統計

自己学習用のメモ

本当はやさしい臨床統計（中山書店、野村英樹ら）から

CLo(C)K論文とは、Log-rank検定→Cox比例ハザードモデル→Kaplan-Meierイベント発生曲線

まずパワー計算：必要対象者数計算が必要

１．アウトカムの種類：二者択一か、連続量か
２．許容できるαエラー・βエラーか
３．臨床的に意義有る差なのか
４．連続量の時はアウトカム測定上のばらつき（分散、標準偏差）
５．実験群と最小群のnの比

αエラー５％、βエラー２０％と設定することが多い

参照：eMJA

Calculator・・・

ランダム化比較試験

Step1:各治療群の各時点での生存率の推定（生存曲線）

Kaplan-Meier法

ステップ２：各治療群間の生存率の差の検定

Log-rank検定

他、Cox比例ハザードモデル
観察期間中の一点の推定生存率の差をZ検定

ステップ３：対照群に対する、実験群の相対リスクの推定

Cox比例ハザードモデル

Cochran-Mantel-Haenszel相対リスク

クロス表を機能させるTable FCχ論文

Step1:各治療群のイベント発生頻度の差の検定

Fisherの直接確率検定

統計学では確率５％もしくは１％以下の現象が生じたときに意味あると考えることが多いが、上記確率の半分以下、すなわち2.5%や0.5%以下の時に有意と判定（両側検定）・・・と著者は書いている・・Fisher検定の問題点

χ²検定
Cochran-MantelHaenszel検定

Step2:対照群に対する、実験群相対リスクの推定

相対リスクの直接推定
Cochran-Mantel-Haenszel相対リスク

---

コホート研究
Kaplan-Meier、Log-rank検定、Cochran-Mantel-Haenszel検定が用いられているが、相対リスクの９５％信頼区間表示で十分の場合も多い

Step1:各治療群の各時点での生存率（またはイベント発生率）の推定
Step2:各治療群間の生存率の差の検定
Step3:対照群に対する、実験群の相対リスクの推定

---

段階的なトレンドをとらえるM CocA-CoLa論文

Step1:興味有る連続量の独立変数を、複数の順序のある群にカテゴリー分け
Step2:各群のイベント発生率の推定
Step3:イベント発生率の用量－反応関係の検定

傾向(トレンド）検定test for trend

拡張Mantel検定
Cochran-Armitage検定

χ²検定は傾向検定とはいえ無いので不適切だが現実には使用されることが多いと批判している

Step4:参照群に対する、各群の相対リスクの推定

多重ロジスティック検定
Cox比例ハザードモデルによる相対ハザード

---

危険因子・予測因子を検索する論文

Cox比例ハザードモデル
多重ロジスティック回帰分析
重回帰分析
失敗率モデル

---

症例対照研究

従属変数を扱える解析方法として、クロス表解析および多重ロジスティック回帰分析
従属変数が連続数である場合は平均値ないしは中央値の差の検定や重回帰分析

matched-pairとしての条件付きロジスティックモデルが用いられることが多い

---

---

①イベント発生の時間的経過を観察する：CLo(C)Kパターン

Kaplan-Meierの生存曲線
Log-rank検定
Coxの比例ハザードモデルにょる相対ハザードの算出
（Cochran-Mantel-Haenszelの相対リスクの算出））

②クロス表を機能させるTable FC_χパターン

χ²検定
Fisherの直接確率検定
Cochran-Mantel-Haenszel検定

③トレンドをとらえるM CocA-CoLAパターン

拡張Mantel験的
Cochran-Armitage検定
Coxの比例ハザードモデルによる相対ハザードの算出
Multiple Logistic Regression Analysis(多重ロジスティック回帰分析）による相対オッズの算出

④ペアで解析するPair Matchパターン

条件付きLogistic Regression Analysis