序文
本書の構成とガイダンス
--------------------------------------------------------------------
第1章　はじめに
　1　臨床診断と事前情報を用いた推論
　　1．誰でも知っている感度・特異度の話から
　　2．有病率は「率」じゃなくて本当は「割合」なんです
　　3．有病率改め有病割合をどうするのか
　　4．疾患の有病割合を最も簡単にベイズ推測する話
　2　急増したベイズ統計を用いた研究
--------------------------------------------------------------------
第2章　ベイズ流の基礎知識
　1　ベイズ統計のすべてはベイズの定理から始まる
　　1．ベイズの定理
　　　A．ベイズ流は確率を条件付き確率として扱う
　　　B．最も身近なベイズ推測の例
　2　ベイズ推測の基本的なステップ─観測値から事後確率へ
　　1．ベイズ推測の基本的な流れ
　　2．発生割合のベイズ推測─二項データの生起確率
　　　A．医療分野でのアウトカムと二項データ
　　　B．ベータ分布が自然共役事前分布になる場合
　　　C．応用
　　　D．第1章の有病割合推測の種明かし
　　3．発生率のベイズ推測
　　　A．ポアソン分布のベイズ推測
　　　B．ガンマ分布が自然共役事前分布になる場合
　　　C．応用
　　4．平均と分散の推測
　　　A．正規分布のベイズ推測
　　　B．μをベイズ推測する
　　　C．σ²をベイズ推測する
　　　D．応用
　3　観測データの扱い：観測データのi.i.d.と交換可能性について
　　1．i.i.d.：独立に同一の分布に従うこと
　　2．i.i.d.の担保と交換可能性
　4　ベイズ推測の特長と注意点
--------------------------------------------------------------------
第3章　臨床家のためのマルコフ連鎖モンテカルロ法
　1　計算数学的手法による近似
　　1．解析的手法の限界
　　　A．ベータ分布引くベータ分布は何分布？
　　　B．解析的手法を使わない・使えないときの対処
　　2．モンテカルロ法
　　　A．コンピューターの数値計算による近似
　　　B．モンテカルロ法とは
　　　C．簡単なモンテカルロシミュレーション
　　　D．注意：乱数が確率現象を模擬的に再現できていないと結果が怪しくなる
　　　E．ベータ分布引くベータ分布をモンテカルロシミュレーションで
　2　サンプリングの原理
　　1．マルコフ連鎖モンテカルロ法
　　　　─それはサンプル（乱数）からサンプル（乱数）を生み出す
　　　A．マルコフ連鎖
　　　B．最も簡単なマルコフ連鎖モンテカルロ法の例
　　　C．マルコフ連鎖モンテカルロ法とは
　　　D．サンプリングしている変数が3個の例
　　2．ギブス・サンプリング
　3　サンプリングのアルゴリズム
　　1．メトロポリス・ヘイスティングス法
　　　A．ギブス・サンプリングが使えない場合
　　　B．メトロポリス・ヘイスティングス法でサンプリングする際の方針というか，たとえ話
　　　C．当たるか当たらないかの見込みを用いた勝ち抜き？制の相対評価
　　　D．もうちょっと細かい設定とルールの話
　　　E．メトロポリス・ヘイスティングス法の利点
　　　F．メトロポリス・ヘイスティングス法の欠点・弱点
　　2．ハミルトニアンモンテカルロ法
　　　A．より効率的なサンプル提案法
　　　B．ハミルトニアンモンテカルロ法を搭載している「Stan」と
　　　　　ここに至ってお断りです
　4　モデリングとシミュレーション
　　1．モデリングの例
　　　A．モデリングの例としてのベイズ流メタアナリシス
　　　B．対象とする一次研究の形
　　　C．モデリングの手順
　　　D．サンプリング法の選択─このモデルではギブス・サンプリングはムリ？
　　　E．結果
　　　F．備考
　　2．シミュレーションの手順・設定・評価
　　　A．シミュレーションの手順
　　　B．シミュレーションがうまく実行できているかを評価します
　　3．構築されたモデルについて
　　　A．モデルをどのように構築していったらよいのでしょうか
　　　B．マルコフ連鎖モンテカルロ計算の失敗しやすい例
--------------------------------------------------------------------
第4章　ベイズ流臨床研究
　1　ベイズ流ロジスティック回帰モデルを用いたスタディ
　　1．ロジスティック回帰モデルについてのおさらい
　　2．実際の事例
　　　A．方法での注意点
　　　B．モデル作成のプロセス
　　　C．結果のどこをみるか
　　　D．ベイズ流オッズ比の解釈
　　　E．その他
　2　ベイズ流Cox回帰モデルを用いたスタディ
　　1．Cox回帰モデルについてのおさらい
　　2．ベイズ流Cox回帰モデル
　　3．実際の事例
　　　A．ベイズ流Cox回帰モデルがどのように使われているか
　　　B．結果
　　　C．その他
　3　ベイズ流アダプティブデザイン
　　1　アダプティブ用量探索（用量漸増）デザイン
　　　1．アダプティブデザインとは？
　　　2．アダプティブデザインにはどのようなものがありますか？
　　　3．用量探索（用量漸増）デザインについてのおさらい
　　　4．従来の用量増減デザイン：3＋3法とその弱点
　　　5．モデルの前提
　　　6．用量割り当てルール
　　　7．除外ルール
　　　8．例外ルール
　　　9．備考というか問題
　　　　A．参加してもらう患者人数について
　　　　B．種々の値の設定について
　　2　アダプティブランダム化デザイン
　　　1．アダプティブランダム化デザインとは
　　　2．アダプティブランダム化デザインが用いられる2つの場合
　　　　A．倫理的な問題となりえる場合
　　　　B．群間のサンプルサイズの差を抑えたい場合
　　　3．ベイズ流の割り当てデザイン
　　　　A．デザインの前提
　　　　B．モデルの設定
　　　　C．CRが得られるまでの期間の確率分布
　　　　D．各群のCR発現の確率分布
　　　　E．除外ルール
　　　　F．備考
　　　　G．他の方法について
　　　4．Ⅰ/Ⅱ相シームレス試験への応用
　　3　アダプティブ群逐次デザイン
　　　1．群逐次デザインとは
　　　2．群逐次デザインはどのような場合に用いられるか
　　　3．群逐次デザインにベイズ流手法が用いられる利点
　　　4．タイプⅠエラーの制御：群逐次デザインを行うにあたって
　　　5．ベイズ流群逐次デザインの例
　　　　A．最も単純なモデル
　　　　B．ベイズ流群逐次デザインにおけるタイプIエラー
　　　　C．ベイズ流タイプIエラーの計算と制御
　　　　D．予測確率を用いた早期中止ルール
　　　　E．2値データ形式以外のエンドポイントについて
--------------------------------------------------------------------
索引
著者プロフィール