Sukimaru | Quick Dive into Medical Statitics

Пікірлер

@scapegoat8823 16 күн бұрын

結局、母集団の標準偏差が分からなければ標準誤差は計算できないのではないだろかそれとも不偏標準偏差を代用するのだろうか

@sukimaru-stats 15 күн бұрын

本編では導出について詳細に触れておりませんが、おっしゃる通り不偏推定などで標本から得られる推定量を用いて推測します。現実には母集団の標準偏差はわからないケースが多いと思いますので推定量は必ず必要となります。

@隆浩菅野 Ай бұрын

今回の件は製薬会社がサンプルサイズを最大にした努力の結果ですね。

@sukimaru-stats 15 күн бұрын

どの件のことかは察りかねますが、over-powered な設計で小さな益を検出してしまうのは企業主導の臨床試験でしばしば問題になりますね😢

@kensmith8132 Ай бұрын

初心者向けに統計的仮説検定を解説してくれる動画を探していてこの動画を見つけたのですが、１点、初心者に誤解を与えてしまう可能性が部分があり、コメントさせていただきます。　気になった部分は「P値が小さくなる場合、「1.標本サイズが大きい」」「小さいP値を見たときは注意が必要」と記載のある部分で、これは「標本サイズが大きすぎるのはよくない」という誤解を与えてしまう気がしました。そもそも、「サンプルサイズが大きすぎて悪い」というのは、数理統計分野（※私はベイズ統計・機械学習の人）ではあまり聞くことがありませんでした。そのため、サンプルサイズが大きくなることで誤った結論が統計的有意として認められてしまうことがあるケースについてネットで、調査しました。その結果、サンプルサイズが大きすぎて誤った結論が導かれるケースとして、紹介されているものの、ほとんどが以下の２つのパターンだ、ということが判明しました。 1, そもそも帰無仮説が間違っているため、サンプルサイズが増えたときに、その間違いが結果として現れる 2, 標本データ自体に偏りがあるため、サンプルサイズが増えたときに、その偏りが結果として現れる２つ目のパターンについては、すでに動画内の「バイアス」の項目で近いことが解説されているので特に問題ないと思います。しかし、１つ目のパターンについては、「帰無仮説またはそれをモデル化している確率モデルや統計手法」が間違っているのであり、「サンプルサイズが大きいこと」が直接の原因ではありません。よって、私の一意見ですが、「サンプルサイズが大きいこと」を問題視するわけではなく「その統計的仮説検定に使われた確率モデルまたは手法自体が間違っている可能性がある」と説明するべきだと考えます。長文失礼いたしました。

@kensmith8132 Ай бұрын

合わせて、信頼区間95%に関する動画も拝見させていただきました。そこで、投稿主の方は「一定の効果は確実にあるものの、臨床的に効果が軽微すぎて、ほとんど意味がないものもサンプルサイズが大きすぎることによって統計的仮説検定によって検知されてしまうこと」を問題視されているように思えました。私自身医学に詳しくないので知らなかったのですが、どうやら医学の分野の統計学の利用目的は、「偶然ではないことを示す（統計的有意性）」だけではなく、「その効果の大きさを測定する（効果量）」まで含まれているらしいことを理解しました。個人的に、初学者が、これを見て誤解してほしくないという点は以下の２点です。１．（統計モデルも正しく、サンプルサイズも偏っていないという前提下で）サンプルサイズが大きくなって統計的に有意である、という結果が出る、ということは、「偶然ではないことを示す（統計的有意性）」という目的においては果たされている。（誤解を恐れずに言うのであれば、例えば、検証している薬は効果がある、と主張できる）２．しかし、医療統計の２つ目の目的、　「その効果の大きさを測定する（効果量）」という目的は果たされていない。（誤解を恐れずに言うのであれば、例えば、検証している薬は効果があるけど、その効果の大きさは他の統計量を計測しないとわからない、ということ。ただ１つ目の目的は果たされているので、実験が間違っているわけでも、仮説検定に意味がないわけでもありません。）

@sukimaru-stats 15 күн бұрын

数理統計の観点から興味深いコメントをいただき誠にありがとうございます。サンプルサイズの点についてですが、医療統計においては "over-powered study" という概念があります。過剰なサンプルサイズで臨床試験を組むことはコストや倫理の観点から問題だという考えです。実際、臨床的に意義のない小さな効果をわざわざ大規模な試験で（＝よい推定の精度で）示したとして、その介入は現場の医療にプラスにならず無意味とみなされます。こうした考え方は医療統計において under-power 同様に重要な概念であり、この動画の中でも取り上げさせていただきました。なるべく敷居を低くするため短い動画にまとめている都合上、医療分野における観点の紹介を優先した構成にしおり，その他の初学者に誤解を生んでしまっていたら申し訳ございません。多くの不足があることは承知しておりますが、今後も質の向上を努めたいと考えておりますので、何卒ご指導を頂けますと幸甚です。

@隆浩菅野 Ай бұрын

前後2個分ずつ、合計四つ分で測定値全体的のうち90%が含まれるという理解でいいですか？

@sukimaru-stats 16 күн бұрын

「平均±2SDは約95%のデータを含む」というのがより厳密な説明になります。ただこれも標本が「正規分布している場合」に限ってのことです。そうでない場合、標本のヒストグラムを実際に見てみないと厳密な割合はわかりません。ただ補足として、どのような分布であれ少なくとも 75%のデータは含まれることが分かっています（チェビシェフの不等式より）。ご参考になりましたら幸甚です。

@隆浩菅野 16 күн бұрын

ありがとうございます！

@puratube2010 2 ай бұрын

結局は「求められた効果が出ているかをデータから読み取りそれの真偽を見抜く」ことが重要なのですね。

@yoshi1360 2 ай бұрын

SEを計算するときに使う母分散ってどうやってわかるんですか?

@sukimaru-stats 16 күн бұрын

標準誤差 (SE) を計算する際に使用する「母分散」は、母集団全体の分散を指します。しかし実際の研究で母集団全体のデータを得ることはほぼ不可能ですので、通常は手元の標本の分散を使用して近似します。しかしこのときサンプル自体が偏っていたり分布の仮定が間違っていることで推定がズレてしまう可能性があり、気をつけなければならないポイントの１つとなります。ご参考になりましたら幸甚です。

@pjgdtmtjqjpj 2 ай бұрын

どっかの12660人を抱いた校長思い出した

@youshe9121 2 ай бұрын

IT系に勤めているのですが、IT系でもABテストを行い信頼区間やp値、統計的有意という言葉が飛び交います。MDE (Minimum Detectable Effect)というものがABテストのサイズを決める上で重要になってくるのですが、MDEと信頼区間の関係は何なのでしょうか...？たとえば、MDEが0.1%でABテストの結果統計的有意な+0.05%の結果が出た場合、この結果は本当に統計的有意なのでしょうか...？あと、全然違うトピックですが、Inverse propensity score weighting (IPW)の説明もして頂けるとめちゃくちゃ助かります。

@sukimaru-stats 16 күн бұрын

専門ではないためうまくお答えしかねますが、MDEが0.1%というのは「0.1%以上の効果であれば検出できるようなサンプルサイズで試験を設計した」という意味でしょうか。その場合、その試験で検出された効果が0.05%というのは点推定値で、実際は推定結果に幅（信頼区間）があったのではないでしょうか？（たとえば -0.01 ~ 0.12など）。その推定の信頼区間が0を跨いでいないのであれば統計的には有意と言えると思います。ただもし「0.1%の差に満たない程度では実質的にABを変える意味がない」ということであれば、仮に統計的に有意（狭い推定の幅で0.05の差を検出した）のだとしてもその介入に意味はないのかもしれません。お答えできていれば幸甚です。テーマのご希望もありがとうございました。

@teckteck6359 2 ай бұрын

実際はもっと酷い使い分けをされていて、学びに対する自身の考え方も改めなければと感じました。とても勉強になりました！ありがとうございました！

@松川誠-p3h 3 ай бұрын

学生時代に体系づけた医療統計を学ぶ事が出来ないまま，医師になった自分としては非常に勉強になります．研修医やこれから研究を始めることを考える医師にとっては必須の動画と思います．ありがとうございます．

@YutoKimura-k9l 4 ай бұрын

真の値って何？

@ONCE-f5y 4 ай бұрын

めちゃくちゃ分かりやすい

@AIーnavi-CH 4 ай бұрын

分かりやすいです。ありがとうございます😊

@kanokotakarabe262 4 ай бұрын

すごくわかりやすかったです

@クリスタル-u4l 6 ай бұрын

スッキリしました〜😊 ありがとうございます♪ とても，わかりやすかったです。もう一度見ます❗️

@khoriuti54 7 ай бұрын

「このチャンネルを作っている人市中病院勤務、内科医2人で運営しています。ブログやtwitterはこちら」、ああそうなんだ。見識あるお方のお話し、ありがたい

@khoriuti54 7 ай бұрын

腑に落ちるお話しだ

@流-k3n 7 ай бұрын

受験生ですが、確率統計の分野は文字が多くて苦手だったので、この動画から具体例を見て理解できました感謝です

@LCol-j1o 8 ай бұрын

7:09 2年目が真ん中では無いやろデータが偶数の時は真ん中２つの平均やから 2.5年が中央値やろ

@sukimaru-stats 8 ай бұрын

コメントありがとうございます。ご指摘いただいた動画の部分では一番右端に15年目のバイトの人が一人いますので、全部で7人のデータであり、奇数になっています。中央値は4番目の値であり、2年目です。勘違いがありましたら申し訳ありませんがよろしくお願いいたします。

@LCol-j1o 8 ай бұрын

@@sukimaru-stats 勘違いしていましたすみませんでした。ありがとうございます！この動画の前に見た「別の人の動画」が間違っていて、早合点で「またかよ」となってつい雑な口調になってしまいました。お詫びいたします。

@Zeitaku_na 9 ай бұрын

大学で統計学を学んでいるものです。なにこれ、わかりやすすぎてびっくりしました。これからこのチャンネルを利用して統計を勉強しようと思いましたが、あまりたくさんの動画を上げられていないようでした。もしよければ他にもたくさんの動画を上げてくださると嬉しいです！！どのチャンネルよりも自分はわかりやすいと思いました。ありがとうございます！！！！

@sukimaru-stats 8 ай бұрын

大変嬉しいコメント有難うございます。少しでも理解の助けに幸いです。期待していただいているにも関わらず、なかなか動画の更新ができず申し訳ありません。作者二人ですり合わせてクオリティを上げようと思うと、時間が十分にとれていない状況です。何とか更新できるよう目指していますので気長にお待ちいただけますと幸いです・・・。

@Leftykobu 9 ай бұрын

すごく判りやすかったです。書籍では説明が難しい箇所も動画では非常に判りやすくなるので大変良い教材と思います。かくいう私も中心極限定理を何となくで理解し判ったつもりだったことがよくわかりました。

@sukimaru-stats 8 ай бұрын

コメント有難うございます。やはり基本や詳細は書籍を通じて学ぶべきだと思っておりますが、理解の補助になれましたら大変嬉しいです。また今後ともどうぞよろしくお願いいたします。

@Mr.G1999 9 ай бұрын

高校生に数学を教えている者で医療とは無関係なのですが、高校数学Bで履修する確率統計の他の全ての動画よりすんなり理解することができました。ありがとうございました。

@sukimaru-stats 8 ай бұрын

教職の方に見ていただけるとは驚きです。大変有難うございます。医療のみならず統計学は今や幅広い分野に関連していますので交流を深めていけると嬉しいです。またどうぞよろしくお願いいたします。

@yoshiyoshiyoshi12346 10 ай бұрын

分かりやすすぎました！自分が初心者すぎて全ての統計の中で1番理解しやすかったです!

@sukimaru-stats 8 ай бұрын

有難うございます。「一番」とまで言っていただけるのは大変恐縮です。なかなか更新できず申し訳ありませんが、今後ともよろしくお願いいたします。

@user-tp4imof8y 10 ай бұрын

例えがすごくわかりやすかったです。なんで母平均を推測する必要があるのか理解できました。

@sukimaru-stats 8 ай бұрын

コメント有難うございます。理解のお役に立てて大変嬉しいです。なかなか更新できず申し訳ありませんがまたご視聴いただけますと幸いです。

@くまさん-y3d 11 ай бұрын

上限値，下限値の両方がマイナスになる場合はどのように解釈したらよろしいのでしようか？

@sukimaru-stats 8 ай бұрын

信頼区間がどちらもマイナスになることはありうると思いますので、そのまま解釈して問題ないのではないでしょうか。質問の意図を十分理解していなかったら申し訳ありません。

@8083tt 11 ай бұрын

お疲れ様です。動画を拝見しました。構成が非常にわかりやすかったです。これからも有益な情報をよろしくお願いします。

@コービ 11 ай бұрын

こんにちは。今年度から本腰を入れて医療研究するために色々な情報を集めており、スキマルさんの動画に行きつきました！初学でもわかりやすく丁寧なレクチャーで大変勉強になっております！(´；Д；`) 私はコメディカルスタッフですが通勤の運転中にyoutubeでヒアリングしつつ耳から学習をしている段階です！動画のクオリティも高いので、どんどん統計、研究に関する動画アップをお待ちしております！個人的にはテーマ選択からのストーリー作りに関する思考過程なども教えて頂けると大変ありがたいので、是非次の動画のテーマ選考に加えて頂けたら幸いです！ヽ(*´∀｀)

@よはく-l8i 11 ай бұрын

物凄く分かりやすい！ありがとうございます！

@SATORU19780601 Жыл бұрын

QC検定の勉強をしていますが、参考書ではサラッと解説しているところを、例を入れて丁寧に解説してくださっているので、理解しやすくとても分かりやすいです！ありがとうございます✨

@tomochang5564 Жыл бұрын

多重検定の問題がやっとイメージできました。ありがとうございます。

@aii4545 Жыл бұрын

わかりやすい。。ありがとうございます😭

@onigirichan5221 Жыл бұрын

T-testについて教えてください

@セバスチャンセブ Жыл бұрын

ずっと分からなかった標準偏差と標準誤差の違いがスッと理解できました！また何度も見返して完璧に理解したいです！

@35satori Жыл бұрын

8:30ここからの説明が、どう誤解してるのかが分からないです。真の値を95%の確率で含む区間というのは誤解と説明されてるのに、続く説明では100回のうち母平均が95%含まれているというのがよく分かりません。手元の標本は確かに5%の確率で母平均を含んでいないかもしれないけど、95%の確率で母平均を含んでいると言えるのではないか？と思ってしまいます。

@_jg9415 10 ай бұрын

違ったらすみません。感覚的には 95%大当たりが出るくじを引けるのではなく、大当たりを含んだくじを95%引ける(100個あるくじから95個は大当たり入りくじ)イメージだと思いました。言い換えると 95%母平均を含むのではなく、母平均を含む信頼区間を95%の精度で求めることができるという感じで理解しました。

@のいせせ-文理高校生 9 ай бұрын

10:03 のところの図で考えると、1個目から100個目まで信頼区間がありますよね。例えば、その中の1つの区間として50.01≦m≦51.23のようなものがある調査によって得られたとします。その中に母分散があるかどうかは確率ではないのです。つまり、求められた数値によって示された1つの信頼区間も、母平均も共に確率変数でないため、単純に入っているかいないかだけです。

@sukimaru-stats 8 ай бұрын

コメント有難うございます。仰っていただいた通りで、母平均などのパラメータを含めた統計モデルを仮定したときに、設定された仮想的な標本から100回のサンプリングを行った場合おおよそ95回は母平均を含むデータが得られる、という話です。母平均などのパラメータは固定したものと設定しているため、95％の確率で信頼区間内に含まれるという表現は誤っていると考えています。

@ゆみ-f6s Жыл бұрын

待ってました！

@sukimaru-stats Жыл бұрын

ありがとうございます！大変長らくお待たせいたしました…！

@HO-xq6kp Жыл бұрын

今まで読んだ本や観た動画の中で1番分かりやすかったです。研修医と一緒に観ながらディスカッションしてみます。

@sukimaru-stats Жыл бұрын

嬉しいコメント、誠にありがとうございます！こういうコメントをいただけると一番励みになります… 今後ともよろしくお願いいたします！！

@ichi0924 Жыл бұрын

世の中あまりにも平均値を使いすぎる。島国で皆同じような生活をしていたからかな。動画の主旨とは違うがそもそも代表値ではなく生データを見たほうが良い場合も結構ある。平均は？と考えなしで聞いてくるひとはたくさんいるけど。

@sukimaru-stats Жыл бұрын

データによらず平均値が多用される傾向がどうしてもありますので、おっしゃる通り生データの確認というのも一つ大切な作業だと思います。コメントどうも有難うございました。

@グーフィー-t3x Жыл бұрын

大変分かりやすいです！引き続きよろしくお願いします！

@sukimaru-stats Жыл бұрын

そのように言っていただけますと大変嬉しいです。有難うございます！今後もゆっくりとではありますが更新していきますので、またどうぞよろしくお願いいたします。

@くろねこ-y7u Жыл бұрын

15:10 条件付き早期承認制度は、phase IIIなどの検証的試験で症例数が集まらないような希少疾病について、それまでの探索的試験の段階で一定の有効性及び安全性が認められていることを条件に先に承認を与えるものです。また、承認後は製造販売後調査等でしっかりと有効性、安全性を確認することが求められています。説明ではαエラーを緩くして、βエラー少なくすると説明されていますが、これでは計算上の必要症例数は変わりませんので、上記の制度の目的からすると誤っていると考えられます。

@sukimaru-stats Жыл бұрын

コメントありがとうございます。誤解を招く表現をしてしまい申し訳ありません。該当部分に関する私たちの意図は「通常の判断基準とは異なる基準」（例えば探索的試験の段階）で"効くだろう"と見込み上市することの限界です。実際，米国の accelerated approval pathway ではその後リアルワールドではうまく効果が示せず，承認撤回となった薬剤も実在します。しかしunmet medical needsがありサンプルも集められない状況では「効果が検出できない」βエラーを重く捉え，「リアルワールドという十分なサンプルサイズで検証したら効果がなかった」というαエラーリスクを容認する，というのが妥当な場合もあります。それが条件付き早期承認や accelerated approval pathway というシステムだと考えています。用語として広義・狭義のαエラー・βエラーを混在させてしまたっため分かりにくくなってしまったと思います。ご指摘ありがとうございました。