こちらも御覧ください!
誌面掲載全文を見る
後藤匡啓/著,長谷川耕平/監
■定価3,960円(本体3,600円+税10%) ■A5判 ■310頁 ■羊土社
田中司朗,田中佐智子/著
■定価4,180円(本体3,800円+税10%) ■B5判 ■198頁 ■羊土社
今回は豪華2本立て!
⬇︎のタブをクリックすると索引を切り替えられます
読み | 項目 | サブ項目 | ページ |
---|---|---|---|
1さい | 1歳ごとのオッズ比は小さくても、10歳差になると大きく変わります | 247 | |
1めい | 1名に効果を得るために何名治療したらよいか | 263 | |
300にん | 300人の血圧データから日本国民全体の平均血圧をピタリと当てられるかというと直感的に無理ですよね | 202 | |
Altmetrics | Altmetrics | 32 | |
book | 「-book」と入れれば論文だけが引っかかります | 50 | |
Comment | 「Comment in」というところに論文があれば、それがエディトリアルもしくは読者からのコメントになります | 95 | |
consistent | consistent(一貫した)、likewise、similarといった単語に注意 | 263 | |
diagnostic | diagnostic、prognostic、predictionといった単語があれば診断・予測に関する研究なのでとてもわかりやすい | 104 | |
Google ScholarはPubMed以外の文献まで拾ってきてしまうのと被引用回数が多い研究が上位にくる | 51 | ||
h-index | h-index | 32 | |
hypothesis | hypothesis generating study | 101 | |
IF | IF | 皮膚科や眼科などの専門的な科の医学誌であれば読者層が限られているのでIFは低くなります | 31 |
IF 10以上の医学誌に載ったら非常に嬉しい | 33 | ||
ITT | ITT解析とper protocol解析が行われているかどうかを見て、両方行われていたら結果が一貫しているかどうかに注目 | 258 | |
Knowledge | Knowledge gap | knowledge gap(However、Controversial、Unclear、Little is known…) | 91 |
Knowledge gapが明確でないと読者に研究の重要性が伝わらない | 92 | ||
limitations | 「limitations」という単語を探しに行きましょう | 273 | |
medRxiv | medRxivやResearch Squareなどのプレプリントサーバーに論文が投稿される | 284 | |
NNT | NNTの数字だけを覚えるようなことはあまりお勧めしない | 264 | |
Original | Original article | 43 | |
Original | originalと書いてあるように独自かつ斬新(novel)であることが大事です | 43 | |
PECO | PECO:治療曝露の有無とアウトカムとの関連の研究 | 110 | |
PICO | PICO | PICO:治療・介入の研究 | 110 |
PICOというのは、この治療・介入の研究においてPatients、Intervention、Comparison、Outcomeを見ることで臨床問題や疑問点を定式化して読もうという試み | 110 | ||
Pubmed | Pubmed | 最後にncbi(もしくはpubmed)と付ける | 49 |
「Additional filters」をクリックする | 55 | ||
フィルターの例 | 56 | ||
Similar articlesというのはこの論文を引用している、あるいはこの論文が引用した論文が紐づけられています | 57 | ||
検索語句を「“ ”」で囲めば引用符内に完全に一致するものを検索してくれます | 58 | ||
似たような語句をまとめて検索したいときにはアスタリスク「*」 | 58 | ||
PubMed | PubMed Central(PMC)という、公開可能な論文が全文読めるように保存されている場所があります | 49 | |
Pubmed | Pubmed Impact FactorというChrome拡張機能 | 59 | |
research | esearch letter | research letterは原著論文に準ずるものとして評価されます | 45 |
research letterは短ページの読み切り漫画 | 45 | ||
review | review | narrative review(総説)とsystematic review | 43 |
NEJMから自分の興味のある分野のreviewが出たらぜひ読んでください | 43 | ||
ROC | ROC曲線は左上にカーブが膨れていればいるほどよい | 266 | |
SNS | SNS疲れ | 301 | |
Study | Study flow | 患者選択の流れをフロー図にしたものがstudy flowもしくはpatient flow | 243 |
Study flowからわかる選択バイアスに関して最も注意が必要なのはフォローアップの中断とデータ欠損 | 244 | ||
あうとか | アウトカム | 意図的に集めないと集まらないアウトカムを用いた研究 | 159 |
患者中心のアウトカムを用いた研究が増えてくる | 160 | ||
あぶすと | アブストラクトの2回読みはお勧め | 84 | |
いいいが | 「いい医学誌に載りそう」なんて患者不在の研究思考 | 233 | |
いしゃと | 医者としてのdomain knowledgeを提供する | 250 | |
いんがか | 因果関係を推測することが目的 | 210 | |
いんがす | 因果推論において興味があるのは特定のリスク因子、あるいは治療・介入の係数のみであり、他の因子の係数は単なる調整のためなので基本的に解釈しない | 215 | |
いんせい | 陰性尤度比(negative likelihood ratio) | 230 | |
うちきり | 打ち切り | 打ち切りを意識して読めるようになるとよい | 201 |
生存曲線上のドットは打ち切り | 260 | ||
うへんに | 右辺に交絡因子(今回は年齢・性別・糖尿病の有無)を追加 | 213 | |
えいよう | 「栄養指導を行ったところLDLが下がった」というのは大事ですが、本当に大事なのはその結果心血管系イベントなどが減ったかどうかですよね | 160 | |
えでぃと | エディトリアル | エディトリアルがあるならぜひ読みましょう | 43 |
エディトリアルを読む | 95 | ||
えんじに | エンジニアの視点 | 268 | |
おうだん | 横断研究は「ある一時点における調査」 | 143 | |
おっずひ | オッズ比やハザード比 | 1.2(逆数の0.8)くらいだとインパクトは弱め | 248 |
2.0前後(逆数の0.5)あると結構強い関連がある | 248 | ||
3.0前後(逆数の0.3)だとかなり関連が強く、もしかしたら交絡がちゃんと調整されていないかも? | 248 | ||
かいきし | 回帰式から見たリスク因子探索と因果推論の違い | 214 | |
がいてき | 外的妥当性(external validity)もしくは一般化可能性(generalizability) | 163 | |
がいどら | ガイドラインというのは数年に1度、各学会の編集委員が近年の研究をまとめて | 44 | |
がぞうに | 画像に関しては深層学習一択 | 226 | |
かてきご | 過適合 | そのデータでのみ当てはまりが良い可能性があります(過適合、overfitting) | 224 |
内的検証では優れた性能を示したが、外的検証で予測性能が落ちた場合は、モデル構築に用いたサンプルに過適合(overfit)しているだけ | 269 | ||
かぷらん | カプランマイヤー生存曲線 | カプランマイヤー生存曲線の読み方を理解して、ハザード比がある程度感覚的に読めればまずは十分 | 201 |
カプランマイヤー生存曲線が交差 | 261 | ||
かんさつ | 観察研究 | 観察研究の多くは電子カルテや症例レジストリ、前向きコホート(特定の患者集団を追跡したデータ)などのデータベースを用いた研究 | 121 |
観察研究においてはどんなデータを使ったのか、が研究の質を決める | 131 | ||
観察研究においては研究デザインや統計解析と同様にデータに関しての理解が重要 | 133 | ||
観察研究において「因果関係」が明確に示されることはまずなく | 174 | ||
観察研究の場合は患者の年齢や性別などの基本情報、重症度など交絡因子の分布が両群でどう異なるかに注目 | 257 | ||
かんさつ | 観察データを用いて比較可能な(同じような)治療群と非治療群を作り出せないか? | 216 | |
かんじゃ | 「患者集団を表すのにはsummary statisticsを使いました」と1行で終わる | 186 | |
かんどか | 感度解析は非常に重要 | 239 | |
きかいが | 機械学習(深層学習含む)はブラックボックスだから…という意見を聞きますが | 226 | |
きじゅつ | 記述研究 | 記述研究は読むのが容易であり、次にランダム化比較試験など治療・介入の研究が読みやすい | 98 |
記述研究というのは臨床研究の最初の第一歩 | 100 | ||
describe(記述する)、characterize(特徴づける), clinical features(臨床における特徴)など、「記述する」「特徴づける」という単語があれば記述研究になります | 101 | ||
記述研究はdescriptive studyと呼ばれ、現状をただ記述するだけ | 108 | ||
記述統計は研究対象集団がどんな特徴(年齢や性別の分布など)をもった集団か? を表すために用いられます。 | 186 | ||
きつえん | 喫煙や飲酒といった情報は罪悪感から過小申告されやすい | 169 | |
きゅうき | 救急外来受診時のバイタルサインを組合せることで簡単に重症度の評価ができないか | 222 | |
けつえき | 血液検査データを組合せて治療反応性を予測できないか | 222 | |
けんきゅ | 「研究限界にはどう書いてあった?」 | 275 | |
けんきゅ | 研究デザイン | 研究をデザインする(疫学) | 19 |
頭にはある程度いつも偽痛風 | 120 | ||
データベースありきで研究テーマを決め、研究デザインを決める | 132 | ||
研究デザイン上、オッズ比しか出せないんだな | 221 | ||
けんきゅ | 研究の結果の信頼性が高まるということになります〔頑強(robust)であると言います〕 | 239 | |
げんこう | 原稿(ドラフト)状態のものは著者に著作権があります | 66 | |
こうらく | 交絡因子 | 交絡因子の影響を取り除くにはどうすればいいのでしょうか? | 176 |
交絡因子の影響を調整するために用いられるのが回帰分析をはじめとしたさまざまな統計学的手法です | 178 | ||
こーどさ | コードされた病名と実際の臨床診断が一致しているかどうか? という病名の妥当性に関する研究(病名のvalidation study) | 141 | |
ここでか | ここでかなり多くの人が躓いている | 120 | |
このちり | この治療は死亡率を10%下げた(リスク差) | 220 | |
このちり | この治療は比較対象と比べて死亡率を2/3にした(リスク比) | 220 | |
こほーと | コホート研究は同じ特徴をもった集団を追跡して行う研究 | 143 | |
こほーと | コホートデータは「ある研究目的のために同じ特徴をもった集団を追跡する」 | 136 | |
これすぽ | コレスポンディングオーサーの重みは分野によって異なり、生物系や基礎医学系だと非常に重要視されます | 88 | |
さいきん | 最近の論文はEpub ahead of printといって紙媒体より先にオンラインで公開されることが多い | 53 | |
さいしゅ | 最終的にアクセプトするかどうかは編集部の一存で決まるため、実は編集者達の好みに結構左右されます | 40 | |
さぶぐる | サブグループ解析 | サブグループ解析では年齢や男女など各サブグループで関連性や治療効果が異なるかどうかという異質性(heterogeneity)を評価します | 238 |
サブグループ解析を行って効果修飾が見られた場合、「なぜグループごとで結果が異なるのだろう?」という理由を考える | 238 | ||
さらなる | さらなる似たような研究が必要ならお前の研究の価値はなんだ? | 278 | |
さんこう | 参考文献のリストがいい加減だと「論文の中身も適当だろうな」と思ってしまう | 281 | |
さんぷる | サンプルとして得られたデータから、その背後にある母集団における真の関連性を統計モデルで推測 | 192 | |
じっさい | 実際に分析する(生物統計学) | 19 | |
しゅよう | 主要と思われる医学誌を表にまとめました | 34 | |
しゅよう | 主要な結果がパッとしない場合、研究の成果をアピールするために副次的な項目の結果などが強調されることもあります | 83 | |
しょうど | 抄読会 | 抄読会では一般的に原著論文を用い総説やletter、エディトリアルを用いることはありません | 46 |
行間を1.5にする | 291 | ||
1枚につき7〜10行以内、かつフォントサイズ20前後 | 291 | ||
抄読会では最も突っ込まれやすいところ | 293 | ||
しんたい | 身体所見でも研修医と指導医では正確さに違いがありますよね。 | 169 | |
しんらい | 信頼区間 | 信頼区間が基準値を跨がなければ統計学的に有意と判定 | 203 |
でも信頼区間は広いからサンプルサイズの問題かな…… | 248 | ||
しんりょ | 診療報酬のために記載してある診断名がどこまで正しいのか? | 141 | |
すいそく | 推測統計 | 「確率分布とは何か?」「検定とは何か?」といった基本的な段階で挫折することが多く、肝心の推測統計までたどり着けない | 185 |
推測統計が何をしているか | 191 | ||
せいぞん | 生存分析 | なぜロジスティック回帰モデルではなくわざわざ生存分析を用いるか | 198 |
生存分析では「単に死亡などのアウトカムが発生したかどうか」ではなく、「アウトカムイベントが発生するまでの時間である生存時間(survival time)」を考慮した解析を行います | 198 | ||
生存分析のアウトカムは「1年目まで生存していた患者が、2年目に死亡するかどうか」という単位時間あたりのアウトカムが発生する確率 | 200 | ||
そくほう | 速報として学会で発表する | 28 | |
そもそも | そもそも研究結果は正しいのか? | 162 | |
だりつ6 | 打率6〜7割はあります | 64 | |
たんしせ | 単施設であることの制限(そこに来院する患者や治療方針などの問題)によって結果を一般化しにくいことが問題 | 180 | |
ちょくせ | 直線の当てはめが回帰モデルの基本 | 195 | |
ちりょう | 治療・介入の研究 | 治療・介入の研究においてはtreatment、intervention、impact、effect、efficacyなど関連性を示す単語や治療・介入を示す単語が含まれることが多い | 103 |
治療・介入の研究と一部のリスク因子の研究で交絡を考慮する | 172 | ||
ちりょう | 治療群は重症患者が多くて非治療群は軽症患者が多いというのはよくある話です | 176 | |
ついせき | 追跡不能例 | 選択バイアスの代表的なパターンである追跡不能例(loss to follow-up)や欠測(欠損)データによる除外を覚えておきましょう。 | 168 |
追跡不能例やデータ欠損による除外が多いから選択バイアスがありそうだ | 244 | ||
先に結果と研究限界を把握してから追跡不能例などを意識して読み直す | 258 | ||
とうよた | 投与タイミングや投与量を考慮している研究は一般に質が高め | 156 | |
とらんす | トランスレーショナル研究というのがピンと来ない人も多い | 23 | |
ないてき | 内的妥当性 | 内的妥当性(internal validity) | 162 |
論文を読んだらとりあえず「結果は正しい(内的妥当性は担保されている)」としたうえで一般化可能性を考えよう | 182 | ||
なかみも | 中身も読まれず即時掲載拒否(editor kick) | 39 | |
にしいず | 西伊豆総合病院の仲田和正先生がまとめておられるのが有名 | 43 | |
にほんぜ | 日本全国を母集団と仮定したとき、東京で行われた研究が北海道で応用できるかどうかは一般化可能性(generalizability)、米国で応用可能かどうかがtransportability | 289 | |
はざーど | ハザードというのはとにかく理解しづらい概念 | 201 | |
ひっしゃ | 筆者自身はコホートやケースコントロールという言葉にアレルギーがあった | 122 | |
ひっとう | 「筆頭著者名_医学誌_年度_タイトルもしくは内容」などで保存すると検索が楽になる | 299 | |
ひはんて | 批判的吟味とは粗探しではなく | 286 | |
びょうい | 病院が保険組合などに提出する請求データがclaims データ・保険請求データ | 139 | |
ひれっせ | 非劣性試験 | 治療効果の差が、比較対象と比べて「劣らないとみなせる」範囲内に治療効果が収まる。 | 264 |
へんすう | 変数 | 年齢やBMIなどの数値が連続変数で入っているのか、それともカテゴリ変数で入っているのかで結果の解釈が変わってくる | 188 |
右辺の変数がどんな値を取っても0から1に収まるようにします | 196 | ||
右辺の変数が1個(興味のある変数のみ)のときは単変量回帰(univariable regression)と言い、複数の変数がある場合を総じて多変量回帰(multivariable regression)と言います | 213 | ||
まずかん | まず患者集団を把握し、次にメインの図表を見て結果の概要を把握 | 242 | |
まずはか | まずは介入研究(trial)か観察研究(observational study)かに分けましょう | 121 | |
むっこれ | 「むっ」「これは」「要注意」 | リスク因子検索の研究で因果関係が強調されている | 277 |
副次アウトカムの結果が強調されている | 277 | ||
外的検証がないのに優れたモデルと強調されている | 277 | ||
めそっど | メソッドに何が書いてあるか | 106 | |
めたかい | メタ解析自体は意外と簡単にできてしまうのでその質も(かなり)玉石混淆 | 105 | |
もしもぼ | もしもボックスで「もしこの患者さんに治療が行われていなかったら」というパラレルワールドと比較 | 175 | |
もでるの | モデルの検証に用いた集団:Validation cohort | 268 | |
もでるの | モデルの構築に用いた集団:Derivation cohort | 268 | |
やみくも | 闇雲に「違う国の研究だからダメだ」ではなく、現実的な視点での解釈が大事 | 182 | |
ようせい | 陽性尤度比(positive likelihood ratio) | 230 | |
よそくい | 予測因子を選ぶために用いたモデルの結果がTable 2、3あたりの表で示されます | 266 | |
よそくも | 予測モデル | 予測モデルを組んでみて予測性能が高ければハッピー | 223 |
日本人のセッティングで外的検証されている予測モデルは相当少ない | 225 | ||
予測モデルの構築は今後機械学習に置き換わる可能性が高い | 227 | ||
予測モデルの研究は因果推論ではなく統計学的な関連を見ているだけなのでオッズ比の比較が可能 | 266 | ||
「その予測モデルを使った場合と使わなかった場合のどちらがいいのか」といった視点で研究されている論文はほとんどありません | 287 | ||
らんだむ | ランダム化比較試験 | ランダム化比較試験 | 125 |
ランダム化比較試験は実験なのでいくつか特有の手順があります | 125 | ||
ランダム化比較試験ではそもそも研究デザインの段階で交絡が処理されており | 219 | ||
ランダム化比較試験ではstudy flowを確認し追跡不能例を確認することが大事 | 258 | ||
りえきそ | 利益相反(conflict of interest:COI)は公益のための社会的な責務と、私的な利益とが衝突・相反する状態 | 280 | |
りじぇく | リジェクト(却下)されたら諦めて別の医学誌に投稿 | 28 | |
りすくい | リスク因子 | 最後の段落に「risk factors」という単語があればリスク因子の研究です | 102 |
リスク因子の研究では、この「複数のリスク因子を並列で列挙しているのか」、それとも「特定のリスク因子にのみ注目しているのか」はできるだけ分ける | 109 | ||
リスク因子を探索する研究では複数のリスク因子の候補を1つの統計モデルに入れ、アウトカムと統計学的に関連していた因子が「リスク因子と考えられる」と解釈されます | 209 | ||
リスク因子の探索では単に統計学的関連を見ているだけなので、すべての因子は同じ立場であり、係数の比較が可能 | 215 | ||
リスク因子の探索であれば各リスク因子のオッズ比やハザード比に注目 | 254 | ||
リスク因子探索の研究では、各リスク因子の相対的な関連を示しているだけ | 276 | ||
リスク因子の研究は主に次の研究につなげるためのもの | 287 | ||
りすくい | リスク因子と予測因子は似たような変数になる | 223 | |
りすくい | リスク因子を探索する研究と同じく、複数の予測因子を探索し、それらの関連性を元に必要な変数を決めて予測モデルを作成 | 222 | |
りそうて | 理想的な環境下での研究 | 121 | |
りんしょ | 臨床 | 気軽に読んだ論文の内容を気軽に臨床で用いないでください | 71 |
そもそも0.1%の差が臨床的に意味あるのでしょうか? | 126 | ||
ある意味で臨床に最も即した定義 | 153 | ||
1 mmHg血圧を下げるという効果は臨床的に意味がほとんどありません | 204 | ||
「これがリスク因子だ」ということを知っておけば、臨床において臨床判断のために役立てることは可能 | 287 | ||
りんしょ | 臨床研究におけるデザイナーとエンジニア | 18 | |
れじすと | レジストリは「将来的な研究のためにシステマティックに全例登録する」 | 135 | |
れじでん | レジデント | レジデントにこそエディトリアルを読んでほしい | 43 |
「選択バイアスを正しく知らないといけない」という思い込みがレジデントにとって大きな負担になる | 168 | ||
ろじすて | ロジスティック回帰分析 | ロジスティック回帰分析ではアウトカムが「観察期間内の死亡の有無」 | 200 |
ろじすて | ロジスティック回帰モデル | 一般化線形モデルにおいて、アウトカムが二値変数のときに右辺にロジスティック関数を用いたモデルがロジスティック回帰モデル(logistic regression model)です | 196 |
ロジスティック回帰モデルを用いたら関連性は基本的にオッズ比でしか表せない | 197 | ||
なぜ研究目的が違うのにどの論文もロジスティック回帰モデルを用いているんだろう… | 207 | ||
ろじすて | ロジスティック関数 | 右辺にロジスティック関数を用いることで強制的に0から1までしか取らなくなるので二値アウトカムを表すことができます | 196 |
ろんぶん | 論文 | 論文を読むのは患者さんに向き合って、話を聞いて、診察するよりもずっと楽 | 22 |
主要誌の論文であればとりあえず研究方法は正しいと思って聞ける | 38 | ||
1本の論文で明日からの治療がひっくり返ることなんてまずありえず | 71 | ||
速読や切り捨てができる人はそもそもの読んでいる論文の量が大量であり、何桁も違います | 74 | ||
短くて「対象患者は誰か、何をしたか、アウトカムは何か」が明確に伝わる論文は良いタイトルの論文 | 80 | ||
「なぜこの論文が出版されたのか?」という原点 | 116 | ||
論文を1本も書かずに論文を正確に読むのはかなり難しい | 116 | ||
母集団を意識して論文を読んでいる医師はそう多くない | 150 | ||
実際の論文で選択バイアスがあるかどうかを考えるのは疫学に詳しい人と一緒に考えないと困難 | 167 | ||
実際の論文では「そんなの分布を見てちゃんとやっているだろ」とほぼスルー | 187 | ||
ろんぶん | 論文における統計解析のメインであり、みなさんがイメージしている「統計」の話 | 191 | |
わかって | わかっていることとわかっていないことを明確にする部分 | 91 |
読み | 項目 | サブ項目 | ページ |
---|---|---|---|
95% | 95%信頼区間の意味についてはさまざまな哲学や学派がある | 28 | |
αえらー | αエラーは無効な薬が市販されてしまうことにつながります | 58 | |
βえらー | βエラーは有効な薬なのに開発中止してしまうことを意味する | 58 | |
Bayes | Bayes統計学なんて初めて聞きました | 135 | |
ceteris | ceteris paribus | 188 | |
Cox | Cox回帰は生存曲線の違いをハザード比(hazard ratio)で定量化する道具 | 49 | |
Fisher | Fisherの正確検定 | 1群あたりの有害事象発生数が5より小さいときには,Fisherの正確検定を用いるべき | 47 |
なぜχ2検定ではなくてFisherの正確検定なのですか? | 47 | ||
Intention | Intention-To-Treat(ITT)の原則 | 20 | |
Kaplan | Kaplan-Meier法 | Kaplan-Meier法は,打ち切りがランダムであることを前提 | 33 |
Kaplan-Meier法は,生存曲線を描くための道具 | 49 | ||
NOAC | NOACの効果が大きかった論文ばかりを集めれば,NOACに有利な(偏った)メタアナリシスができてしまいます | 109 | |
p | p値にばかり目がいきがち | 19 | |
Statistical | Statistical analysis(統計解析)を読むときのポイントとして,独断と偏見で優先順位をつける | 43 | |
あっとり | アットリスク数(number at risk) | 33 | |
いべんと | イベントが定期的な検査のタイミングで起きる状況では,階段は等間隔になりますね | 37 | |
いんがか | 因果関係ですが,難しい言葉ですよね | 149 | |
うちきり | 打ち切り | 予定追跡期間の終了時期なので,打ち切りが起きている | 33 |
打ち切り(censoring)があると単純な方法で解析できない | 49 | ||
生存時間解析はすべて,打ち切りがランダムであることを前提にしています | 51 | ||
増悪や副作用など,疾患の悪化に関係して打ち切りが生じた場合,脱落バイアス(attrition bias)が生じます | 51 | ||
えらーば | エラーバーの種類 | 26 | |
えんどぽ | エンドポイント | エンドポイントが複数あると,「いいとこどり」ができてしまう | 17 |
副次エンドポイントのp値をもって薬は有効といえますか? | 17 | ||
おつぎは | 於継は死亡し加恵は失明した | 96 | |
おっずひ | オッズ比(odds ratio) | 84 | |
かくにん | 確認が不十分だったらどうすればいいんですか? | 139 | |
かさなっ | 重なってなかったらどうなるんですか? | 178 | |
がんけん | がん検診が導入されたため,見過ごされてきた甲状腺がんが見つかっただけだっていうのはどういうことですか? | 150 | |
ぎりしゃ | ギリシャ文字に特別な意味をもたせるというナゾの習慣 | 86 | |
きろくが | 記録がなかったら品質保証できないですね | 104 | |
ぐらふの | グラフの右端では誤差が大きい | 33 | |
くろす | クロス | クロスしています | 31 |
無増悪生存曲線がクロスしていて | 34 | ||
けーすこ | ケース・コントロール研究の最大の弱点 | 156 | |
けっそく | 欠測の問題はつきもの | 23 | |
けんしゅ | 検出力は「1−β」で定義 | 67 | |
けんてい | 検定ごとに表があるんですか? | 69 | |
こうじょ | 甲状腺がんを発症したケースのほうが,コントロールよりも事故当時のことを思い出しやすいですよね | 156 | |
こうらく | 交絡 | 回帰モデルによる交絡の調整は,モデルベースのアプローチそのもの | 80 |
交絡(confounding)に関する最も有名な論争 | 159 | ||
こうらく | 交絡因子 | 調整する交絡因子は,年齢・性別・居住地だけでいいんですか? | 168 |
こていこ | 固定効果モデル | 固定効果モデルと変量効果モデルのどちらを使えばいいんですか? | 116 |
固定効果モデルでは,推定値のバラツキを,「試験内分散」だけによるものだと考えます | 135 | ||
このさん | この三角,何ですか? | 86 | |
こほーと | コホート研究やケース・コントロール研究 | コホート研究やケース・コントロール研究では交絡の調整は必須 | 47 |
コホート研究やケース・コントロール研究では,推測の基盤としてモデルベースに頼らざるを得ません | 80 | ||
コホート研究やケース・コントロール研究などのランダム化や介入を伴わない研究 | 149 | ||
コホート研究とケース・コントロール研究のイメージ | 152 | ||
さがやた | 差がやたら出てくるような手段で解析をする人のほうがトンチンカンなのでして | 137 | |
さぎょう | 作業記録を残す | 105 | |
さぶぐる | サブグループ解析は,全患者を対象とした解析で有意な場合とそうでない場合で,解釈が変わります | 120 | |
ざんねん | 残念ながら,統計学を駆使したとしても救ってあげることはできません | 179 | |
しけんか | 試験間分散って何ですか? もう少し具体的にお願いします | 117 | |
しっかん | 疾患リスクが低いときにはオッズ比がリスク比の近似になる | 155 | |
じゅうし | 重症(severe)と重篤(serious)も異なる意味をもちます | 15 | |
じゅどう | 受動喫煙と乳歯う蝕の関連を報告した研究に関するネットの書き込み | 174 | |
しんらい | 信頼性とは,同じ条件で繰り返し測定したとき,どのくらい近い結果が得られるか | 156 | |
すべてぷ | すべてプラセボに勝てなかったのです | 81 | |
すみませ | すみません,よくわかりません.ほかの例はありませんか? | 161 | |
せいぞん | 生存時間解析三種の神器 | 49 | |
せいぶつ | 生物統計家が実際に解析するときにうっかりしがちなのは,説明変数に1つでも欠測データがあると,その対象者はソフトウェアの仕様で自動的に除外されてしまうということ | 169 | |
そうかん | 相関関係(correlation)は必ずしも因果関係(causal relationship)ではない | 150 | |
だとうせ | 妥当性とは,測定したいものをどのくらい正しく測れているか | 156 | |
だびがと | ダビガトランとワルファリンを,リスクとベネフィット両方の観点からうまく比較できるように計画された試験とはどのようなものか | 82 | |
たんかい | 単回帰〔最近では線型モデル(linear model)とよばれます〕 | 165 | |
ちゅうか | 中間解析 | 中間解析の結果なんか信じられません! | 35 |
中間解析では有意水準を,通常の5%よりもずっと小さくします | 72 | ||
中間解析は研究者のためではなくて,患者のために行う | 73 | ||
ちょくせ | 直接比較と間接比較 | 直接比較と間接比較の結果は一致するのか | 141 |
直接比較の試験には重症患者が多くて,間接比較の試験には軽症患者ばかりだと,おのおののリスク比が異なるかもしれません | 142 | ||
ちりょう | 治療反応性の高いサブグループが隠れている | 34 | |
ちりょう | 治療をやめたら,効果がないわけだから差がなくなって当たり前です | 90 | |
とうけい | 統計学は演繹的な学問です | 79 | |
とうけい | 統計手法の使い分けのポイント | 45 | |
なにがお | 何が起きたら再発といえるんですか? | 33 | |
ねっとわ | ネットワークメタアナリシス | ネットワークメタアナリシスは,3つ以上の治療を比較するための強力な手法 | 130 |
ネットワークメタアナリシスにも落とし穴があります | 136 | ||
ネットワークがループになっていて,直接比較と間接比較の結果が一貫していることが確認できたとき,ネットワークメタアナリシスの結果が信頼できる | 143 | ||
ネットワークメタアナリシスでは,よくも悪くも仮説があいまい | 145 | ||
ネットワークメタアナリシスではランキングが強調されがちですが,よくみるとプラセボと比べて有意差がついていないことがあります | 145 | ||
ばいあす | バイアス | バイアスとの戦い | 160 |
コホート研究とメタアナリシスでは,全然バイアスに関する視点が違いますよね | 185 | ||
ばくろご | 曝露後の因子は,中間因子(intermediate variable)かもしれないので,交絡因子として選択しない | 184 | |
はこひげ | 箱ひげ図 | 最大値,75%点,中央値,25%点,最小値を「箱」と「ひげ」で表した,箱ひげ図もよく用いられます | 27 |
はざーど | ハザード比 | ハザード比を計算する手法がCox(コックス)回帰(Cox regression) | 43 |
ハザード比(hazard ratio) | 84 | ||
はずれち | 外れ値 | 中性脂肪や尿アルブミンなどは,飛びぬけて高い値(外れ値)をとる患者がいますよね | 26 |
はっせい | 発生率比(rate ratio) | 84 | |
はんぷく | 反復測定データでは,個人内の測定値は独立ではありません. | 46 | |
ひょうじ | 標準偏差 | 標準偏差は,直感的にはおおよそデータの2/3が含まれる範囲と考えて間違いはありません | 26 |
標準偏差を使うのは,どんなときですか? | 29 | ||
ひれっせ | 非劣性から優越性への仮説の切り替えをしたんですよね? | 88 | |
ひれっせ | 非劣性試験 | 非劣性試験では,ITT解析とPPS解析の両方を行うことが積極的に勧められています. | 23 |
非劣性試験(non-inferiority trial)は例外的に片側検定を用います | 57 | ||
「劣らない」ことを示す非劣性試験 | 82 | ||
非劣性試験では信頼区間(confidence interval)と非劣性マージン(non-inferiority margin)を用います | 83 | ||
ひれっせ | 非劣性マージン | 非劣性マージンをもう少し詳しくお願いします | 87 |
非劣性マージンの1.46って誰が決めたんですか? | 88 | ||
ふぁんねる | ファンネルプロット(funnel plot) | 110 | |
ぷろぺん | プロペンシティスコアとは,「個人が治療や曝露を受ける確率」のことです | 176 | |
へんりょ | 変量効果モデルでは,「試験内分散」と「試験間分散」の2つがあると考えます | 135 | |
めたあな | メタアナリシスは臨床試験のある種の反復 | 29 | |
もでる | モデル | 現実の状況を(確率分布を用いて)数学的に定式化するものです(この定式化を統計学では「モデル」とよびます) | 80 |
誤った確率分布を仮定してしまう「モデルの誤特定」 | 169 | ||
ゆういさ | 有意差がつかなかったとき,効果が同じと結論するのは間違い | 81 | |
ゆうえつ | 優越性,非劣性,同等性の判定方法の違い | 86 | |
ゆうえつ | 優越性試験では有効性を判定する道具はp値と有意水準 | 83 | |
ゆうがい | 有害事象(adverse event)と副作用(side effectまたはadverse drug reaction)を区別 | 15 | |
ゆうこう | 有効性の中止(stopping for efficacy) | 73 | |
よくきく | よく効く薬の有効性を示すことと,あまり効かない薬の有効性を示すこと,どちらがより簡単でしょうか? | 66 | |
よみとば | 読み飛ばされがちなMethods(方法)のStatistical analysis(統計解析) | 42 | |
らんだむ | ランダム化 | ランダム化された全患者を,割り付けの結果どおりに解析すべき | 20 |
ランダム化が人工的な確率分布を生じさせることを利用して,p値を正確に計算する | 80 | ||
ランダム化ベースのアプローチはランダム化臨床試験では合理的で頑健 | 80 | ||
封筒を使ってランダム化を行った悲惨な事例 | 124 | ||
らんだむ | ランダム化調整因子 | ランダム化調整因子が偏らない工夫 | 76 |
ランダム化調整因子には,「比較するグループ間で偏ったら困る変数」を選ぶ | 77 | ||
らんだむ | ランダム化臨床試験では,比較する群間で実験条件がそろっているため,交絡の調整は不要 | 47 | |
りすくは | リスクはケース・コントロール研究からは計算できません | 154 | |
りすくひ | リスク比1.3とオッズ比1.5が近い値だってことですか? | 155 | |
りすくひ | リスク比(risk ratio) | 84 | |
りつ | 率 | 再発発生率は,一定時間に再発が発生するスピード | 50 |
割合と区別してほしいのが率 | 50 | ||
率は,ある現象が生じるスピードを示す | 50 | ||
りつきし | リツキシマブ | リツキシマブが寛解維持を4倍も増やすほど効くから,1群30人で十分だった | 70 |
リツキシマブ臨床試験のプロトコールの章立て | 98 | ||
りんしょ | 臨床試験 | 臨床試験は,臨床開発の相・市販前後・医師主導かどうかによって分類されます | 97 |
治験とそれ以外の臨床試験はどこが違うんですか? | 98 | ||
臨床試験における監査とは | 104 | ||
臨床試験の結果の公表・報道が,マーケッティング上の広告の役割を果たしている | 108 | ||
臨床試験の結果にバイアスの可能性があるかどうかを論文から読み取る | 125 | ||
ろうとを | 漏斗(funnel)を逆さにした形をしている | 110 | |
ろぐらん | ログランク検定は生存曲線に違いがあるかどうか二者択一の判断を行うための道具 | 49 | |
ろじすて | ロジスティック回帰はオッズ比を推定する | 166 | |
わりつけ | 「割り付けられた治療を一度も受けていない患者」と「データが全くない患者」だけは除外してよい | 20 |
読み | 項目 | サブ項目 | 掲載ページ |
---|---|---|---|
1さい | 1歳ごとのオッズ比は小さくても、10歳差になると大きく変わります | お題本❶ 247 | |
1めい | 1名に効果を得るために何名治療したらよいか | お題本❶ 263 | |
300にん | 300人の血圧データから日本国民全体の平均血圧をピタリと当てられるかというと直感的に無理ですよね | お題本❶ 202 | |
95% | 95%信頼区間の意味についてはさまざまな哲学や学派がある | お題本❷ 28 | |
αえらー | αエラーは無効な薬が市販されてしまうことにつながります | お題本❷ 58 | |
βえらー | βエラーは有効な薬なのに開発中止してしまうことを意味する | お題本❷ 58 | |
Altmetrics | Altmetrics | お題本❶ 32 | |
Bayes | Bayes統計学なんて初めて聞きました | お題本❷ 135 | |
book | 「-book」と入れれば論文だけが引っかかります | お題本❶ 50 | |
ceteris | ceteris paribus | お題本❷ 188 | |
Comment | 「Comment in」というところに論文があれば、それがエディトリアルもしくは読者からのコメントになります | お題本❶ 95 | |
consistent | consistent(一貫した)、likewise、similarといった単語に注意 | お題本❶ 263 | |
Cox | Cox回帰は生存曲線の違いをハザード比(hazard ratio)で定量化する道具 | お題本❷ 49 | |
diagnostic | diagnostic、prognostic、predictionといった単語があれば診断・予測に関する研究なのでとてもわかりやすい | お題本❶ 104 | |
Fisher | Fisherの正確検定 | 1群あたりの有害事象発生数が5より小さいときには,Fisherの正確検定を用いるべき | お題本❷ 47 |
なぜχ2検定ではなくてFisherの正確検定なのですか? | お題本❷ 47 | ||
Google ScholarはPubMed以外の文献まで拾ってきてしまうのと被引用回数が多い研究が上位にくる | お題本❶ 51 | ||
h-index | h-index | お題本❶ 32 | |
hypothesis | hypothesis generating study | お題本❶ 101 | |
IF | IF | 皮膚科や眼科などの専門的な科の医学誌であれば読者層が限られているのでIFは低くなります | お題本❶ 31 |
IF 10以上の医学誌に載ったら非常に嬉しい | お題本❶ 33 | ||
Intention | Intention-To-Treat(ITT)の原則 | お題本❷ 20 | |
ITT | ITT解析とper protocol解析が行われているかどうかを見て、両方行われていたら結果が一貫しているかどうかに注目 | お題本❶ 258 | |
Kaplan | Kaplan-Meier法 | Kaplan-Meier法は,打ち切りがランダムであることを前提 | お題本❷ 33 |
Kaplan-Meier法は,生存曲線を描くための道具 | お題本❷ 49 | ||
Knowledge | Knowledge gap | knowledge gap(However、Controversial、Unclear、Little is known…) | お題本❶ 91 |
Knowledge gapが明確でないと読者に研究の重要性が伝わらない | お題本❶ 92 | ||
limitations | 「limitations」という単語を探しに行きましょう | お題本❶ 273 | |
medRxiv | medRxivやResearch Squareなどのプレプリントサーバーに論文が投稿される | お題本❶ 284 | |
NNT | NNTの数字だけを覚えるようなことはあまりお勧めしない | お題本❶ 264 | |
NOAC | NOACの効果が大きかった論文ばかりを集めれば,NOACに有利な(偏った)メタアナリシスができてしまいます | お題本❷ 109 | |
Original | Original article | お題本❶ 43 | |
Original | originalと書いてあるように独自かつ斬新(novel)であることが大事です | お題本❶ 43 | |
PECO | PECO:治療曝露の有無とアウトカムとの関連の研究 | お題本❶ 110 | |
PICO | PICO | PICO:治療・介入の研究 | お題本❶ 110 |
PICOというのは、この治療・介入の研究においてPatients、Intervention、Comparison、Outcomeを見ることで臨床問題や疑問点を定式化して読もうという試み | お題本❶ 110 | ||
Pubmed | Pubmed | 最後にncbi(もしくはpubmed)と付ける | お題本❶ 49 |
「Additional filters」をクリックする | お題本❶ 55 | ||
フィルターの例 | お題本❶ 56 | ||
Similar articlesというのはこの論文を引用している、あるいはこの論文が引用した論文が紐づけられています | お題本❶ 57 | ||
検索語句を「“ ”」で囲めば引用符内に完全に一致するものを検索してくれます | お題本❶ 58 | ||
似たような語句をまとめて検索したいときにはアスタリスク「*」 | お題本❶ 58 | ||
PubMed | PubMed Central(PMC)という、公開可能な論文が全文読めるように保存されている場所があります | お題本❶ 49 | |
Pubmed | Pubmed Impact FactorというChrome拡張機能 | お題本❶ 59 | |
p | p値にばかり目がいきがち | お題本❷ 19 | |
research | research letter | research letterは原著論文に準ずるものとして評価されます | お題本❶ 45 |
research letterは短ページの読み切り漫画 | お題本❶ 45 | ||
review | review | narrative review(総説)とsystematic review | お題本❶ 43 |
NEJMから自分の興味のある分野のreviewが出たらぜひ読んでください | お題本❶ 43 | ||
ROC | ROC曲線は左上にカーブが膨れていればいるほどよい | お題本❶ 266 | |
SNS | SNS疲れ | お題本❶ 301 | |
Statistical | Statistical analysis(統計解析)を読むときのポイントとして,独断と偏見で優先順位をつける | お題本❷ 43 | |
Stud | Study flow | 患者選択の流れをフロー図にしたものがstudy flowもしくはpatient flow | お題本❶ 243 |
Study flowからわかる選択バイアスに関して最も注意が必要なのはフォローアップの中断とデータ欠損 | お題本❶ 244 | ||
あうとか | アウトカム | 意図的に集めないと集まらないアウトカムを用いた研究 | お題本❶ 159 |
患者中心のアウトカムを用いた研究が増えてくる | お題本❶ 160 | ||
あっとり | アットリスク数(number at risk) | お題本❷ 33 | |
あぶすと | アブストラクトの2回読みはお勧め | お題本❶ 84 | |
いいいが | 「いい医学誌に載りそう」なんて患者不在の研究思考 | お題本❶ 233 | |
いしゃと | 医者としてのdomain knowledgeを提供する | お題本❶ 250 | |
いべんと | イベントが定期的な検査のタイミングで起きる状況では,階段は等間隔になりますね | お題本❷ 37 | |
いんがか | 因果関係ですが,難しい言葉ですよね | お題本❷ 149 | |
いんがか | 因果関係を推測することが目的 | お題本❶ 210 | |
いんがす | 因果推論において興味があるのは特定のリスク因子、あるいは治療・介入の係数のみであり、他の因子の係数は単なる調整のためなので基本的に解釈しない | お題本❶ 215 | |
いんせい | 陰性尤度比(negative likelihood ratio) | お題本❶ 230 | |
うちきり | 打ち切り | 打ち切りを意識して読めるようになるとよい | お題本❶ 201 |
生存曲線上のドットは打ち切り | お題本❶ 260 | ||
うちきり | 打ち切り | 予定追跡期間の終了時期なので,打ち切りが起きている | お題本❷ 33 |
打ち切り(censoring)があると単純な方法で解析できない | お題本❷ 49 | ||
生存時間解析はすべて,打ち切りがランダムであることを前提にしています | お題本❷ 51 | ||
増悪や副作用など,疾患の悪化に関係して打ち切りが生じた場合,脱落バイアス(attrition bias)が生じます | お題本❷ 51 | ||
うへんに | 右辺に交絡因子(今回は年齢・性別・糖尿病の有無)を追加 | お題本❶ 213 | |
えいよう | 「栄養指導を行ったところLDLが下がった」というのは大事ですが、本当に大事なのはその結果心血管系イベントなどが減ったかどうかですよね | お題本❶ 160 | |
えでぃと | エディトリアル | エディトリアルがあるならぜひ読みましょう | お題本❶ 43 |
エディトリアルを読む | お題本❶ 95 | ||
えらーば | エラーバーの種類 | お題本❷ 26 | |
えんじに | エンジニアの視点 | お題本❶ 268 | |
えんどぽ | エンドポイント | エンドポイントが複数あると,「いいとこどり」ができてしまう | お題本❷ 17 |
副次エンドポイントのp値をもって薬は有効といえますか? | お題本❷ 17 | ||
おうだん | 横断研究は「ある一時点における調査」 | お題本❶ 143 | |
おつぎは | 於継は死亡し加恵は失明した | お題本❷ 96 | |
おっずひ | オッズ比(odds ratio) | お題本❷ 84 | |
おっずひ | オッズ比やハザード比 | 1.2(逆数の0.8)くらいだとインパクトは弱め | お題本❶ 248 |
2.0前後(逆数の0.5)あると結構強い関連がある | お題本❶ 248 | ||
3.0前後(逆数の0.3)だとかなり関連が強く、もしかしたら交絡がちゃんと調整されていないかも? | お題本❶ 248 | ||
かいきし | 回帰式から見たリスク因子探索と因果推論の違い | お題本❶ 214 | |
がいてき | 外的妥当性(external validity)もしくは一般化可能性(generalizability) | お題本❶ 163 | |
がいどら | ガイドラインというのは数年に1度、各学会の編集委員が近年の研究をまとめて | お題本❶ 44 | |
かくにん | 確認が不十分だったらどうすればいいんですか? | お題本❷ 139 | |
かさなっ | 重なってなかったらどうなるんですか? | お題本❷ 178 | |
がぞうに | 画像に関しては深層学習一択 | お題本❶ 226 | |
かてきご | 過適合 | そのデータでのみ当てはまりが良い可能性があります(過適合、overfitting) | お題本❶ 224 |
内的検証では優れた性能を示したが、外的検証で予測性能が落ちた場合は、モデル構築に用いたサンプルに過適合(overfit)しているだけ | お題本❶ 269 | ||
かぷらん | カプランマイヤー生存曲線 | カプランマイヤー生存曲線の読み方を理解して、ハザード比がある程度感覚的に読めればまずは十分 | お題本❶ 201 |
カプランマイヤー生存曲線が交差 | お題本❶ 261 | ||
がんけん | がん検診が導入されたため,見過ごされてきた甲状腺がんが見つかっただけだっていうのはどういうことですか? | お題本❷ 150 | |
かんさつ | 観察研究 | 観察研究の多くは電子カルテや症例レジストリ、前向きコホート(特定の患者集団を追跡したデータ)などのデータベースを用いた研究 | お題本❶ 121 |
観察研究においてはどんなデータを使ったのか、が研究の質を決める | お題本❶ 131 | ||
観察研究においては研究デザインや統計解析と同様にデータに関しての理解が重要 | お題本❶ 133 | ||
観察研究において「因果関係」が明確に示されることはまずなく | お題本❶ 174 | ||
観察研究の場合は患者の年齢や性別などの基本情報、重症度など交絡因子の分布が両群でどう異なるかに注目 | お題本❶ 257 | ||
かんさつ | 観察データを用いて比較可能な(同じような)治療群と非治療群を作り出せないか? | お題本❶ 216 | |
かんじゃ | 「患者集団を表すのにはsummary statisticsを使いました」と1行で終わる | お題本❶ 186 | |
かんどか | 感度解析は非常に重要 | お題本❶ 239 | |
きかいが | 機械学習(深層学習含む)はブラックボックスだから…という意見を聞きますが | お題本❶ 226 | |
きじゅつ | 記述研究 | 記述研究は読むのが容易であり、次にランダム化比較試験など治療・介入の研究が読みやすい | お題本❶ 98 |
記述研究というのは臨床研究の最初の第一歩 | お題本❶ 100 | ||
describe(記述する)、characterize(特徴づける), clinical features(臨床における特徴)など、「記述する」「特徴づける」という単語があれば記述研究になります | お題本❶ 101 | ||
記述研究はdescriptive studyと呼ばれ、現状をただ記述するだけ | お題本❶ 108 | ||
記述統計は研究対象集団がどんな特徴(年齢や性別の分布など)をもった集団か? を表すために用いられます。 | お題本❶ 186 | ||
きつえん | 喫煙や飲酒といった情報は罪悪感から過小申告されやすい | お題本❶ 169 | |
きゅうき | 救急外来受診時のバイタルサインを組合せることで簡単に重症度の評価ができないか | お題本❶ 222 | |
ぎりしゃ | ギリシャ文字に特別な意味をもたせるというナゾの習慣 | お題本❷ 86 | |
きろくが | 記録がなかったら品質保証できないですね | お題本❷ 104 | |
ぐらふの | グラフの右端では誤差が大きい | お題本❷ 33 | |
くろす | クロス | クロスしています | お題本❷ 31 |
無増悪生存曲線がクロスしていて | お題本❷ 34 | ||
けーすこ | ケース・コントロール研究の最大の弱点 | お題本❷ 156 | |
けつえき | 血液検査データを組合せて治療反応性を予測できないか | お題本❶ 222 | |
けっそく | 欠測の問題はつきもの | お題本❷ 23 | |
けんきゅ | 「研究限界にはどう書いてあった?」 | お題本❶ 275 | |
けんきゅ | 研究デザイン | 研究をデザインする(疫学) | お題本❶ 19 |
データベースありきで研究テーマを決め、研究デザインを決める | お題本❶ 132 | ||
研究デザイン上、オッズ比しか出せないんだな | お題本❶ 221 | ||
けんきゅ | 研究の結果の信頼性が高まるということになります〔頑強(robust)であると言います〕 | お題本❶ 239 | |
げんこう | 原稿(ドラフト)状態のものは著者に著作権があります | お題本❶ 66 | |
けんしゅ | 検出力は「1−β」で定義 | お題本❷ 67 | |
けんてい | 検定ごとに表があるんですか? | お題本❷ 69 | |
こうじょ | 甲状腺がんを発症したケースのほうが,コントロールよりも事故当時のことを思い出しやすいですよね | お題本❷ 156 | |
こうらく | 交絡 | 回帰モデルによる交絡の調整は,モデルベースのアプローチそのもの | お題本❷ 80 |
交絡(confounding)に関する最も有名な論争 | お題本❷ 159 | ||
こうらく | 交絡因子 | 交絡因子の影響を取り除くにはどうすればいいのでしょうか? | お題本❶ 176 |
交絡因子の影響を調整するために用いられるのが回帰分析をはじめとしたさまざまな統計学的手法です | お題本❶ 178 | ||
こうらく | 交絡因子 | 調整する交絡因子は,年齢・性別・居住地だけでいいんですか? | お題本❷ 168 |
こーどさ | コードされた病名と実際の臨床診断が一致しているかどうか? という病名の妥当性に関する研究(病名のvalidation study) | お題本❶ 141 | |
ここでか | ここでかなり多くの人が躓いている | お題本❶ 120 | |
こていこ | 固定効果モデル | 固定効果モデルと変量効果モデルのどちらを使えばいいんですか? | お題本❷ 116 |
固定効果モデルでは,推定値のバラツキを,「試験内分散」だけによるものだと考えます | お題本❷ 135 | ||
このさん | この三角,何ですか? | お題本❷ 86 | |
このちり | この治療は死亡率を10%下げた(リスク差) | お題本❶ 220 | |
このちり | この治療は比較対象と比べて死亡率を2/3にした(リスク比) | お題本❶ 220 | |
こほーと | コホート研究は同じ特徴をもった集団を追跡して行う研究 | お題本❶ 143 | |
こほーと | コホート研究やケース・コントロール研究 | コホート研究やケース・コントロール研究では交絡の調整は必須 | お題本❷ 47 |
コホート研究やケース・コントロール研究では,推測の基盤としてモデルベースに頼らざるを得ません | お題本❷ 80 | ||
コホート研究やケース・コントロール研究などのランダム化や介入を伴わない研究 | お題本❷ 149 | ||
コホート研究とケース・コントロール研究のイメージ | お題本❷ 152 | ||
こほーと | コホートデータは「ある研究目的のために同じ特徴をもった集団を追跡する」 | お題本❶ 136 | |
これすぽ | コレスポンディングオーサーの重みは分野によって異なり、生物系や基礎医学系だと非常に重要視されます | お題本❶ 88 | |
さいきん | 最近の論文はEpub ahead of printといって紙媒体より先にオンラインで公開されることが多い | お題本❶ 53 | |
さいしゅ | 最終的にアクセプトするかどうかは編集部の一存で決まるため、実は編集者達の好みに結構左右されます | お題本❶ 40 | |
さがやた | 差がやたら出てくるような手段で解析をする人のほうがトンチンカンなのでして | お題本❷ 137 | |
さぎょう | 作業記録を残す | お題本❷ 105 | |
さぶぐる | サブグループ解析 | サブグループ解析では年齢や男女など各サブグループで関連性や治療効果が異なるかどうかという異質性(heterogeneity)を評価します | お題本❶ 238 |
サブグループ解析を行って効果修飾が見られた場合、「なぜグループごとで結果が異なるのだろう?」という理由を考える | お題本❶ 238 | ||
さぶぐる | サブグループ解析は,全患者を対象とした解析で有意な場合とそうでない場合で,解釈が変わります | お題本❷ 120 | |
さらなる | さらなる似たような研究が必要ならお前の研究の価値はなんだ? | お題本❶ 278 | |
さんこう | 参考文献のリストがいい加減だと「論文の中身も適当だろうな」と思ってしまう | お題本❶ 281 | |
ざんねん | 残念ながら,統計学を駆使したとしても救ってあげることはできません | お題本❷ 179 | |
さんぷる | サンプルとして得られたデータから、その背後にある母集団における真の関連性を統計モデルで推測 | お題本❶ 192 | |
しけんか | 試験間分散って何ですか? もう少し具体的にお願いします | お題本❷ 117 | |
しっかん | 疾患リスクが低いときにはオッズ比がリスク比の近似になる | お題本❷ 155 | |
じっさい | 実際に分析する(生物統計学) | お題本❶ 19 | |
じゅうし | 重症(severe)と重篤(serious)も異なる意味をもちます | お題本❷ 15 | |
じゅどう | 受動喫煙と乳歯う蝕の関連を報告した研究に関するネットの書き込み | お題本❷ 174 | |
しゅよう | 主要と思われる医学誌を表にまとめました | お題本❶ 34 | |
しゅよう | 主要な結果がパッとしない場合、研究の成果をアピールするために副次的な項目の結果などが強調されることもあります | お題本❶ 83 | |
しょうど | 抄読会 | 抄読会では一般的に原著論文を用い総説やletter、エディトリアルを用いることはありません | お題本❶ 46 |
行間を1.5にする | お題本❶ 291 | ||
1枚につき7〜10行以内、かつフォントサイズ20前後 | お題本❶ 291 | ||
抄読会では最も突っ込まれやすいところ | お題本❶ 293 | ||
しんたい | 身体所見でも研修医と指導医では正確さに違いがありますよね。 | お題本❶ 169 | |
しんらい | 信頼区間 | 信頼区間が基準値を跨がなければ統計学的に有意と判定 | お題本❶ 203 |
でも信頼区間は広いからサンプルサイズの問題かな…… | お題本❶ 248 | ||
しんらい | 信頼性とは,同じ条件で繰り返し測定したとき,どのくらい近い結果が得られるか | お題本❷ 156 | |
しんりょ | 診療報酬のために記載してある診断名がどこまで正しいのか? | お題本❶ 141 | |
すいそく | 推測統計 | 「確率分布とは何か?」「検定とは何か?」といった基本的な段階で挫折することが多く、肝心の推測統計までたどり着けない | お題本❶ 185 |
推測統計が何をしているか | お題本❶ 191 | ||
すべてぷ | すべてプラセボに勝てなかったのです | お題本❷ 81 | |
すみませ | すみません,よくわかりません.ほかの例はありませんか? | お題本❷ 161 | |
せいぞん | 生存時間解析三種の神器 | お題本❷ 49 | |
せいぞん | 生存分析 | なぜロジスティック回帰モデルではなくわざわざ生存分析を用いるか | お題本❶ 198 |
生存分析では「単に死亡などのアウトカムが発生したかどうか」ではなく、「アウトカムイベントが発生するまでの時間である生存時間(survival time)」を考慮した解析を行います | お題本❶ 198 | ||
生存分析のアウトカムは「1年目まで生存していた患者が、2年目に死亡するかどうか」という単位時間あたりのアウトカムが発生する確率 | お題本❶ 200 | ||
せいぶつ | 生物統計家が実際に解析するときにうっかりしがちなのは,説明変数に1つでも欠測データがあると,その対象者はソフトウェアの仕様で自動的に除外されてしまうということ | お題本❷ 169 | |
そうかん | 相関関係(correlation)は必ずしも因果関係(causal relationship)ではない | お題本❷ 150 | |
そくほう | 速報として学会で発表する | お題本❶ 28 | |
そもそも | そもそも研究結果は正しいのか? | お題本❶ 162 | |
だとうせ | 妥当性とは,測定したいものをどのくらい正しく測れているか | お題本❷ 156 | |
だびがと | ダビガトランとワルファリンを,リスクとベネフィット両方の観点からうまく比較できるように計画された試験とはどのようなものか | お題本❷ 82 | |
だりつ6 | 打率6〜7割はあります | お題本❶ 64 | |
たんかい | 単回帰〔最近では線型モデル(linear model)とよばれます〕 | お題本❷ 165 | |
たんしせ | 単施設であることの制限(そこに来院する患者や治療方針などの問題)によって結果を一般化しにくいことが問題 | お題本❶ 180 | |
ちゅうか | 中間解析 | 中間解析の結果なんか信じられません! | お題本❷ 35 |
中間解析では有意水準を,通常の5%よりもずっと小さくします | お題本❷ 72 | ||
中間解析は研究者のためではなくて,患者のために行う | お題本❷ 73 | ||
ちょくせ | 直接比較と間接比較 | 直接比較と間接比較の結果は一致するのか | お題本❷ 141 |
直接比較の試験には重症患者が多くて,間接比較の試験には軽症患者ばかりだと,おのおののリスク比が異なるかもしれません | お題本❷ 142 | ||
ちょくせ | 直線の当てはめが回帰モデルの基本 | お題本❶ 195 | |
ちりょう | 治療・介入の研究 | 治療・介入の研究においてはtreatment、intervention、impact、effect、efficacyなど関連性を示す単語や治療・介入を示す単語が含まれることが多い | お題本❶ 103 |
治療・介入の研究と一部のリスク因子の研究で交絡を考慮する | お題本❶ 172 | ||
ちりょう | 治療群は重症患者が多くて非治療群は軽症患者が多いというのはよくある話です | お題本❶ 176 | |
ちりょう | 治療反応性の高いサブグループが隠れている | お題本❷ 34 | |
ちりょう | 治療をやめたら,効果がないわけだから差がなくなって当たり前です | お題本❷ 90 | |
ついせき | 追跡不能例 | 選択バイアスの代表的なパターンである追跡不能例(loss to follow-up)や欠測(欠損)データによる除外を覚えておきましょう。 | お題本❶ 168 |
追跡不能例やデータ欠損による除外が多いから選択バイアスがありそうだ | お題本❶ 244 | ||
先に結果と研究限界を把握してから追跡不能例などを意識して読み直す | お題本❶ 258 | ||
とうけい | 統計学は演繹的な学問です | お題本❷ 79 | |
とうけい | 統計手法の使い分けのポイント | お題本❷ 45 | |
とうよた | 投与タイミングや投与量を考慮している研究は一般に質が高め | お題本❶ 156 | |
とらんす | トランスレーショナル研究というのがピンと来ない人も多い | お題本❶ 23 | |
ないてき | 内的妥当性 | 内的妥当性(internal validity) | お題本❶ 162 |
論文を読んだらとりあえず「結果は正しい(内的妥当性は担保されている)」としたうえで一般化可能性を考えよう | お題本❶ 182 | ||
なかみも | 中身も読まれず即時掲載拒否(editor kick) | お題本❶ 39 | |
なにがお | 何が起きたら再発といえるんですか? | お題本❷ 33 | |
にしいず | 西伊豆総合病院の仲田和正先生がまとめておられるのが有名 | お題本❶ 43 | |
にほんぜ | 日本全国を母集団と仮定したとき、東京で行われた研究が北海道で応用できるかどうかは一般化可能性(generalizability)、米国で応用可能かどうかがtransportability | お題本❶ 289 | |
ねっとわ | ネットワークメタアナリシス | ネットワークメタアナリシスは,3つ以上の治療を比較するための強力な手法 | お題本❷ 130 |
ネットワークメタアナリシスにも落とし穴があります | お題本❷ 136 | ||
ネットワークがループになっていて,直接比較と間接比較の結果が一貫していることが確認できたとき,ネットワークメタアナリシスの結果が信頼できる | お題本❷ 143 | ||
ネットワークメタアナリシスでは,よくも悪くも仮説があいまい | お題本❷ 145 | ||
ネットワークメタアナリシスではランキングが強調されがちですが,よくみるとプラセボと比べて有意差がついていないことがあります | お題本❷ 145 | ||
ばいあす | バイアス | バイアスとの戦い | お題本❷ 160 |
コホート研究とメタアナリシスでは,全然バイアスに関する視点が違いますよね | お題本❷ 185 | ||
ばくろご | 曝露後の因子は,中間因子(intermediate variable)かもしれないので,交絡因子として選択しない | お題本❷ 184 | |
はこひげ | 箱ひげ図 | 最大値,75%点,中央値,25%点,最小値を「箱」と「ひげ」で表した,箱ひげ図もよく用いられます | お題本❷ 27 |
はざーど | ハザードというのはとにかく理解しづらい概念 | お題本❶ 201 | |
はざーど | ハザード比 | ハザード比を計算する手法がCox(コックス)回帰(Cox regression) | お題本❷ 43 |
ハザード比(hazard ratio) | お題本❷ 84 | ||
はずれち | 外れ値 | 中性脂肪や尿アルブミンなどは,飛びぬけて高い値(外れ値)をとる患者がいますよね | お題本❷ 26 |
はっせい | 発生率比(rate ratio) | お題本❷ 84 | |
はんぷく | 反復測定データでは,個人内の測定値は独立ではありません. | お題本❷ 46 | |
ひっしゃ | 筆者自身はコホートやケースコントロールという言葉にアレルギーがあった | お題本❶ 122 | |
ひっとう | 「筆頭著者名_医学誌_年度_タイトルもしくは内容」などで保存すると検索が楽になる | お題本❶ 299 | |
ひはんて | 批判的吟味とは粗探しではなく | お題本❶ 286 | |
びょうい | 病院が保険組合などに提出する請求データがclaims データ・保険請求データ | お題本❶ 139 | |
ひょうじ | 標準偏差 | 標準偏差は,直感的にはおおよそデータの2/3が含まれる範囲と考えて間違いはありません | お題本❷ 26 |
標準偏差を使うのは,どんなときですか? | お題本❷ 29 | ||
ひれっせ | 非劣性から優越性への仮説の切り替えをしたんですよね? | お題本❷ 88 | |
ひれっせ | 非劣性試験 | 治療効果の差が、比較対象と比べて「劣らないとみなせる」範囲内に治療効果が収まる。 | お題本❶ 264 |
ひれっせ | 非劣性試験 | 非劣性試験では,ITT解析とPPS解析の両方を行うことが積極的に勧められています. | お題本❷ 23 |
非劣性試験(non-inferiority trial)は例外的に片側検定を用います | お題本❷ 57 | ||
「劣らない」ことを示す非劣性試験 | お題本❷ 82 | ||
非劣性試験では信頼区間(confidence interval)と非劣性マージン(non-inferiority margin)を用います | お題本❷ 83 | ||
ひれっせ | 非劣性マージン | 非劣性マージンをもう少し詳しくお願いします | お題本❷ 87 |
非劣性マージンの1.46って誰が決めたんですか? | お題本❷ 88 | ||
ふぁんねる | ファンネルプロット(funnel plot) | お題本❷ 110 | |
ぷろぺん | プロペンシティスコアとは,「個人が治療や曝露を受ける確率」のことです | お題本❷ 176 | |
へんすう | 変数 | 年齢やBMIなどの数値が連続変数で入っているのか、それともカテゴリ変数で入っているのかで結果の解釈が変わってくる | お題本❶ 188 |
右辺の変数がどんな値を取っても0から1に収まるようにします | お題本❶ 196 | ||
右辺の変数が1個(興味のある変数のみ)のときは単変量回帰(univariable regression)と言い、複数の変数がある場合を総じて多変量回帰(multivariable regression)と言います | お題本❶ 213 | ||
へんりょ | 変量効果モデルでは,「試験内分散」と「試験間分散」の2つがあると考えます | お題本❷ 135 | |
まずかん | まず患者集団を把握し、次にメインの図表を見て結果の概要を把握 | お題本❶ 242 | |
まずはか | まずは介入研究(trial)か観察研究(observational study)かに分けましょう | お題本❶ 121 | |
むっこれ | 「むっ」「これは」「要注意」 | リスク因子検索の研究で因果関係が強調されている | お題本❶ 277 |
副次アウトカムの結果が強調されている | お題本❶ 277 | ||
外的検証がないのに優れたモデルと強調されている | お題本❶ 277 | ||
めそっど | メソッドに何が書いてあるか | お題本❶ 106 | |
めたあな | メタアナリシスは臨床試験のある種の反復 | お題本❷ 29 | |
めたかい | メタ解析自体は意外と簡単にできてしまうのでその質も(かなり)玉石混淆 | お題本❶ 105 | |
もしもぼ | もしもボックスで「もしこの患者さんに治療が行われていなかったら」というパラレルワールドと比較 | お題本❶ 175 | |
もでる | モデル | 現実の状況を(確率分布を用いて)数学的に定式化するものです(この定式化を統計学では「モデル」とよびます) | お題本❷ 80 |
誤った確率分布を仮定してしまう「モデルの誤特定」 | お題本❷ 169 | ||
もでるの | モデルの検証に用いた集団:Validation cohort | お題本❶ 268 | |
もでるの | モデルの構築に用いた集団:Derivation cohort | お題本❶ 268 | |
やみくも | 闇雲に「違う国の研究だからダメだ」ではなく、現実的な視点での解釈が大事 | お題本❶ 182 | |
ゆういさ | 有意差がつかなかったとき,効果が同じと結論するのは間違い | お題本❷ 81 | |
ゆうえつ | 優越性,非劣性,同等性の判定方法の違い | お題本❷ 86 | |
ゆうえつ | 優越性試験では有効性を判定する道具はp値と有意水準 | お題本❷ 83 | |
ゆうがい | 有害事象(adverse event)と副作用(side effectまたはadverse drug reaction)を区別 | お題本❷ 15 | |
ゆうこう | 有効性の中止(stopping for efficacy) | お題本❷ 73 | |
ようせい | 陽性尤度比(positive likelihood ratio) | お題本❶ 230 | |
よくきく | よく効く薬の有効性を示すことと,あまり効かない薬の有効性を示すこと,どちらがより簡単でしょうか? | お題本❷ 66 | |
よそくい | 予測因子を選ぶために用いたモデルの結果がTable 2、3あたりの表で示されます | お題本❶ 266 | |
よそくも | 予測モデル | 予測モデルを組んでみて予測性能が高ければハッピー | お題本❶ 223 |
日本人のセッティングで外的検証されている予測モデルは相当少ない | お題本❶ 225 | ||
予測モデルの構築は今後機械学習に置き換わる可能性が高い | お題本❶ 227 | ||
予測モデルの研究は因果推論ではなく統計学的な関連を見ているだけなのでオッズ比の比較が可能 | お題本❶ 266 | ||
「その予測モデルを使った場合と使わなかった場合のどちらがいいのか」といった視点で研究されている論文はほとんどありません | お題本❶ 287 | ||
よみとば | 読み飛ばされがちなMethods(方法)のStatistical analysis(統計解析) | お題本❷ 42 | |
らんだむ | ランダム化 | ランダム化された全患者を,割り付けの結果どおりに解析すべき | お題本❷ 20 |
ランダム化が人工的な確率分布を生じさせることを利用して,p値を正確に計算する | お題本❷ 80 | ||
ランダム化ベースのアプローチはランダム化臨床試験では合理的で頑健 | お題本❷ 80 | ||
封筒を使ってランダム化を行った悲惨な事例 | お題本❷ 124 | ||
らんだむ | ランダム化調整因子 | ランダム化調整因子が偏らない工夫 | お題本❷ 76 |
ランダム化調整因子には,「比較するグループ間で偏ったら困る変数」を選ぶ | お題本❷ 77 | ||
らんだむ | ランダム化比較試験 | ランダム化比較試験 | お題本❶ 125 |
ランダム化比較試験は実験なのでいくつか特有の手順があります | お題本❶ 125 | ||
ランダム化比較試験ではそもそも研究デザインの段階で交絡が処理されており | お題本❶ 219 | ||
ランダム化比較試験ではstudy flowを確認し追跡不能例を確認することが大事 | お題本❶ 258 | ||
らんだむ | ランダム化臨床試験では,比較する群間で実験条件がそろっているため,交絡の調整は不要 | お題本❷ 47 | |
りえきそ | 利益相反(conflict of interest:COI)は公益のための社会的な責務と、私的な利益とが衝突・相反する状態 | お題本❶ 280 | |
りじぇく | リジェクト(却下)されたら諦めて別の医学誌に投稿 | お題本❶ 28 | |
りすくい | リスク因子 | 最後の段落に「risk factors」という単語があればリスク因子の研究です | お題本❶ 102 |
リスク因子の研究では、この「複数のリスク因子を並列で列挙しているのか」、それとも「特定のリスク因子にのみ注目しているのか」はできるだけ分ける | お題本❶ 109 | ||
リスク因子を探索する研究では複数のリスク因子の候補を1つの統計モデルに入れ、アウトカムと統計学的に関連していた因子が「リスク因子と考えられる」と解釈されます | お題本❶ 209 | ||
リスク因子の探索では単に統計学的関連を見ているだけなので、すべての因子は同じ立場であり、係数の比較が可能 | お題本❶ 215 | ||
リスク因子の探索であれば各リスク因子のオッズ比やハザード比に注目 | お題本❶ 254 | ||
リスク因子探索の研究では、各リスク因子の相対的な関連を示しているだけ | お題本❶ 276 | ||
リスク因子の研究は主に次の研究につなげるためのもの | お題本❶ 287 | ||
りすくい | リスク因子と予測因子は似たような変数になる | お題本❶ 223 | |
りすくい | リスク因子を探索する研究と同じく、複数の予測因子を探索し、それらの関連性を元に必要な変数を決めて予測モデルを作成 | お題本❶ 222 | |
りすくは | リスクはケース・コントロール研究からは計算できません | お題本❷ 154 | |
りすくひ | リスク比1.3とオッズ比1.5が近い値だってことですか? | お題本❷ 155 | |
りすくひ | リスク比(risk ratio) | お題本❷ 84 | |
りそうて | 理想的な環境下での研究 | お題本❶ 121 | |
りつ | 率 | 再発発生率は,一定時間に再発が発生するスピード | お題本❷ 50 |
割合と区別してほしいのが率 | お題本❷ 50 | ||
率は,ある現象が生じるスピードを示す | お題本❷ 50 | ||
りつきし | リツキシマブ | リツキシマブが寛解維持を4倍も増やすほど効くから,1群30人で十分だった | お題本❷ 70 |
リツキシマブ臨床試験のプロトコールの章立て | お題本❷ 98 | ||
りんしょ | 臨床 | 気軽に読んだ論文の内容を気軽に臨床で用いないでください | お題本❶ 71 |
そもそも0.1%の差が臨床的に意味あるのでしょうか? | お題本❶ 126 | ||
ある意味で臨床に最も即した定義 | お題本❶ 153 | ||
1 mmHg血圧を下げるという効果は臨床的に意味がほとんどありません | お題本❶ 204 | ||
「これがリスク因子だ」ということを知っておけば、臨床において臨床判断のために役立てることは可能 | お題本❶ 287 | ||
りんしょ | 臨床研究におけるデザイナーとエンジニア | お題本❶ 18 | |
りんしょ | 臨床試験 | 臨床試験は,臨床開発の相・市販前後・医師主導かどうかによって分類されます | お題本❷ 97 |
治験とそれ以外の臨床試験はどこが違うんですか? | お題本❷ 98 | ||
臨床試験における監査とは | お題本❷ 104 | ||
臨床試験の結果の公表・報道が,マーケッティング上の広告の役割を果たしている | お題本❷ 108 | ||
臨床試験の結果にバイアスの可能性があるかどうかを論文から読み取る | お題本❷ 125 | ||
れじすと | レジストリは「将来的な研究のためにシステマティックに全例登録する」 | お題本❶ 135 | |
れじでん | レジデント | レジデントにこそエディトリアルを読んでほしい | お題本❶ 43 |
「選択バイアスを正しく知らないといけない」という思い込みがレジデントにとって大きな負担になる | お題本❶ 168 | ||
ろうとを | 漏斗(funnel)を逆さにした形をしている | お題本❷ 110 | |
ろぐらん | ログランク検定は生存曲線に違いがあるかどうか二者択一の判断を行うための道具 | お題本❷ 49 | |
ろじすて | ロジスティック回帰はオッズ比を推定する | お題本❷ 166 | |
ろじすて | ロジスティック回帰分析 | ロジスティック回帰分析ではアウトカムが「観察期間内の死亡の有無」 | お題本❶ 200 |
ろじすて | ロジスティック回帰モデル | 一般化線形モデルにおいて、アウトカムが二値変数のときに右辺にロジスティック関数を用いたモデルがロジスティック回帰モデル(logistic regression model)です | お題本❶ 196 |
ロジスティック回帰モデルを用いたら関連性は基本的にオッズ比でしか表せない | お題本❶ 197 | ||
なぜ研究目的が違うのにどの論文もロジスティック回帰モデルを用いているんだろう… | お題本❶ 207 | ||
ろじすて | ロジスティック関数 | 右辺にロジスティック関数を用いることで強制的に0から1までしか取らなくなるので二値アウトカムを表すことができます | お題本❶ 196 |
ろんぶん | 論文 | 論文を読むのは患者さんに向き合って、話を聞いて、診察するよりもずっと楽 | お題本❶ 22 |
主要誌の論文であればとりあえず研究方法は正しいと思って聞ける | お題本❶ 38 | ||
1本の論文で明日からの治療がひっくり返ることなんてまずありえず | お題本❶ 71 | ||
速読や切り捨てができる人はそもそもの読んでいる論文の量が大量であり、何桁も違います | お題本❶ 74 | ||
短くて「対象患者は誰か、何をしたか、アウトカムは何か」が明確に伝わる論文は良いタイトルの論文 | お題本❶ 80 | ||
「なぜこの論文が出版されたのか?」という原点 | お題本❶ 116 | ||
論文を1本も書かずに論文を正確に読むのはかなり難しい | お題本❶ 116 | ||
母集団を意識して論文を読んでいる医師はそう多くない | お題本❶ 150 | ||
実際の論文で選択バイアスがあるかどうかを考えるのは疫学に詳しい人と一緒に考えないと困難 | お題本❶ 167 | ||
実際の論文では「そんなの分布を見てちゃんとやっているだろ」とほぼスルー | お題本❶ 187 | ||
ろんぶん | 論文における統計解析のメインであり、みなさんがイメージしている「統計」の話 | お題本❶ 191 | |
わかって | わかっていることとわかっていないことを明確にする部分 | お題本❶ 91 | |
わりつけ | 「割り付けられた治療を一度も受けていない患者」と「データが全くない患者」だけは除外してよい | お題本❷ 20 |