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。
google mapを用いてある地点のシェープファイルを生成する
シェープファイル(Shapefile)とは
シェープファイル（Shapefile）とは、Esri 社の提唱したベクトル形式の業界標準フォーマットです。Esri 製品はもちろん、多くの GIS ソフトウェアで利用が可能です。シェープファイルは仕様が公開されています。シェープファイルの読み込み、書き込みに対応した独自のアプリケーションを開発されたい場合は仕様書をご参考下さい(Esri ジャパンより引用)。
googlemapからklmファイルを作成
マイマップ→地図を作成
追加したい地点（この場合は東京駅）を検索し、「地図に追加」。
左上の...をクリックして「KLMにエクスポート」を選択。
これでklmファイルが作成できる。
klmファイルの読み込み
ArcGISのToolboxから、kml to layerにて読み込み可能。
あとは、そのレイヤーをエクスポートしてシェープファイルにて保存すればOK。
Mac bookのbootcampで起動したwindowsでスクリーンショットを撮る
ブートキャンプのウィンドウズでスクリーンショット
Windowsをブートキャンプで起動することがあります。
私の場合、ArcGISを使う場合がほとんどです。
以下のサイトを参考にしました。
主に3つの方法があります。
osk (スクリーンキーボード)
スクリーン上にキーボードを出して撮影。キーボードも撮影されてしまう点が難点。
ショートカットキー
fn + Shift（左側） + F11
全画面はこれでOK
Snipping Tool
これで画面の一部も切り取れます。
ペイント
切り取ったら、ペイントなどに貼り付けて、必要な画像を作成することができます。
UGT1A1*28*28と肺癌リスクについて
UGT1A1*28*28と肺癌リスクについての解説記事
最新の研究で、UGT1A1*28*28と肺癌の罹患との関係が明らかになりました。この研究は2016年11月10日のInternational Journal of Clinical Oncology誌（オンライン版）に掲載されました。本稿は、今年読んだ一番好きな論文2016とリンクしています。
UGT1A1とは
UDP-グルクロン酸転移酵素(UGT)は主に肝臓の小胞体に局在し、UDP- グルクロン酸をドナー基質とし排泄作用の一環として細胞内の水酸基やカルボキシル基, アミノ基,イミノ基,スルフィドリル基を持つ化合物をグルクロニル化する酵素です。簡単に言うと、肝臓で毒素を代謝する酵素です。
UGT1A1の遺伝子多型は、アジア人よりも白人に多い*28と、ほとんどアジア人にしかみられない*6などが存在します。
論文の紹介
本研究では、単一施設で2004～2014年に化学療法を受けた5285例のうちUGT1A1の遺伝子型が測定された765例を研究対象としました。肺癌とその他の癌の群に分け、UGT1A1*6及び*28の頻度の差を検証しました。劣性・優性・相加のそれぞれのモデルで、ロジスティック回帰を行い検証しました。統計ソフトはRを用いています。
(Nishikawa 2016より一部改変)
UGT1A1*28*28 の頻度（UGT1A1*28劣性モデル）は、肺癌においてその他の癌と比較して高いことがわかりました（ オッズ比OR = 5.3, p = 0.0083）。その他の遺伝子多型では、肺癌とその他の癌とで差を認めませんでした。
(Nishikawa 2016より一部改変)
- UGT1A1は煙草に含まれる有害物質の代謝に影響することから、肺癌のリスクを上げたのではないかと推察されること。
- Genome wide association studyなどにおいても、*28という「リピート変異」は、余り検証されてこなかったこと。
- 専門分化していく中で、統合して臓器横断的に見ることで、新たな関連を見いだせたこと。
は重要なポイントであると考えられます。
本研究は、単一施設での、癌患者が対象の研究ですが、今後の議論のたたき台になることを願っております。
そのほか、論文中では、病理組織の結果も含めて検討しております。もしよろしければ、ご一読ください。
出典：Association between UGT1A1*28*28 genotype and lung cancer in the Japanese population | SpringerLink
circular statistics (角度統計)について
髄膜炎に関する論文
Seasonal dynamics of bacterial meningitis: a time-series analysis. The Lancet Global Health http://dx.doi.org/10.1016/S2214-109X(16)30064-X
以前読んだ論文。前回はWaveletについて述べた。今日は、角度統計(circular statistics)について。
角度統計(Circular statistics)
ある地点における何かの向き（太陽、風向、樹木の樹冠の向き、生物の移動方向など）を記録したデータは、円周上に値をプロットできるデータみなせる。このようなデータを対象とする統計学は角度統計学と呼ばれている。日本語では、方向統計学、円周統計学、英語では、circular statistics, directional statistics, spherical statisticsなどが近い表現である。
角度は円周上の点と1対1対応するため、円周上の分布を用いて解析することができる(0度=360度となる)。
また、周期的な性質を持つデータは角度データとして表現可能であることから、例えば、ある疾病の月毎の発症数データなども角度データとしてみなすことができる。 円周上の分布は多様な方法が提案されてきた。
今回の論文中では、月別の髄膜炎を追っており、真の０や高い低いの評価が適切ではないため、角度統計が採用されている。
検定
Rayleigh test:
角度データには偏りがあるか? 1峰性の分布が想定されるときに有効。
Kuiper test:
角度データはvon Mises分布に従っているのか? 多峰性の分布が想定されてもOK。
Mardia-Watoson-Wheeler test:
2群の角度データは同一分布に従っているのか?
などがある。
信頼区間の推定
信頼区間の推定はブートストラップ信頼区間を用いる事ができる。以下のブログは参考になる。
ブートストラップ法で信頼区間を求めるときの注意点 - ほくそ笑む
参考資料
意外と資料が少ない。日本語だと、以下で外観は掴める。
角度データの統計処理基礎
環境科学における方向統計学の利用
角度分布の概要
R package "circular"
以下で試すことができる。簡単なものを試してみる。
p値の算出はいくつか方法がある
?`circular-package` #circular package help library(circular) #ciucular x <- circular(data.frame(runif(50, 0, pi/2))) #trial par(mfcol=c(1,2)) plot(x, main = "plot") #plot rose.diag(x, main="rose diagram") #rose diagram class(x) is.circular(x) mean.circular(x) rayleigh.test(x) #Rayleigh test of uniformity, assessing the significance of the mean resultant length. kuiper.test(x) sd.circular(x) mle.vonmises(x) # estimation of mu and kappa mle.vonmises(x, mu=circular(0)) # estimation of kappa only x.bs <- mle.vonmises.bootstrap.ci(x, alpha=.10) par(mfcol=c(1,2)) rose.diag(x.bs$mu, bins=30, main=expression(mu)) hist(x.bs$kappa, main=expression(kappa)) # Compute the median direction of a random sample of observations. median(x) #only the median is returned meandeviation(x) #mean deviation is reported ## Not run: median.circular(x) #only the median is returned medianCircular(x, deviation=TRUE) #both median and deviation are reported mle.vonmises.bootstrap.ci(x, mu = NULL, bias = FALSE, alpha = 0.05, reps = 1000, control.circular = list())
疫学・統計・Rなどの役立つリンク集 (Useful Links for Epidemiology, Statistics, R etc)
統計学 Statistics
統計学の学習(Learning statistics)
Basics of Statistics (Jarkko Isotalo)
統計解析結果のレポーティング(Reporting statistical results)
JJCO誌のガイドラインは1997年と古い物だが、有用。
日本語：福田治彦、大橋靖雄「Japanese Journal of Clinical Oncology投稿に際しての統計解析結果のレポートに関するガイドライン」
有名誌のAuthor Instructionも有用。以下はAnnals of Internal Medicine(米国内科学会)のもの。
Annals of Internal Medicine: Information for Authors - General Statistical Guidance
疫学(Epidemiology)
R
（随時更新していきます。）
羽鳥さんのR4DS
データサイエンスとか、ビッグデータとか言った文言が流行っていますが、この際の作業の殆ど前処理です。 データサイエンティストの80%はマエショリストで出来ていると言っても過言ではありません。
世界でマエショリストを夢見るみんなへの手ほどきが、羽鳥さんのwebサイトで無償で公開されています。
英語版で本も発売される予定のようです。
このサイトは、ざっと眺めると、以下のような構成になっています。
- 全体のイントロダクション
I 探索する
2. イントロダクション
3. データ可視化
4. ワークフロー：基礎
5. データ変換
6. ワークフロー：スクリプト
7. 探索的なデータ解析
8. ワークフロー：プロジェクト
II データラングリング (おさまりの良いデータにする)
9. イントロダクション
10. tibblesを用いてデータフレーム作業
11. データインポート
12. データを整える
13. 関連データ
14. strings
15. 要素
16. 日付関連
III プログラム
17. イントロダクション
18. パイプ
19. 関数
20. ベクトル
21. イタレーション
IV モデル
22. イントロダクション
23. モデルの基礎
24. モデル構築
25. 色々なモデル
V コミュニケーションツール
26. 基礎
27. R マークダウン
28. コミュニケーションのためのグラフィック
29. Rマークダウンのフォーマット
30. Rマークダウンのワークフロー
意訳のところもありますが、全体を見渡すと、上記のようになっています。 マエショリストのいろはがわかります。興味があれば、本サイトへどうぞ。
