医学・医療の電子コンテンツ配信サービス

isho.jp

0 ようこそ、ゲストさん
0

≪医学統計学シリーズ10≫

経時的繰り返し測定デザイン【電子版】

―治療効果を評価する混合効果モデルとその周辺―

丹後 俊郎 (著)

出版社
朝倉書店
電子版ISBN
 
電子版発売日
2019/03/04
ページ数
260ページ
 判型
A5
フォーマット
PDF(パソコンへのダウンロード不可)

電子版販売価格:¥4,860 (本体¥4,500+税8%)

印刷版ISBN
978-4-254-12880-2
印刷版発行年月
2015/09
ご利用方法
ダウンロード型配信サービス(買切型)
同時使用端末数
2
対応OS
iOS9.0以降 / Android5.0以降
※コンテンツの使用にあたり、専用ビューアisho.jpが必要
※Androidは、Android5.0以降の端末のうち、国内キャリア経由で販売されている端末(Xperia、GALAXY、AQUOS、ARROWS、Nexusなど)にて動作確認しています
必要メモリ容量
322 MB以上
ご利用方法
アクセス型配信サービス(買切型)
同時使用端末数
1
※インターネット経由でのWEBブラウザによるアクセス参照
※導入・利用方法の詳細はこちら

概要

治療への反応の個人差に関する統計モデルを習得すると共に,治療効果の評価にあたっての重要性を理解するための書
〔内容〕動物実験データの解析分散分析モデル/混合効果モデルの基礎/臨床試験への混合効果モデル/潜在クラスモデル/他

目次

1. 経時的繰り返し測定デザインとは

2. 動物実験データの解析
2. 1 解析例1
2. 2 解析例2
2. 3 解析例3

3. 分散分析モデルから治療効果を学ぶ
3. 1 分散分析モデル
3. 2 split-plot design
3. 3 分散共分散構造のモデル
3. 4 分散共分散が薬剤群間で異なる分散分析モデル

4. 分散分析モデルから混合効果モデルへ
4. 1 問題の所在:混合効果モデルの導入
4. 2 治療効果の不偏推定値
4. 3 ベースラインデータ調整のANCOVA 型モデル

5. 混合効果モデルの基礎
5. 1 適用例1:成長モデル
5. 2 適用例2:薬剤効果の比較

6. 欠測データにも柔軟に対応できる混合効果モデル
6. 1 適用例1:薬剤効果の比較の欠測データ
6. 2 適用例2:成長モデルの欠測データ

7. 臨床試験への混合効果モデル||正規線形回帰モデル
7. 1 完全ケースデータに基づく混合効果モデル
7. 1. 1 治療効果が時点によって変化するRM モデル
7. 1. 2 治療期間中の治療効果一定を仮定するRM モデル
7. 1. 3 治療群間での分散共分散が異なるモデル
7. 1. 4 ベースライン調整のANCOVA 型モデル
7. 2 オリジナルデータの解析||欠測データを無視できる最尤法
7. 2. 1 RM モデル
7. 2. 2 治療群間での分散共分散が異なるモデル
7. 2. 3 ベースライン調整のANCOVA 型モデル
7. 3 まとめ

8. 臨床試験への混合効果モデル||ロジスティック回帰モデル
8. 1 治療効果が時点によって変化するRM モデル
8. 2 治療期間中の治療効果一定を仮定するRM モデル
8. 3 ベースライン調整のANCOVA 型モデル
8. 4 まとめ

9. 臨床試験への混合効果モデル||Poisson 回帰モデル
9. 1 治療効果が時点によって変化するRM モデル
9. 2 治療期間中の治療効果一定を仮定するRM モデル
9. 3 ベースライン調整のANCOVA 型モデル
9. 4 まとめ

10. 混合効果モデルへのベイジアンアプローチ
10. 1 無情報事前分布と信用区間
10. 2 混合効果正規線形回帰モデルModel V のベイジアンモデル
10. 3 混合効果ロジスティック回帰モデルModel IV のベイジアンモデル151
10. 4 混合効果Poisson 回帰モデルModel V のベイジアンモデル

11. 潜在プロファイルモデル||個人の反応プロファイルの分類
11. 1 潜在プロファイルモデル
11. 2 比例オッズモデルを組み込んだ潜在プロファイルモデル
11. 3 潜在プロファイルの個数
11. 4 グリチロン錠二号の臨床試験への適用
11. 4. 1 推定結果:潜在プロファイルモデル
11. 4. 2 推定結果:比例オッズモデルを組み込んだ潜在プロファイルモデル
11. 4. 3 R とOpenBUGS のプログラム
11. 4. 4 混合効果正規線形回帰モデルとの比較
11. 5 うつ病の患者に対する認知行動療法の臨床試験への適用
11. 6 まとめ

12. 経時的繰り返し測定デザインの最適化とサンプルサイズ
12. 1 サンプルサイズの計算の基本方針
12. 2 正規線形回帰モデル
12. 2. 1 1 : T デザイン
12. 2. 2 S : T デザイン
12. 2. 3 ベースライン調整のANCOVA 型モデルの場合
12. 3 ロジスティック回帰モデル
12. 3. 1 1 : T デザイン
12. 4 Poisson 回帰モデル
12. 4. 1 1 : T デザイン
12. 4. 2 S : T デザイン
12. 5 モンテカルロシミュレーションによるサンプルサイズの計算
12. 5. 1 ロジスティック回帰モデル
12. 5. 2 Poisson 回帰モデル

A. 欠測データ,欠測値
A. 1 欠測データメカニズム
A. 2 欠測データの補完
A. 3 補完モデル
A. 3. 1 1 個の変数だけに欠測データがある場合の補完モデル
A. 3. 2 複数の変数に欠測データがある場合の補完モデル
A. 4 Rubin のルール
A. 5 Rubin のルールの妥当性:ベイジアンアプローチ

B. 最尤推定値と数値積分
B. 1 混合効果モデルの尤度
B. 1. 1 正規線形回帰モデル
B. 1. 2 ロジスティック回帰モデル
B. 1. 3 Poisson 回帰モデル
B. 2 混合効果モデルの最尤推定値
B. 2. 1 正規線形回帰モデル
B. 2. 2 ロジスティック回帰モデル
B. 2. 3 Poisson 回帰モデル
B. 3 積分の評価
B. 3. 1 Laplace 近似
B. 3. 2 Gauss{Hermite 求積法
B. 3. 3 適応型Gauss{Hermite 求積法
B. 3. 4 より現実的な例への適用

文献
索引