続データの時にはノンパラメトリック検定のSpearmanやKendallの相関係数を用いる。これらは、実データでなく、順位付け(大小関係)で判定する。
これらの相関係数は、線形相関を見ている。
(訂正:Pearsonは線形の相関を調べるが、SpearmanやKendallは順位だけで見るので線形の仮定は要らない)
非線形相関を実データで調べる
Rにminervaというpackageがある。
MIC(Maximal information coefficient)は実データによる非線形相関係数も応用可能。
直線的な相関はピアソンで良いのですが、そうでないものは、順位検定になります。
直線ではない視覚的には明らかな相関を実データを用いて証明したい場合には、MICは有効かも。
R二乗値
エクセルでのR二乗値についての質問を受けたので、覚書程度に。
Microsoft officeのサイトによると、R二乗値(決定係数といいます)が近似曲線と並んで出る。近似曲線を引いた場合、その近似曲線がどのくらい実データを近似できているか、ということ。0.8を超えていたらよく、1に近いほどgood。
ここで、決定係数は、直線近似では相関係数の二乗ですが、非線形回帰では相関を示すものではない。 http://note.chiebukuro.yahoo.co.jp/detail/n168494
なので、「指数関数にこのくらい近似できる!!」とはいえても、「これくらい相関している」と言うためには注意を要する。
MICは、Science誌でも「21世紀の相関」として取り上げられている手法。
今度相関を調べる機会に使ってみようと思います。
データ解析チートシート cheat sheet
チートシート
R Studioのウェブサイトにまとまっており、
以下のように様々なチートシートがある。
Data Wrangling with dplyr and tidyr Cheat Sheet
Data Visualization with ggplot2 Cheat Sheet
これは便利だ。
Network Meta-Analysisについて
Network Meta-Analysis (NMA)
従来のメタアナリシスの課題
従来のメタアナリシスでは、2つの治療についての比較しか得られない。例えばうつ病に対する薬剤には多くの種類があり、有効性・安全性・薬価は様々である。 そこで、利用可能なすべての薬剤について有効性・安全性を系統的に比較・評価したい。
モデル
単変量(Univariate)なモデルでなく、相関をモデル化するための多変量(Multivariate)なモデルを用いる必要がある。
変量効果モデル(Random effect model) DerSimonian-Laird (DL) approach
A method for the meta-analysis of mutually exclusive binary outcomes. - PubMed - NCBI
これを多変量に拡張したものが用いられる。
ネットワークのモデルは、T種類の薬剤比較を行う場合、自由度T-1となる。
制限付き最尤法(REstricted Maximum Likelihood: REML)を用いるのが一般的。
Inconsistency
三竦みの状態。A>B, B>C, C>Aのようなイメージ。InconsistentだとNMAに適合しない。その評価には3つある。
1. Local Inconsistencyの検定: ネットワークの中から、任意の3つを取り出して、それぞれのinconsistencyを調べる。
2. Global Inconsistencyの検定: ネットワーク全体におけるinconsistencyが無いか調べる。
3. Side-splitting法: 任意の2 node間のedgeを直接エビデンスと間接エビデンスに分離して、その間にinconsistencyが無いかを調べる。
Conceptual and Technical Challenges in Network Meta-analysis
Reporting Guideline
R package
Examples
http://www.sciencedirect.com/science/article/pii/S0140673609600465
http://www.sciencedirect.com/science/article/pii/S0140673613607333
Links
http://nfunao.web.fc2.com/files/nma_r.pdf
Meta-analysis - Wikipedia
https://www.campbellcollaboration.org/images/library/network_meta_analysis.pdf
ポリファーマシー(Polypharmacy) [介護施設編]
ポリファーマシー(Polypharmacy)とは
単純に「4~6種類以上の薬を飲んでいる状態」をさすこともあるが、問題になるのは、不適切な多剤併用である。
これを受けて、Polypharmacyとは、往々にして「必要以上に薬を飲んでいて、薬による有害事象が起こっている状態」を指す。
polypharmacyの問題点
- 薬による有害事象
- 薬のアドヒアランス
- 医療費の増大
ストップSTOPPとスタートSTART
STOPPの目的: 薬物有害事象の回避・服薬数の減少に伴うアドヒアランスの改善・医療費の削減
STOPP (Screening Tool of Older Person's Prescriptions) criteria
日本語訳
STARTの目的:高齢者に対する過小医療回避
介護施設者
1.薬物相互作用リスクは、あたらしい入所者, 5剤以上の定期薬, 抗菌薬, 抗精神病薬 (Fieldら 2001)。
2.多く見られた有害事象は、精神神経系28%, 転倒13%, アレルギー反応12%, 消化器病11%, 出血11%, 錐体外路症状11% (Cooper 1996
)。
特に注意すべき薬剤
介護施設での不適切な処方への対処は
- 多職種(かかりつけ医、老年医学に熟知した医師、薬剤師、施設スタッフ)によりカンファレンスは、有効である可能性がある (Allred 2013, Trygstad 2005, Crotty 2004)。
- 専門家による投薬内容見直しの提言は、薬剤有害事象、入院、致死率に対する改善作用はないものの、主治医の薬剤変更につながり、薬剤費用低減効果がある(Crotty 2004)。
雑感
- 高齢者の健康状態は多種多様
- 若年者と比較して抱える疾患が多い
- 内服薬も複数ある場合が多い
ご本人・ご家族と共に、医師、看護師、薬剤師、介護職員、ほか、皆で診ていくもの。
リンク
http://www.ho.chiba-u.ac.jp/pharmacy/No11_sotsugo2_0619.pdf
www.slideshare.net
qplotで日本語を使う
ggplotを手軽に
ggplotのコードが覚えられない、忘れる。
何故かエラーになる、そんなことはありませんか?
ggplotを手軽に行うための関数があります。
その名も、qplot(quickplot)
qplot
ここを参考に色々な事ができる。 plot関数に近い使い勝手で美麗グラフができる。
日本語を使いたい場合
par関数に相当するのがthemeである。以下に従う。
old = theme_set(theme_bw(base_family=“HiraKakuProN-W3”))
元に戻すには
theme_set(old)
GLMMを実装する
このパッケージを用いて、以下でinstallする。
install.packages("R2admb") install.packages("glmmADMB", repos=c("http://glmmadmb.r-forge.r-project.org/repos", getOption("repos")), type="source")
これでzero inflationなどの解析ができるようになる。