■ 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...
・曝露g ; eg をRで作れたので、他の因子を調べる. ■ 生起因子t、抑制因子sが、決まった後、粗な観察で効果が際立っていないとしても捨てきれない因子2つを加えて、4つとしたデータをもとに考える. 4因子；最大 2の4乗通り を考えることになる. ...
・曝露gをRで扱う試行 曝露gの特徴は、IDの重複なしに分類して因子効果をみること. ■ dfの名前 、作り方 eg ： 曝露グループ;単純に結合 ・具体 列番号 1 2 3 4 5 6 7 8 列名 "y" "wat" "tya" "mesi" "tori" "s...
・因子の効果を概観したい、疑わしい因子の効果を確認したくて、表計算で総当たり調整値をみた.そのR版. ・繰り返しを入れ子にした記述でMH指標を計算. ・層化は一階；一回. ・粗指標と比較するMHOR/cORを試す. ■ 総当たりMHOR MH<-NULL mh<-NULL ...
・層化し、とりうる度数ベクトルに対応する起こりやすさとの対応を記述 生起t、抑制sが挙げられた後、続く処理の記述 vstyとvstnのdfは、層化し、とりうる範囲の度数ベクトルからなる. i、0:7は、tに対するBGの幅.0から7まで動かすと度数、起こりやすさはそれに...
・疑わしい因子について層化し、度数を求める記述 ・生起以外の発生をBGとし、周辺度数固定し、とりうる幅の度数を求める記述 ・起こりやすさを調べる準備 ・MHORの値は、この段階の数値が必要 --------------- ・層化度数 ；生起 t、抑制 s xでyを層化し、...
・リスト dr ：マスターテーブルともいう ・2分反転データ ：簡単な表記のため y1 y0 re1 re0 の4つを作る. 作り方： 1） リスト2分 行を抽出 y1 と y0 に リスト をわける リストの列 yが 1に一致する ものを y1とす...
・実用的な備忘として 記述を残すシリーズ
・2×2表に 粗な指標を付け加える 実質発生数は、粗表から対象の因子単独で説明できる発生数 ( a - b / (b+d) * k ) / (a+b) の分母のみとなる.みかけの発生からBGとみなした相当分を引いた残り、実発生数. zhas <-NULL # ...
・xtableを作ったのに加えて、cORをそろえて表示する cor<-NULL for( i in 1:8) { cor<-cbind(cor ,round(intetab[i,1]*intetab[i,4]/intetab[i,2]/intetab[i,3],d...
2×2表を並べ替えて作る. 1行目はab、2行目はcdでできている. ------------------ ad<-NULL ab<-NULL for (i in 1:8) { ad<-cbind( intetab[i,1],intetab[i,2]) ab<-cbin...
・生起因子らしさは、粗な発生数の多さ；事例全体に対し・・. それ以外：非曝露群における発生は小さいことに加え、低率でなければならないということだった. ・解析に使用する手元データに、発生の多くを説明しうる生起因子がないとき、外部menuや、感染症による別事例の可能性が強ま...
・生起らしいのと抑制らしいのを検討して、生起、抑制ときめることとする. ・cORや実発生数率は、生起因子の候補を絞る. ・候補因子との層化で、らしさから数的な裏付けをもつ因子とする方法の1つ. ・生起因子に対する抑制因子の効果も計算する. ■ 層化での実発生数率 抑制因子...
生起因子らしいか.実発生数率 を計算 cORと比べる；crude
・データによっては、生起因子を逸し、疑わしい因子を扱うこともありうる. ・生起因子らしさとは、事例の大部分の発生を説明できる因子であることも1つ. 曝露が重複してみかけ上発生が多いものは生起因子でない、としてよい. そのようなものを数的に示したい.多いとする数値は、なく...
xtabsは、度数ごとの因子dfだが、いつのまにか数字のdfになっていて、読み出し計算できない. まとめて数値dfにする. 計算例： cを省いた新ORを計算 ad/b intetab <- data.frame(lapply(xtabs,as.intege...
Rで計算 2×2表でみたい 関数定義;tbt ( )から配置
・2×2表をながめたいのは、刷り込みかもしれないが、関数を組んで、全因子の2×2表を作る. abcdデータは、得られているので、並べ方の工夫をする. ・個々因子を指定するとき tbt<-function(x){ return( c(sum(y1[x]), sum...
生起因子が分かったのち、BGとした、bの値は、とりうる範囲が限られる.その範囲で、発生オッズをみる. b1による発生オッズ 横軸 1：8は t0s1のb1＝0：7 ...
・オッズプロットのおもしろさは、 ORが、原点から延ばした線の傾きである；再. ・層化に広げてみる. ■ 層化したオッズブロット t を sによる層化でみる i 7番目 t j 6番目 s tの sありなしで sなし a0/c0 2.06 ...
■ 非曝露オッズ b/d 非曝露オッズの記述は、 wat; 2 を例 hib [1] 0.0000000 1.2307692 1.2571429 0.5714286 0.7291667 ...
オッズのまま眺める 記述： # hib 繰り返し 比を 各因子 分計算 hib<-NULL for(j in 1:8) { hib<-c ( hib, sum( dr[1]*(1-dr[j] ) ) / sum( (1-dr[1]) * (1-d...
「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 ...
▼ 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...
・疫学のステップ；観察、仮説、解析；調整によってFBDのデータを調べてきた FBD解析の本来の目的；生起因子の特定 は実際、多くは調整なしで不都合がない また”集団感染”との鑑別も有力な方法がみえた 事例のデータの中で生起因子のみならず、他の因子も発生に関係するようで...
