■ colSumsにより、計算が簡単になる 非曝露試行は、効果を調べる有益な手段かもしれない 式を工夫する r*；曝露発生率差とは違った式を思いついた 差率とよぶ 差率は、cr発生率、RDほどは値が暴れない ‐‐全体；限定なし-- osw事例 yall<- s...
正確確率のところで、コメントいただいた件、記事として 階乗を含む式をlnすれば表現が簡単化できるか ln＜n！＞ = ln（n・(n-1)・(n-2)・・・1） = ln（n）+ln（n-1）+ln(n-2) +...+ln1 → lnの積...
logistic回帰モデルを扱った際、係数の現れ方について気付いたことをメモする.この記事はモデルの一般的な説明を意図しない. ある事例の平均発生率はロジスティック関数を使って、下式（1）のように表せる.βnはNull modelにおける推定係数であり、同時に事例の発生...
□ MH法やglmロジスティック回帰のSEは異常に大きい.それらが推定する 95％tileが、データからはありえないものとなるのだ.これは、SEから導かれるCIをセル値とする2×2表を作ってみて、眺めるとわかる.超幾何関数（Fisherの正確確率）をもとにして計算（手計算で...
■ モデリング推定係数のseは、いやに大きい.推定係数+2seをもとに、率や期待発生数を求め、データと比べると、およそ危険率5%などといった縛りからは、考えられない値が出る.（メモ；seが大きすぎる）.サンプリングしたデータの大きさは有限（教科書的な、無限iに伸びた分布でな...
・ 2×2表を超幾何分布から考える. 2×2表では、生起因子曝露に対する観察発生数 94ほか（観光船事例）4つの数値が得られる. 事例のなかで、発生数m、暴露数（抽出数）k、非発生数nの3つの数値があれば、超幾何分布を用いて、抽出数に応じた、起こるべきばらつきを再現でき...
・離散な確率を計算する場合、自然で、現実的なのが超幾何関数；Fiserの正確確率；hgである. hg ＝ m!n!k!(N-k)!/(N!a!b!c!d!） ・2×2表（マスターテーブル）を検定する際、chi-squared testより直接的で、”正確”なので便利...
信頼区間を決めつける！超幾何関数からCIを計算してみた Fisher'sExact test for CI
[データに依存して信頼区間を求めると整数を使った近似のために、デコボコするときの対処] ・解析において、cross tableから OR、RRと近似による偏差から信頼区間を推定するが、それは、ふつう各群の数から計算される.そのため低率の事例では、ケースの小さな整数が信頼区間...
□ 係数の関係式 推定係数は、フルモデルとreduceモデルでは異なる. 関連記事： https://moruke.muragon.com/entry/133.html 回帰モデルの係数の推定について 記事；最尤推定の理解 などで巧妙さをみた.しかし、因子を削減した...
・Rが推定する係数のse 数~10前後の因子についてglm logistic回帰をして係数を得る.x1が生起因子とわかる. 因子をこれ1つとしたモデルをつくり、seなどを比較する. 8因子モデル x1 se 切片 se AIC ...
① MHによる、因子調整 ② glm系（GAM含む）による推定計数 ただし②では調査した因子がモデルに含まれていないと、推定した切片の値が異常*となることで、因子が「ほかにある」ことを知れる.これは、食中毒であったかどうかの判断に数値的ヒントを与える. *異常とは、その...
・もとめるものは、”明瞭な結果”ではなく、すっきり割り切れないながらも何か ”あるらしい” ことの方である. ・検定は、ことを終わらせる間際の作法のようなものとすら思う. 推定をもって手探りをする.最尤推定を手にすれば、熱を発散させている方向が感じられる.何かありそうな予...
■ i番目の人の成功確率(logistic) pi(zi) = exp(zi) / (1+exp(zi)) ・・1 成功しない確率 1 - pi(zi) ＝ 1 / (1+exp(zi)) ・・2 1，2の比をとると、各左辺の分母が消え、 ...
2×2表において 曝露発症a、非曝露発症b、曝露非発症c、非曝露非発症dとおくとき RD＝a/(a+b) - c/(c+d) とする. 事例の生起因子により、層化して他の因子についてRDを調べる. 生起因子あり群の因子RDとなし群の因子RDは、 層...
「ブログリーダー」を活用して、morのブログさんをフォローしませんか？
■ colSumsにより、計算が簡単になる 非曝露試行は、効果を調べる有益な手段かもしれない 式を工夫する r*；曝露発生率差とは違った式を思いついた 差率とよぶ 差率は、cr発生率、RDほどは値が暴れない ‐‐全体；限定なし-- osw事例 yall<- s...
■ 差率は全体の率に及ぼす因子の影響が際立っているように見えた 差率にもみかけがありうるだろう ■ 独自の生起性 ・vice以外の生起因子がどれなのか cakeが独自生起因子であって他はみかけと考えたのだった colSums(osd[,1]*(1-osd[,13])...
□ 生起因子以外にy1の因子が複数あった 複数の因子はRD colSums(osd[,1]*osd[] )/colSums( osd[]) - colSums( osd[,1]*0^osd[,])/colSums(0^osd[] ) y ...
〇 各因子非曝露とする、あらたなrisk値を使って調べる risk値：r1* は、j 因子なしの発生率-j含む発生率で、0を基準に分類できる それから、N個×N行のmatrixを作り、vecで条件付けし、表示し観察する ☆ 記事 ” 非曝露で 発生率mxから,...
■ 過去記事 ”生起因子らしくもない？ 感染症など外の要因” ■ colSumsによる2×2表 acc <- colSums( osd[,1]*osd[,]) bcc<- colSums( osd[,1]*0^osd[,]) ccc <- colSums( 0^osd...
■ 各因子について”非曝露”としたときの各因子のrisk値を計算しベクトルをつないだmxから調べるということをした 因子の曝露から調べるのとは違い、ある1つが非曝露になることで、変化する他の因子たちのrisk値を調べ、非曝露とした因子の性質をみる方法 ■ 非曝露のパターン...
〇 層を限定せず、因子性質を調べる r1 で限定のない層をみる すべての因子を1回づつ非曝露にしてr1を計算し、線でつなぐ ベクトルで描画を条件付けし、表示因子を選び、並び順を変える r1 のベクトルから mx kもついでに計算しておく 〇 2つの有力な副生起因子ca...
■ 曝露群での発生率 r1に対して及ぼされる、因子効果を名目因子について調べる ・各因子削減したときの率mxをつくり、表示の際に選択・順を変える；ベクトルで指定 ・生起因子曝露の下で調べる例 ■ 準備 # k1の小n はじくため k1ベクトルをmxにする記述 ...
■risk値・度数 ・RDの表現 colSums(hune[,1]* hune[]) /colSums( hune[] ) # r1 colSums(hune[,1]*(1- hune[]) )/colSums(1- hu...
・みかけを考える時、判明している因子からのみかけを計算である程度みることができる ・MH調整risk値で信頼区間；確率的な水準に基づいてみかけの影響を評価する資料があった 信頼区間により判断することで有意水準に許される範囲の発生IDは 有意性なし と切り捨てる2） 有...
▼ kによる信頼区間の違い ・kが異なるとき、信頼区間の度数は変化する 0.95でみることに代えて、変曲点を度数幅でみる 平均 0.25 において k 小の範囲では plot(xlim=c(1,60),ylim=c(0,0.1),dhyper(1:100,20...
■流行曲線 一峰であることと 単一曝露を結びつける ・・複数の山も短期に合わされば一峰になるよ なお、単一曝露だと一峰が尤もらしい ■欠席*などの曝露の違いを観察に加えない 2×2表がない 疑わしいイベント；例えば、1日目弁当と2日目弁当 が挙げられたとき、それぞれ...
・納豆オクラ事例の解説資料には、度数、OR信頼下限ほかいろいろ計算した表がある ・信頼下限があれば、他の検定は不要であり、余計なものだと主張したい ・2013 H25 3月審議会 議論あり ・R記述の練習になるので考えてみる ▼ 数メニューのchi2 OR信頼下限、p値をみ...
・事例で粗な risk値の大きな、ときに”有意”となる因子が複数見つかることがしばしばある 交叉汚染とみなされる例があるが解明していない ”メモrisk値がうまく働かない”をもう少しきっちり調べる ・2因子の関係のみ考える時、risk値が明らかに大きい因子x1が、も...
・Rの関数と定義式による手計算 定義式が分かりやすいように再掲載；過去記事削除 ■ 例としてデータ yts_ts[,,] , , sake = 0 tam y 0 1 0 25 18 1 ...
・有力な生起因子を探すためにrisk値を計算するのだが、複数；多数のmenuが高risk値になる例がある ・複数menuの汚染も1つの理由のようだ 調整・層化してみかけを数値上処理できる場合もあるが、万能ではない 不調を処理しきれない例もある ・不調になる例についてメモする...
・症例だけから原因に迫れて対策につながった例がある ・CCSにおいては、曝露の偏りを用いて因子の性質を探っている caseだけをみても、曝露の偏りが著しいものがある ・case a-b とは、どんなものか コホートについて実例の数値を調べてみる ・5事例/7事例で原因とされ...
▼ 症例研究とでもいうべき 対照を置かずに対策が進んだ注目すべき中間報告 平成29年 2017 山形 散発症例 サルモネラ 15名把握、その後対象をあつめ 40 共通的な外食等なしだったが 曝露調査で卵が 多かった N 40 うち30が卵 喫食と. 1IDは”...
RDは生起因子の重複の影響は残すが、素直な値になる MHRD計算の記述 RDとMHとの比較 ▼ osw事例 粗なRD mxrd0 MHRD oswmh ** RDによるMHRD plot(xlim=c(-0.3,0.4),ylim=c(-0....
・粗なrisk値信頼下限、χ2値、p値の羅列でとどまる報告・解説がこのごろ多くみられる 食い合わせによるみかけに触れていないものがある 事例の解析や例示は学習の教材なのでながめる際に、注意したい点を記事にして残したい ・ほか気づいたことも記す ▼ まず目に留まったある事例 ...
平面 xy座標で、(a,0) と (b,2r) をとり、それらを通る直線について、円中心からの距離を 直線からの距離公式から決めて、計算する
▼ r1r2による率の比較をする記述を改変する 論理式をよりひろく;度数へも 汎用にしてみる ばらつきを表現するのは、楕円で 1 ID分だけぶれを入れてみる ・ 観光船事例を調べてみる ■ 生起族と抑制族 核となる式を最初に定義してしまうと記述が簡単になる 例 0-...
■ 3-3 で気づいたこと ”曝露Gのnが小さい時、非曝露の率は、平均値に漸近する”ようにみえた その因子は曝露が小なのでRDなどの因子効果も不審になる 曝露、非曝露どちらのGにおいても、小nがあれば率はより ばらつく ▼ r1、r2のばらつき 偏差と題...
■ r1r2 で ・因子の性質/強さの最も明らかな因子を手掛かりに順次観察値を調べていく モデリングやMHで一斉に調整したり、因子を削除して最適なモデルをさがすのとは、別な方法* * r1r2 と呼んでおく；別記事も参照 ・生起性、...
■ r1r2；曝露Gの risk；r1と非曝露Gのr2 解析から直接因子の特徴をみる”のでない”やりかた モデリングやMHで一斉に調整したり、因子を削除して最適なモデルをさがすのではなく、性質が明らかな因子を手掛かりに範囲を広げ、順次観察値を調べていく ...
・小規模事例でのn問題 計算に使う群のnが小さいこと 因子のrisk値はばらつきが大きくなり、連鎖的に信頼性が下がる ・因子の性質の決定 強い生起因子、抑制因子は比較的みつかりやすいが、弱いそれらと阻止は容易でない さらに、削除すべき無影響因子をみわける方法が思い浮か...
過去記事でも論理式を持ち出したが；cf 論理式が使えるRの計算 sum( yos*(vi)*(1-(1-ch)*(1-mi) ) *(1-(1-yh)*(1-r)) ) y1かつviに曝露かつ ch mlいずれかに曝露 かつ yh rいずれかに曝露 (1-(1...
■ ・船事例では、曝露数の大きな因子が生起、抑制因子の効果に影響しうることをみた ・曝露数の大きな因子を書き出す記述をする ---------- 曝露表の記述から続けて；保存dfなどを引き継ぎ ---------- ■ 曝露数ベクトル；行列 tem.data<- dr...
■ 事例データに汎用なMHRDを計算 ■ 記述 ----まずは、事例のデータを入れる；データの複写 t.data <- # 調べるデータ名を入れる 実例 oswの ” osd ” を入れる ---- 【n×n因子 MHRD】 ----カラム数、...
■ IDごとの因子たちの重複を計算してみる記述 ・・のうちy1 や tでありかつ・・ 生起因子との重複もわかる 対角線を眺めれば、曝露数となっている；同一因子名の交叉する数値 ■ 【 n×n 曝露重なりをみる表 記述 】 -----------------------...
・ MH総当たり表をグラフ表示して特徴から、注目する因子としておく 独立モデル係数をplotしてみる ■ 記述 for( j in 1:15) # MHの値を 線グラフで { plot( oswmh[ j,1:15 ],ylim=c(-0....
■ 因子選択と交互作用項の設定は 別事例データでも通じるか調べる 因子選択 ～ 曝露数、cRD 絶対値の大きなもの 交互作用項の設定 ～ それらの主な組み合わせのみによる 2重交互＞3重交互 モデルは 切片≒0，...
・linear model を2値データに適用したとき summayの Multiple R-squared は、実感とずれがある かなり小さな値がでてくる ・yが0,1のデータがそのまま相関x,yでのyとして計算され Multiple R-squared となっている ・...
■ 因子選びの手順、交互作用項の設定ヒント 生起因子t、曝露の多い因子を知る記述はできた mesi steak は挙げることができたが、生起因子とできるだけ重複する因子を選び出す方がよいと思われた これは、生起因子に対して抑制、阻止の効果が働いてみえるという経験とも一致す...
■ 因子をできるだけ客観的に選んで、有利な交互作用をもつモデルで組み合わせを試す ■ 因子、モデル 因子 wat mesi tam potesara は 客観的選択 steakは 曝露がmesiに次いで大 mesi steakには、阻止を想定した交互 me...
保存したデータ csv ■◇ ただしい症例定義・・ .csv ； 全メニュー cludeなRDデータ名：crd ------------ data = kanzi 記述 dd<- NULL dd<- kanzi # dd= read.csv(file.ch...
■ 元データ ・4因子は客観的に選択した steなど以外を加えるモデルを作るため、26因子全部をデータとした ・症例定義2 ただし症例定義1は考慮せず発生としたもの ■ 4因子モデルと”＋適当な因子”で5因子モデル さらに独立と交互作用 切片とRsqで評価する ...
■ 因子の選択 cRDは簡便に因子を特徴づけられることを使って、因子選択に利用する ・cRD ・曝露数 の2つから因子を選択するということを記す ■ 全因子 dd= read.csv(file.choose()) # dd：csv 2...
■ 以前の計算から、 ・線形独立な予測子で推定;logistic回帰 すると観察とズレがあること ・抑制因子は単独で弱生起性、生起因子存在下で抑制 のような、一見二面性を示す可能性があること 【二面性・・】 ・論理式は、因子効果を単一とせず、データと推定とのズレを”補正”し...
