食中毒と疫学調査の統計 ~2×2表~ 岡山理科大学 山本英二 2002/02/20.

Slides:



Advertisements
Similar presentations
東京大学医学系研究科 特任助教 倉橋一成 1.  背理法を使った理論展開 1. 帰無仮説( H0 、差がない)が真であると仮定 2. H0 の下で「今回得られたデータ」以上の値が観測でき る確率( P 値)を計算 3. P 値が 5% 未満:「 H0 の下で今回のデータが得られる可 能性が低い」
Advertisements

橋本. 階級値が棒の中央! 階級値 図での値 階級下限階級上限
分散分析と誤差の制御 実験結果からできるだけ多くの情報を取り出すために 分散分析を利用する 主効果の大きさ 交互作用の大きさ 誤差の大きさ 採用した因子の効果の有無 の検定には,誤差の大きさ と比較するので誤差を小さ くできれば分散分析での検 出力が高まる どのようにしたら誤差を小さくできるか?
1標本のt検定 3 年 地理生態学研究室 脇海道 卓. t検定とは ・帰無仮説が正しいと仮定した場合に、統 計量が t 分布に従うことを利用する統計学的 検定法の総称である。
頻度の分析 頻度データ 着果率,発芽率,生存率 離散量と離散量の比率である 頻度データに相当しないパーセント表記 のデータ 糖度,含水率 連続量と連続量の比率である.
生物統計学・第 5 回 比べる準備をする 標準偏差、標準誤差、標準化 2013 年 11 月 7 日 生命環境科学域 応用生命科学 類 尾形 善之.
統計解析第 11 回 第 15 章 有意性検定. 今日学ぶこと 仮説の設定 – 帰無仮説、対立仮説 検定 – 棄却域、有意水準 – 片側検定、両側検定 過誤 – 第 1 種の過誤、第 2 種の過誤、検出力.
計量的手法入門 人材開発コース・ワークショップ (IV) 2000 年 6 月 29 日、 7 月 6 ・ 13 日 奥西 好夫
Q 1. ある工場で直径1インチの軸棒を標準偏差 0.03 の 管理水準で製造している。 ある日の製造品の中から 10 本の標本をとって直径を測定 したところ、平均値が インチであった。品質管理上、 軸棒の直径が短すぎるだろうか、それとも、異常なしと判断 して、製造を続けてもよいであろうか。
●母集団と標本 母集団 標本 母数 母平均、母分散 無作為抽出 標本データの分析(記述統計学) 母集団における状態の推測(推測統計学)
食品媒介感染症事件の疫学 ―行政の立場から― 岡山市保健福祉局保健部生活衛生課 甲斐  充.
回答と解説.
看護学部 中澤 港 統計学第5回 看護学部 中澤 港
統計学第10回 多群の差を調べる~ 一元配置分散分析と多重比較 中澤 港
様々な仮説検定の場面 ① 1標本の検定 ② 2標本の検定 ③ 3標本以上の検定 ④ 2変数間の関連の強さに関する検定
ホーエル『初等統計学』 第8章1節~3節 仮説の検定(1)
第7回 独立多群の差の検定 問題例1 出産までの週数によって新生児を3群に分け、新生児期黄疸の
検定 P.137.
統計的仮説検定 基本的な考え方 母集団における母数(母平均、母比率)に関する仮説の真偽を、得られた標本統計量を用いて判定すること。
土木計画学 第5回(11月2日) 調査データの統計処理と分析3 担当:榊原 弘之.
統計的仮説検定の考え方 (1)母集団におけるパラメータに仮説を設定する → 帰無仮説 (2)仮説を前提とした時の、標本統計量の分布を考える
データ分析入門(10) 第10章 クロス集計表と仮説検定 廣野元久.
疫学概論 母集団と標本集団 Lesson 10. 標本抽出 §A. 母集団と標本集団 S.Harano,MD,PhD,MPH.
統計的仮説検定 治験データから判断する際の過誤 検定結果 真実 仮説Hoを採用 仮説Hoを棄却 第一種の過誤(α) (アワテモノの誤り)
疫学(Epidemiology) 第4回 標本抽出法 誤差やバイアスの制御 中澤 港(内線1453)
確率・統計Ⅱ 第7回.
統計学勉強会 対応のあるt検定 理論生態学研究室 3年 新藤 茜.
統計学 12/13(木).
母分散が既知あるいは大標本の 平均に関する統計的検定
計算値が表の値より小さいので「異なるとは言えない」。
正規性の検定 ● χ2分布を用いる適合度検定 ●コルモゴロフ‐スミノルフ検定
対応のあるデータの時のt検定 重さの測定値(g) 例:
母集団と標本調査の関係 母集団 標本抽出 標本 推定 標本調査   (誤差あり)査 全数調査   (誤差なし)査.
Study Design and Statistical Analysis
疫学概論 患者対照研究 Lesson 13. 患者対照研究 §A. 患者対照研究 S.Harano,MD,PhD,MPH.
土木計画学 第6回(11月9日) 調査データの統計処理と分析4 担当:榊原 弘之.
analysis of survey data 第3回 香川大学経済学部 堀 啓造
社会統計学Ic・統計科学I 第六回 ~仮説検証~
疫学初級者研修 疫学概論 アウトブレイク(集団発生)調査の基本ステップ
疫学概論 患者対照研究 Lesson 13. 患者対照研究 §A. 患者対照研究 S.Harano,MD,PhD,MPH.
疫学(Epidemiology) 第3回 疫学研究のデザイン 中澤 港(内線1453)
早稲田大学大学院商学研究科 2016年1月13日 大塚忠義
疫学概論 横断研究 Lesson 11. 記述疫学 §A. 横断研究 S.Harano,MD,PhD,MPH.
疫学概論 交互作用 Lesson 18. 交互作用 S.Harano, MD,PhD,MPH.
第8回授業(5/29日)の学習目標 検定と推定は、1つの関係式の見方の違いであることを学ぶ。 第3章のWEB宿題の説明
感染症集団発生事例に対する基本的対応 大山 卓昭 感染症情報センター 国立感染症研究所.
疫学概論 交絡 Lesson 17. バイアスと交絡 §A. 交絡 S.Harano, MD,PhD,MPH.
第11回授業(12/11)の学習目標 第8章 分散分析 (ANOVA) の学習 分散分析の例からその目的を理解する 分散分析の各種のデザイン
統計学 西 山.
ゲノム科学概論 ~ゲノム科学における統計学の役割~ (遺伝統計学)
疫学概論 バイアス Lesson 17. バイアスと交絡 §A. バイアス S.Harano, MD,PhD,MPH.
藤田保健衛生大学医学部 公衆衛生学 柿崎 真沙子
市場調査の手順 問題の設定 調査方法の決定 データ収集方法の決定 データ収集の実行 データ分析と解釈 報告書の作成 標本デザイン、データ収集
母分散の検定 母分散の比の検定 カイ2乗分布の応用
早稲田大学大学院商学研究科 2014年12月10日 大塚忠義
疫学初級者研修  ~2×2表~ 平成12年2月14日(月) 13:00~ 岡山理科大学情報処理センター.
統計的検定   1.検定の考え方 2.母集団平均の検定.
母分散の検定 母分散の比の検定 カイ2乗分布の応用
「アルゴリズムとプログラム」 結果を統計的に正しく判断 三学期 第7回 袖高の生徒ってどうよ調査(3)
クロス表とχ2検定.
母集団と標本抽出の関係 母集団 標本 母平均μ サイズn 母分散σ2 平均m 母標準偏差σ 分散s2 母比率p 標準偏差s : 比率p :
推定と予測の違い 池の魚の体重の母平均を知りたい→推定 池の魚を無作為に10匹抽出して調査 次に釣り上げる魚の体重を知りたい→予測
小標本に関する平均の推定と検定 標本が小さい場合,標本分散から母分散を推定するときの不確実さを加味したt分布を用いて,推定や検定を行う
藤田保健衛生大学医学部 公衆衛生学 柿崎 真沙子
「カテゴリ変数2つの解析」 中澤 港 統計学第7回 「カテゴリ変数2つの解析」 中澤 港
確率と統計2007(最終回) 平成20年1月17日(木) 東京工科大学 亀田弘之.
数理統計学  第12回 西 山.
疫学概論 寄与危険度 Lesson 15. 関連性の測定 §D. 寄与危険度 S.Harano,MD,PhD,MPH.
感受性遺伝子解析の データ処理 平成18年11月29日 山田.
疫学概論 横断研究 Lesson 11. 記述疫学 §A. 横断研究 S.Harano,MD,PhD,MPH.
Presentation transcript:

食中毒と疫学調査の統計 ~2×2表~ 岡山理科大学 山本英二 2002/02/20

食中毒発生時… 収集した情報 どのように情報を分析し、 評価するか? 分析 評価

リスクの因果について共通認識を得ることができる 食べて 発症 個人 因果関係? 食べた人たち 食べなかった人たち 集合  集合体になると,対照群があると  リスクの因果について共通認識を得ることができる

結果 結果 疫学とは 原因 原因 この原理を この原理を 「共通の約束ごと」 「共通の約束ごと」 として として 明記したのが 明記したのが この過程で 「共通の認識」 を得る 原理 があるはず。 この原理を この原理を 「共通の約束ごと」 「共通の約束ごと」 として として 明記したのが 明記したのが 疫学 疫学 疫学 疫学

疫学調査のいろいろ 1 全数調査 1 全数調査 ・通常の食中毒調査はこれに該当 ・調査対象の全数を調査する 2 コホート調査 1 全数調査 1 全数調査   ・通常の食中毒調査はこれに該当   ・調査対象の全数を調査する 2 コホート調査 2 コホート調査   (コホートとは「共通の性格をもつ集団の意味)  ・ 「食べた」人 と 「食べない」人 を選んで調査する  (例)   ある講演会に出席した集団から、懇親会まで出席  した人(食べた人)と出席しなかった人(食べなかっ た 人)を同じ数選び、発症の有無を調査する。

サルモネラ・オラニエンブルグによる散発の患者群か ら聴取調査により「いか菓子」の喫食が浮かんできた。 3 症例対照調査(ケースコントロール調査) 3 症例対照調査(ケースコントロール調査)    (ケース    :症例(患者の意味)       コントロール:対照(健康な人の意味))  ・ 「患者」 と 「健康な人」 を選んで調査する (例)  サルモネラ・オラニエンブルグによる散発の患者群か ら聴取調査により「いか菓子」の喫食が浮かんできた。 そこで、「健康な人」をランダムに選び、過去に「いか菓 子」を食べたことがあるか調査し、発症の有無と「いか 菓子」の関係を究明する。

2×2表 (疾病の有無) 発症 食べない 食べた 無症 a c b d (曝露の有無)

①分析に使用する指標 1 相対危険度(Relative Risk) 2 オッズ比(Odds Ratio) 3 リスク差 4 寄与割合

相対危険度(Relative Risk:リスク比) 「食べた人」たちと「食べない人」たちが それぞれ どのくらい発症しているか(発症割合)を比べたもの 「食べた人」の 発症割合 a/a+b RR= 「食べない人」の 発症割合 c/c+d

相対危険度(Relative Risk:リスク比) ◆RR=1の場合   食べた人と食べない人の発症割合は同じ   →両群に差はない ◆RR>1の場合   食べた人の発症割合の方が大きい   →食べた人の方がより発症している ◆RR<1の場合   食べない人の発症割合の方が大きい   →食べない人の方がより発症している

オッズ比(Odds Ratio) 食べた群の発症オッズ 食べない群の発症オッズ a c b d a/a+b b/a+b c/c+d 無症 a c b d a/a+b b/a+b 食べない群の発症オッズ c/c+d d/c+d

オッズ比とは… 喫食群の発症オッズと 非喫食群の発症オッズの比 a/a+b ad 発症 オッズ比= b/a+b c/c+d = bc d/c+d = ad bc 発症 オッズ比=

a c b d 有症群の暴露オッズ a/a+c 有症 無症 c/a+c 食べた 健康群の暴露オッズ 食べ ない b/b+d d/b+d = ad bc 暴露 オッズ比=

オッズ比(Odds Ratio) ◆OR=1の場合 喫食者と非喫食者の発症割合は同じ   喫食者と非喫食者の発症割合は同じ    有症者と無症者の喫食割合は同じ ◆OR>1の場合             喫食者の発症割合の方が大きい     有症者の喫食割合の方が大きい ◆OR<1の場合             非喫食者の発症割合の方が大きい    無症者の喫食割合の方が大きい

精度とバイアス 正確度 = 精度   +  妥当性 誤差  =偶然誤差 + 系統的な誤差 (バイアス)

:的 :射撃の跡 妥当性 ライフル銃の 銃身が正しい 銃身が右に ずれている 優秀な 狙撃手 精度 普通の 狙撃手

誤差=偶然誤差+系統的な誤差 偶然誤差:必然的に起こる誤差 系統的な誤差(バイアス) ・標本の抽出時に起こるゆがみ ・標本抽出誤差 ・個体差  ・標本抽出誤差  ・個体差  ・測定誤差 系統的な誤差(バイアス)  ・標本の抽出時に起こるゆがみ   ・情報を取るときに生じるゆがみ  ・第3因子の介在により生じるゆがみ

記述統計 と 推測統計

偶然       と 可能性

客観確率 と 主観確率

集団 と 個人

繰り返し試行 と 単独試行

 ②精度:偶然誤差 推定と検定

「Aさんの先週の晩酌は (1合,2合,2合,1合,3合,3合,0合) であった.」 1年前は 平均1.5合/日 であった.最近は酒量が増えたかこのデータで判定したい. このデータから最近の平均酒量を知りたい. 推定 検定

相対リスク・オッズ比の           「点推定」と「区間推定」 点推定 区間推定 (信頼区間)

95%信頼区間とは… 「信頼区間の中に真の値が入っていることが 95%信頼できる」という意味 信頼率95%とは 100回信頼区間を計算すると95回は真の値を含む信頼区間の計算法を1回行ったときの確率の解釈.

リスク比 オッズ比

数値の見方(オッズ比と信頼区間)

χ2検定 喫食の有無 と 発症の有無 が互いに関連があるか どうかを判定するもの 喫食の有無 と 発症の有無 が互いに関連があるか どうかを判定するもの ◆食中毒の場合は、通常「食品と発症に関連がある」という結 論を導くために、まず「食品と発症には関連がない」という帰  無仮説 を設定する。 ◆得られたデータからχ2値を計算し、有意水準αの棄却点c と比べ、χ2値が大きければ帰無仮説が捨てられ、対立仮説 「食品と発症に関連がある」を採択する。

χ2値 χ2= χ2= (ad-bc)2n (a+b)(c+d)(a+c)(b+d) ※a,b,c,d の帰無仮説のもとでの期待値   のいずれかが5以下の値を取るとき (|ad-bc|-n/2)2n χ2= (a+b)(c+d)(a+c)(b+d) (Yatesの補正値) (n=a+b+c+d)

χ2検定の考え方(有意水準) 検定のルール : χ2>C → 関連がある P < α → 関連がある χ2 χ2 検定のルール :  χ2>C → 関連がある              P < α → 関連がある 検定において関連がないのに,あると誤りを犯す確率が「α」,このときにχ2がとり得る棄却限界値が「c」 この面積が有意水準α (例) α=0.05のとき C=3.84となり χ2=4.0なら5%有意 χ2 χ2 C

χ2検定の考え方(P値) 検定のルール : χ2>C → 関連がある P < α → 関連がある 検定のルール :  χ2>C → 関連がある              P < α → 関連がある (例) χ2=4.0のとき P=0.0455となり このとき5%有意 この面積がP値 χ2 χ2 C

オッズ比とχ2値の違い χ2=3.26(P=0.07) χ2=19.55(P=0.0000098) リスク比=3.11 オッズ比=10.5 信頼区間 [0.43, 537.21] リスク比=3.11 オッズ比=10.5 χ2=19.55(P=0.0000098) 信頼区間 [3.03, 38.37]

リスク比 オッズ比 信頼区間 χ2 値 P値 データ  多 狭い 大きい 小さい ほぼ 変わら ない データ  少 広い 小さい 大きい

③バイアス:系統的な誤差 選択バイアス 情報バイアス 交絡バイアス

選択バイアス(自己選択バイアス) 食中毒の報道がされた後に、 「自分もその店を利用し、調子が悪い」 などの電話が増える事例      食中毒の報道がされた後に、     「自分もその店を利用し、調子が悪い」      などの電話が増える事例      その情報を鵜呑みにすると 「食べた」「有症」の人のみが増えて (2×2表のaの数値が増え)オッズ比が高くなる

情報バイアス(「質問者バイアス」) 原因物質が「腸炎ビブリオ」で メニューに刺身が入っている場合 有症者に対して「刺身は食べましたね?」      原因物質が「腸炎ビブリオ」で      メニューに刺身が入っている場合      有症者に対して「刺身は食べましたね?」      と質問し関連づけようとしてしまう事例      有症者であれば「食べた」、 健康であれば「食べていない」、 と見なしがちになり、 2×2表のa、dの数値が増え)オッズ比が高くなる

情報バイアス(「回答者バイアス)」 実際には食べていなかったが記憶していない ため「食べた」としたり、食べたのに「食べなかっ た」とする場合    実際には食べていなかったが記憶していない ため「食べた」としたり、食べたのに「食べなかっ  た」とする場合     食べていないのに「食べた」  →a,bが増える 食べたのに「食べていない」 →c、dが増える これらが混ざると 結局オッズ比は低くなる

「ケーキ」と「コーヒー」の2つのオッズ比が 高いことが判明 交絡バイアス ランチバイキングで食中毒が発生 →オッズ比を計算すると…  「ケーキ」と「コーヒー」の2つのオッズ比が  高いことが判明 喫食(コーヒー)と発症との関係に影響を与える別の曝露因子(ケーキ)により,見かけ上オッズ比が上昇することを「交絡バイアス」という。

ケーキ 食中毒 コーヒー 実際には原因食品はケーキであるにもかかわらず ケーキを食べたほとんどの人がコーヒーも飲んだので  実際には原因食品はケーキであるにもかかわらず  ケーキを食べたほとんどの人がコーヒーも飲んだので  見かけ上コーヒーのオッズ比が上昇してしまう  「層別分析」により影響の程度を分析できる