Tomohiro Shinozaki
@she_knows_a_key
Followers
1,387
Following
290
Media
53
Statuses
799
Causal inference in epi/biostat. Assoc prof at Tokyo Univ Science. PhD in health sciences/MPH at UTokyo. Tweets sometimes in English, だいたい日本語. YMY.
Joined August 2010
Don't wanna be here?
Send us removal request.
Explore trending content on Musk Viewer
Liam Payne
• 2235486 Tweets
ブロック
• 428641 Tweets
LINGORM PANTENE VOGUE TRIP
• 285806 Tweets
Twitterくん
• 275704 Tweets
西田さん
• 262756 Tweets
西田敏行さん
• 241685 Tweets
俳優さん
• 174516 Tweets
生成AI
• 140509 Tweets
Bluesky
• 117652 Tweets
ツイッター
• 111601 Tweets
AI学習
• 98894 Tweets
ブルスカ
• 97057 Tweets
Grok
• 95944 Tweets
利用規約
• 88875 Tweets
規約変更
• 80762 Tweets
イーロン
• 70176 Tweets
スーパームーン
• 66168 Tweets
イラスト投稿
• 64514 Tweets
ぐりとぐら
• 57562 Tweets
pixiv
• 49691 Tweets
블루스카이
• 38970 Tweets
タイッツー
• 35073 Tweets
#INDvsNZ
• 33811 Tweets
他のSNS
• 28940 Tweets
池中玄太80キロ
• 27740 Tweets
Misskey
• 27381 Tweets
ドクターX
• 22833 Tweets
無断転載
• 17317 Tweets
探偵ナイトスクープ
• 14840 Tweets
相互さん
• 14506 Tweets
絵師さん
• 10238 Tweets
Pinned Tweet
東大からの受験生への教科別メッセージ
が話題ですが、数学についても「求められている力は、目の前の問題から見かけ上の枝葉を取り払って数理としての本質を抽出する力」など膝を打ちます。
で、思い出した東大新聞の2014年受験生特集号に寄稿した雑文。10年経ったのか…
0
20
109
傾向スコアはなんの誇張もなく層別解析のひとつの見方に過ぎないし、そのままでは因果推論の強力なツールでもなんでもない。「ただ便利に使える」のが祟って陥りがちなpitfallを例証し、バイアスの構造をcausal DAGで示した論文がEpidemiology誌に載りました
2
111
427
因果推論の講義がICRで公開されています（要登録）。おととしから統数研で話させてもらっているのとほぼ同内容ですが、こちらは国立がん研究センターで去年話したもの。大学院での1・2回目の講義もこの内容ではじめているので、前提知識不要ですがそれくらいの水準です
0
68
317
潜在アウトカム（PO）モデルで、割り付けメカニズムから様々な統計的推測を統一的に導く「ほんとのRubin流」の良い日本語解説は寡聞にして知らなかったので、唸らせて頂いた論文です。まだ会員向け冊子のみですがそのうちJ-Stageで誰でも読めるようになります
1
51
232
Peng Ding先生のUCバークレーでの講義ノート（428ページ）が公開されている。ランダム化推測、感度解析、操作変数まわりはさすがに記述が厚い
0
45
165
著書でp-値5%相当の基準を提唱したとされるFisher卿。農事試験場に勤めていた彼にとってできる実験は年に1回、生涯20年勤続する中で1回くらい過ちを犯しても神様は許して下さるはずであると考えたから…という逸話は有名ですが、デマであることもまた有名です
佐藤先生が紹介
1
55
158
あの人やこの人があんなことからこんなことまで書いているこの特集号は買いですね！
0
38
156
学生さんを含む学内外の有志での半年にわたる輪読会がようやく終わりました👏🏼🍾 英文原書を座右に置いて進められたのが幸運でした。知識になった以上に色んな面で発見が多く、毎週の強制力のおかげで通読できて得たものは大きいです。
年度末まで付き合ってくれた参加者の皆さんに感謝です！！
1
10
133
🎍疫学会プレセミナー2024🎍
恒例の計量生物学会共催企画は、因果生存解析（causal survival analysis）をこの分野の最先端を走る若手講師陣でお届けします！
現地参加は1月24日（オンデマンドは2月末）まで受付中です。プレセミナーのみの申込みも可能です👇
0
30
135
本日の企画無事に務めが終わりました。自分は最前列に陣取った一人の聴衆みたいな感じでしたが。望外にも常時230名以上の方にご参加頂けて、盛り上げてくれた演者・討論者の先生方に感謝です！
0
12
112
2023年の疫学会プレセミナーの内容を元にした交絡変数選択とバイアス解析の総説を井上先生主導でまとめていただきました！
@ki_endoepi
@kent_sak
@Yuri_Q_Ito
@J_Epidemi
0
25
111
シェアあざます！ 実用家向けの体裁ですが、手法寄りの研究者にも違った切り口で関心を持って頂けるよう関係者で準備を進めています💪
日本疫学会のプレセミナー、今年は欠測データの話かあ。是非聴講したい...
それにしても査読の仕方セミナー最近増えてる気がする（本が出た影響もあるのかしら）
0
1
5
0
27
105
週末のヘルスデータサイエンス学会第1回学術集会で東大の松山先生・萩原先生と因果推論シンポジウムを担当しました。松山先生は背景～基礎。萩原先生による反事実予測の方法と解釈の整理はすばらしかった。
自分は因果媒介分析の紹介をさせていただきました。
1
23
105
「疫学分野での計量生物学の発展」という大きな総説の第5節で標的学習（targeted learning）とassumption-lean inference の解説を試みました。
@TagurindoDS
山本さん・林さん（6節）は最近ホットなランダム化下の共変量調整の文脈での標的学習です。併せて是非。
2
29
105
アウトカム回帰モデルのIPW推定、つまり傾向スコアの重み付け＋回帰モデルで同時に共変量調整することの二重ロバスト（DR）性について
（1/4）
1
21
102
日本疫学会プレセミナー2023「観察疫学研究における交絡変数選択」
10月から定期的に打ち合わせを重ね詳細が固まりました。疫学／生物統計学分野の信頼する若手講師陣による3部構成。対面参加申込は1月11日（オンデマンドは2月末）まで。プレセミナーのみの申込もできます。
1
23
94
現代に傾向スコアマッチングを実際行う意義は疑問だが、pedagogicには奥が深い。有名なKing & Neilsen のPSマッチに伴うデータ選定が確証バイアスを増大しうるという批判の一方で、PSマッチは漸近的に二重ロバストg-推定と見なせ、ある種の頑健性をもつことは知られていない
0
16
95
DAGをデータ解析のツールとしては実際使わないでしょう。流行りの手法を使ってみたいだけの人の試金石としたり、（傾向スコア）マッチング後に妙な解析をして居直る人を黙らせたりできる、解析原理をお伝えするためのコミュニケーションツール
1
9
83
日本の疫学会でこのようなセミナーを聴けることがいかに凄いことか。聴かれてない方は絶対にオンデマンド受講をお勧めします。
日本疫学会プレセミナー 2024「因果 “サバイバル” ガイド 反事実アプローチによる生存時間解析のすすめ」が終了しました。200人を超える方に参加いただき、御礼申し上げます。私の話しが終わらずQ&Aの時間が削られてしまい申し訳ございませんでした。オンデマンドはまだ登録可能で、ご質問も可能です！
0
4
31
0
12
84
ほんとにこれ。係数の解釈もそうだし、予測で多変数入れる意義、説明変数に共変量つっこんで交絡調整するという意味、最小二乗法の自然な導出、尤度は条件付き分布のだし、一般化線形モデル、モデル特定の仮定、推定方程式、平均因果効果推定まで無理なく一貫して説明できる。条件付き期待値ならね。
回帰分析のイントロ講義で”one unit increase in ~ is associated with-“みたいな解釈を教えることが多いと思うけど、これって学生を混乱させるだけなんじゃないかなって気がしている。最初からあくまで条件付き期待値の比較であるとした方が、例えばダミー変数の考え方もすんなり入るんじゃないかな。
0
9
41
1
9
77
今年の疫学会プレセミナー「時間を斬る！🥷🏻 生存時間解析における追跡時間の分割（split）の考え方と使い方」の内容を岩上教授アニキ中心にまとめました。R, SAS, Stataコードついてます！
@IwagamiMas85663
@EpstYtake
#J_Epidemi
Advanced Publication:
When and how to split the follow-up time in the analysis of epidemiological or clinical studies with follow-ups
Masao Iwagami et al.
@J_Epidemi
@she_knows_a_key
0
0
16
0
8
68
日本疫学会の機関誌 Journal of Epidemiology にはMethods セクションがあって、手法・方法論のページが用意されています。解析手法やサンプリングデザインの統計的評価もありますが、こちらのように因果モデルの理論分析も。この方面でも本誌の盛り上がりを期待します🔥
#J_Epidemi
Editors' Picks:
Exchangeability of Measures of Association Before and After Exposure Status Is Flipped: Its Relationship With Confounding in the Counterfactual Model
Etsuji Suzuki et al.
@J_Epidemi
0
5
5
1
11
64
下のスライドを元にした総説です📑
イベント予測モデルの評価指標
0
8
61
各論が5-10ページずつでエッセンスが絞り込まれており負担なく読めます。それなのに話題がmediation, MR, generalized frontdoor formula, doubly robust estimator, HTE, target trial emulation までカバーされています👏🏼
コンパクトなので持ち運びもしやすそうです。
「#医学研究 のための #因果推論 レクチャー」が予約開始(4/8出版)されました！
読んでいただいた方が因果を考える・各手法の応用を検討する"きっかけ"になればという思いで執筆しました。本領域の良書が多く出版されている中、本書も選択肢の1つとして是非ご検討ください🙇♂️
3
42
207
1
11
61
あの2000年の経済学賞（McFaddenとHeckman）後のIBCでの会長講演録。受賞成果とパラレルに展開してきた疫学・生物統計分野の足跡を紹介。この手の賞の行方を眺めるのに、20年経っても一読の価値があります
Are statistical contributions to medicine undervalued?
1
8
60
共通リスク比を参照に、1）ロジスティック回帰の係数、2）修正ポアソン回帰の係数、3）ロジスティック回帰の標準化（g-計算）という相異なるestimandsをもつ推定量を比較した布山さんの論文。とても良く書けてるし結果が面白い
1
7
57
臨床予測モデルの研究はやや独特な慣習があり、いろんな指標の報告が求められます。計算はやれば誰でもできるのですが、つながりや推定原理について統一的に解説したものがなかったのでレビューしました
セミナー（もう2年前）でのスライドはdocsplayerってとこに落ちてます
1
12
58
今期の特論でお隣の強い院生さん約3人と輪読してきました。自分にとっては9年前、大学院時分に読み始めて以来の加筆修正点を改めて解読できて今読む価値があったし、議論の下敷きになる院生さんの高質な発表にも感謝。内容をなぞって満足するのに堕さない輪読の仕方を伝えられていたらもう最高である
0
4
55
周辺構造モデルの解説。時間依存性交絡に関する優れたチュートリアルは既にいくつかありますが、現代版の解説としてこれまでにない切り口で書けてると思います
Our new pedagogic paper with a fresh numerical example for longitudinal causal inference is published as a part of “Pitfalls and Tips” series in Journal of Epidemiology
Understanding marginal structural models for time-varying exposures: pitfalls and tips
0
7
25
0
13
55
complete case解析を含む欠測データ解析の因果DAGのスライド
単純な欠測対応手法は因果DAGで causal exchangeability を直接確認するのがよさそう。MARベースの手法は欠測/観察データの (non-causalな) exchangeability に依拠していて、それを調べるのが m-DAG ですかね
1
9
54
英語圏のwebinarを含めてもこの水準を疫学と統計の両面から噛み砕いて説明したものはないと思います。
配布予定のSASコードのみ篠崎の怠慢で間に合っていませんが、資料最新版（wrap up含む）と各公演内で言及された手法のRコード+データもダウンロードできます。更新時には都度アナウンスします！
日本疫学会の配信が開始したようです。プレセミナーだけであれば1つ4000円のようです。安くはないですが、少なくとも私が分担させていただいた「因果 “サバイバル” ガイド 反事実アプローチによる生存時間解析のすすめ」は、書籍以上に得られるものがあると思います。ぜひ。
0
5
36
0
10
54
林アニキの咀嚼し尽くされた言語化、「雑味」（僕は好きです）を含む地に足のついた説明、あくまでも「対象の理解」に向けた一貫した論理として位置づけた因果推論。とても魅力的な本です。自分も大事に読みますし、周りにも勧めていきます。
試し読み、サポートページ👇
0
10
52
掛け値なしに素晴らしい2時間となり企画者冥利に尽きます。演者、参加者、スタッフの皆様に感謝です🙏
プレセミナーのオンデマンド配信申込は引き続き受け付けています。Q&Aまで含めて配信予定で、オンデマンド参加者向けの事後Q&Aも予定しています。
1
3
52
2018年の福井大雪を自然実験として学校閉鎖含むsocial distancingが��童のインフルエンザ罹患率をどう下げるか（遅らせるか）を見た研究にご一緒しました。
筆頭のやまけんこと小児科の山田先生は福井の高校の同級生で東京出て来てから一番かまってくれた聖人です🌞
0
10
51
疫学・観察研究分野で15分頂いて targeted learning（標的学習）を紹介させていただきました。特集号で「医学のための標的学習の基礎 Part I/II」として論文化予定です。
スライド ↓
連合大会、医療統計と計量生物学会メインの企画セッションが終わり一安心。分野が多岐に渡りすぎて目が回る感じだったけど、面白い発表ばかりで刺激を受けた。対面参加だと個別に質問できるのが素晴らしいですね。
0
0
19
0
10
49
因果推論から足を洗うことにしました
…と昨日書こうと思ったのですが気づいたら日付が変わっていたのでした。自分のと分担含めて3つcausal inferenceの理論＆実装で基盤（自分はC）通りました。Yey
2
2
47
同居/独居の比較的短期間の変化とその後の長期の自死リスクとの関連を調べた因果生存解析の結果がJPHC Studyから出ました。難しい構造のデータを天才・成田Z先生が非常に巧みに解析してまとめてくださいました。
0
6
47
The final published version is now available!
Our new pedagogic paper with a fresh numerical example for longitudinal causal inference is published as a part of “Pitfalls and Tips” series in Journal of Epidemiology
Understanding marginal structural models for time-varying exposures: pitfalls and tips
0
7
25
0
15
43
体調崩して受け取れていなかった『医学のための因果推論』手に取ると意外とコンパクトでした。
モデル自体はもちろん、セミパラ・ノンパラ推定でも一般化線形モデルの知識が前提になることが多いのですが、教えている学生さんは全くピンと来ていない、というギャップが懸案だったので心強い本です。
0
2
45
ようやく出るそうですDavid Spiegelhalter "Sex by Numbers"の邦訳。楽しみですなあ
1
18
44
Causal DAG上で
「回帰はアウトカムと交絡変数との関連を断つ」
「傾向スコアは治療と交絡変数との関連を断つ」
「二重ロバスト推定は両方切る」
という説明は、思わぬバイアスの引き金になるので危険なアナロジーだと思う。回帰はパスのブロックに過ぎないし傾向スコアは手法によって働き方が違うので
0
4
43
疫学会・計量生物学会共催の本セミナーは、媒介分析、欠測、と来て今年のテーマは「変数選択」です。変数選択の乱立する principles をバイアスの観点（疫学サイド）と推測の観点（統計サイド）から整理する2時間にできればと思います！
と、自分は思っているだけで、話すのは斯界の若きスターたちです
2023/2/1水16-18時に浜松にて日本疫学会プレセミナー②が開催されます！
観察疫学研究における交絡変数選択 ～変数を「選んで調整」することの功罪とTips～（中・上級レベル）現地（定員450人）＋後日オンデマンド配信
超豪華講師陣。こちらまだまだ現地参加も可能です！
2
14
72
1
8
43
繰り返し曝露に対する因果効果の定義、識別仮定、識別、推定、モデル化の仮定の解説です。長い間読んでいただけているようで感謝！
Most Accessed:
Understanding Marginal Structural Models for Time-Varying Exposures: Pitfalls and Tips
Tomohiro Shinozaki, Etsuji Suzuki
0
0
8
0
10
42
大学院の因果推論講義の最終回に川原先生にお越しいただきseparable effectsについて最新の成果を含めて教授いただきました！ 集中し過ぎて講義の写真を撮り忘れてしまいましたが、議論の続きを🐏
@palace127
@kent_sak
1
3
43
こういうロゴ（左）は世界初ではないかと自負していますが、右みたいなことを田栗先生と疫学会プレセミナーでお話しする機会をいただきました。自分は疫学研究の上級者どころか疫学者ですらない気がしますが、そこは疫学会の懐の広さということで…
2
6
39
整形外科の雑誌なので注目されてないかもしれませんが、気合の入った特集号がでてます。自分以外の生物統計家の面子だけ見てもこんなん普通に買って読みたい
整形外科臨床研究の手引き(Vol.71 No.6)（2020年5月増刊号）: 雑誌／南江堂
サンプル
4
14
39
お贈りいただきました🙇 応用はもちろん臨床予測の方法自体もまだまだ掘るべきテーマはあるので、このseminal bookが日本語で読めるようになったのはありがたいです
0
3
39
因果推論学びたてで誰もが当惑するg-formulaのパラメトリック表現でのnull paradox再検討
nullのパラメータ表現が一般に困難ということで、このパラドックス自体がg-formulaでのモデル誤特定の不可避性を含意する、と言うのはトートロジーっぽいですね。そうは書いてないけど
1
5
36
1st piece of new methodological review series in Journal of Epidemiology. Rather than providing introductory tutorial for causal DAGs, we reviewed technical difficulties often overlooked when learning them.
Suzuki et al. Causal diagrams: pitfalls and tips
0
15
35
学生指導でもお世話になってる横市大の竹内さんのBiometrics論文
Nested case-control は良くてtime-dependent Cox尤度の近似なので「time-varying exposureの評価に向いてる」は神話ですが、しかし確かにIPWしようとすると推定に工夫が要りますね。こういう論文書きたい👏🏼
0
5
35
「学び直し」をテーマに生物統計の解説が連載されています。今号から回帰モデル（全3回）を担当します。和書ではあまり無い解説をしているので、回帰分析を使う人、教える人に広く読んでいただきたい
ただ、記事単位で購入できません。もし職場や大学で冊子を見かけたら手に取ってみて下さい
【新刊】
2021年11月19日に厚生の指標 2021年11月号(第68巻第13号)が発売しました！
「国民生活基礎調査データを用いた学歴と有配偶率との関連の分析－2010–2019－」他5本の論文、他にも統計資料紹介等が掲載されております。
是非、ご購読ください。
0
3
10
0
5
34
学生時代から論文で勉強させてもらってた研究者に「君の論文ええぞ。I am just writing to congratulate you on the paper」とこの週末メールもらったので思い出したように宣伝します
傾向スコアはなんの誇張もなく層別解析のひとつの見方に過ぎないし、そのままでは因果推論の強力なツールでもなんでもない。「ただ便利に使える」のが祟って陥りがちなpitfallを例証し、バイアスの構造をcausal DAGで示した論文がEpidemiology誌に載りました
2
111
427
1
0
34
臨床疫学会英文誌の「セミナー」コーナーに岩上さんと書きました！ オープンアクセス。
Introduction to Matching in Case-Control and Cohort Studies
0
8
33
お初の国際計量生物学会 北米西部支部年会（WNAR）で傾向スコアとg-推定の講演（ p. 35）。たどたどしい英語にも寛容なのは日本支部の企画セッションだったおかげでしょうが、初対面の何人かから nice talk! を頂き、単純な僕は来年アラスカにも参加しようと誓うのでした
2
2
33
以前の学生の山室君と書いた interventional (in)direct effects の論文が出ました。明確な臨床仮説がある、いけそうなデータもある、ただ方法論上で詰める余地がある。という、いい構成・バランスで論文化できました。こういう研究ができるのは生物統計やってる醍醐味ですね
1
7
33
面白い例です。互いに打ち消し合う交絡というより、グラフに非忠実（unfaithful）になるように分布を操作している例と見るべきかもしれません。
いずれにしても「correlation → （意図しないものを含めた）causation」がむしろ現代の因果モデルでの公理だと思うので、カーネマン何が言いたいのか…
（反例）車で坂道を上がるとき、速度が一定になるようにアクセルを踏むと、アクセルを踏む強さと車の速度は相関しないが、両者の間には因果関係がある
3
29
78
0
4
33
気になってた研究が竹内さんと小川さんのco-firstで出版。多重代入法の頻度論理論がよく分からず手法自体ずっと敬遠していたけど、最近の文献も整理して紹介してくれているので勉強して出直します
0
3
28
疫学でよく出てくるpopulation attributable fraction（人口寄与割合）は因果効果の定量化において重要な概念ですが、その定義は教科書によって一貫性がないというレビュー論文にご一緒しました。PAFの定義には反事実モデルが本質的に必要
Population attributable fraction in textbooks: Time to revise
0
0
8
1
3
27
昨年の東洋医学会でのEBMシンポジウム講演録が『薬理と治療』JPT Online で読めるようになっていました。自分は「ビッグデータ論文を読む際の10か条」というお題で大口を叩く機会を頂きました
0
1
24
大久保先生の「因果推論の道具箱」は誰が読んでも楽しい論文
0
6
26
お送りいただきました🙇
小西先生本とあわせて、大学の「多変量解析」での指定参考書にさせていただきます。
データサイエンス大系 多変���解析
1
0
26
Our new pedagogic paper with a fresh numerical example for longitudinal causal inference is published as a part of “Pitfalls and Tips” series in Journal of Epidemiology
Understanding marginal structural models for time-varying exposures: pitfalls and tips
0
7
25
回帰モデルをIPW推定すること自体にDR性があるわけではなく、IPW推定した回帰モデルの予測値で標準化を行うことで反事実平均（周辺リスク）、その差・比に対するDR性が得られます。Stat Sci誌の有名なディスカッションペーパーでRobinsらが紹介した方法というか性質
（2/4）
1
6
25
immortal time biasは結果で結果を説明するような、凡そ考えうるバイアスでも最も間抜けなものですが、バイアスの「構造」を説明するのは難しい。このeditorialの良いところはimmortal timeの扱い方によりバイアスを分類している点
Causal diagrams for immortal time bias
1
4
24
一足先に東大（院）S1期の因果推論が終わり、入れ替わりで理科大で開始。遠隔で学生さんに会えないのが残念でしたが、そのぶん毎回の課題へフィードバックを続けたことで、課題と返却はセットで必要だと気づかされるなど。書いたばかりの論文で真っ新からスライドセット投入できたのもよござんした
0
0
22
今日はハンズオン解説を一部担当しました。話してて本当に面白い、スタッフ（講師とインターン生）総力で作り込まれた資料で、いわゆる「Rによる回帰分析」とは一線を画したハンズオンになったと思います
エピタップ医療統計セミナー、2日目のRStudioハンズオンで回帰分析をやっています。
初日のハンズオンではディレクトリの指定で苦労されていた方も多かったのですが、2日目になってみなさんかなり使いこなされていますね！
Rでの解析を勉強したい方は是非！
#EpiTAP
1
4
69
1
1
22
野間先生たちの論文にご一緒させてもらいました。予測指標の区間推定は、オプティミズムを補正しないと被覆確率保てないのが明らかなのに臨床論文では誰もやってない！ という現状はまずいので、ブートストラップによる比較的簡便な方法で対処するプラクティスに向けた提案です
New paper: To obtain interval estimates of prediction measures like C-stat, bootstrapping can (& should) be used for bootstrap-based optimism-corrected estimates. This 2-stage (or "nested loop") bootstrap resampling is computer-intensive but works well.
1
2
11
1
3
23
曝露群を標的としたATT/SMR weightでは傾向スコアモデルを無視したナイーブなロバスト分散推定が保守的にならない
経験的には知られてそうなもんですがこういう例証は良き。IPWはロバスト分散つけとけば保守的になってOK、というとこだけ「知って」いると足下すくわれるかも
0
4
22
言いたいことはふたつ：
- g-推定など「因果推論」で出てくる手法は因果モデルの推定法として使えるが、使ったからといって因果効果を求めている（または求められている）わけではない
- 特定の手法を使うのを「因果推論する」と言うのはやめましょう
0
6
21
ただ、回帰モデルが線形かつ曝露×共変量の交差項を含まなければ、標準化リスク差は係数そのものなので、IPW推定した係数を周辺効果のDR推定量とも言えます。
同じことはリスク比について対数線形モデルでも言えます。
他の回帰モデルをIPW推定しても一般に係数は何かのDR推定量ではないです。
（3/4）
1
1
21
元々承認申請の文脈でストレステスト的な位置づけだった per-protocol “set” での解析が、反事実モデルでの per-protocol “effect/estimand” に対応していないというのはその通りなのですが、枠組みを異にする概念に同じ用語を当ててきたことの意味を考えるのが大事かもしれません
ほとんどのRCTの「per-protocol解析」はper-protocol解析になっていないことは論文を読む人は知っておいた方が良い。
逸脱や脱落を除外して解析することで、ランダム化が崩れバイアスがおきます。
これを「ナイーブなper-protocol解析」と呼ばれます。
これに対処するには。。
1
2
26
1
1
21
『医学のあゆみ』11/19号の井上先生
@ki_endoepi
の原稿を枝葉末節部分だけお手伝いさせてもらいました。
#関節リウマチ 患者は悪性リンパ腫のリスクが高いことが疫学研究で確認されています。
今週号では、2022年6月に公表された最新ガイドラインに基づき、関節リウマチ関連リンパ増殖性疾患の診断と管理・治療を解説します！
1
1
5
0
2
20
私の元にもお送りいただきました。ありがとうございます
@AsakuraPub
「なんかこういう本がもうすぐ出るらしいんですけど知ってます？ 研究室に一冊買って欲しいです」と学生さんに言われたので追加で3冊ずつ注文しました
1
3
20
クソ面倒くさい逆張りをすると、t-検定と同じようなモデルをおけば（ものによってはおかなくても）少なくとも近似的にはどの手法も平均の2群比較に使えるし、裏を返せばt-検定だっていつも平均の比較になってくれるとは限らないですしおすし
0
1
19
g-推定法はRobinsの構造ネストモデルというやつのセミパラメトリック推定法で、まあ本当に巧妙にできてます。ただ手法と「因果推論」は別で、数理的に同じ手法は点治療の非因果的な回帰モデルの推定法（E-推定という）にもなります。
切り抜��は Robins, Mark & Newey (1992)
1
4
19
一時期集中して読み込んだのですが、Epidemiology: An Introduction（『ロスマンの疫学』）の同ボリュームの現代版という感じで疫学での因果推論トピックの概観には最適では
個人的には好きなのですが「ここまで言えんやろ」という記述が結構あるので議論しながら輪読するのにもよさそうです
今大学院のゼミで読んでいる以下の教科書、欠測データ解析においてcomplete case analysis、すなわち「解析に用いる全ての変数に欠測がないデータのみを使った解析」が妥当な状況の考え方がDAGを使ってうまく整理されている。
1
12
118
0
2
19
この逸話の英文文献としては珍しいのでは。これは『これからの臨床試験』（いい本です）の佐久間昭先生コラムが出典。なお、増山元三郎先生の『デタラメの世界』（名著です）にもFisher本人に聞いた話があり、農事試験場で元々±2SDという基準が先にありそれで実用上間に合っていた、とだけ書かれている
1
11
19
Thanks to still many accesses to our 2020 paper!
#J_Epidemi
Most viewed on J-Stage: (2023 May):
Understanding Marginal Structural Models for Time-Varying Exposures: Pitfalls and Tips
Tomohiro Shinozaki, Etsuji Suzuki
@J_Epidemi
@she_knows_a_key
0
0
4
1
0
19
『厚生の指標』で回帰モデルのノンテクニカルな解説（全3回）書きました
回帰と回帰モデル、最小二乗法、モデルの目的、GLM＋α、最尤法、回帰と説明変数の変換、目的別のモデル選択
雑誌で読めなくても1年ほど待って頂くとシリーズ別冊化あるかもしれません（予定は未定）
0
3
18
どう見てもstructural equation modeling。略語を定義せずにここにSEMとだけ書いて雑誌のproofeditorに勝手にやられたんでしょう。有名誌なのにこんな訳の分からない誤植で不憫…
と思いを致した次頁からの因果推論手法の総説と解説でかなりがっつり適当こいているので同情心も消えたのであった
1
2
17
某業務にて神楽坂だったので、たまにはお外で飲ませて下さい。美味しくてロマンのあるセゾンは本当にいいです
0
1
17
Our invited commentary on the ASA Biopharma Section-Working Group's series of papers is just out🤘
Comment on “Biostatistical Considerations When Using RWD and RWE in Clinical Studies for Regulatory Purposes: A Landscape Assessment”
0
4
17
臨床研究でよくつかう予測指標についての和文総説
臨床予測モデルの研究はやや独特な慣習があり、いろんな指標の報告が求められます。計算はやれば誰でもできるのですが、つながりや推定原理について統一的に解説したものがなかったのでレビューしました
セミナー（もう2年前）でのスライドはdocsplayerってとこに落ちてます
1
12
58
0
4
16
Our new paper led by Dr. Hagiwara proposes to conduct ITT analysis more formally by borrowing the concept of stochastic dynamic treatment regimes. ITT analysis cannot provide "effectiveness" nor "treatment policy effect" estimates by itself.
1
3
17
臨床誌の査読。同じ調査データで同じテーマの論文が同じ雑誌に出てるのに（これも自分が査読）全く引用されてないのを尋ねたら「こっちが先に投稿したけど向こうはすぐ採択されてこっちはもう2年（泣）」と斜め上からの返答。途中から査読入ったから知らなかったけど可哀想に。ま���査読終わらんよ
0
4
17
現地参加の申込は明日までです！
申込は→
✅プレセミナーだけの申込も可
✅オンデマンドあり（申込は2月末まで）
✅オンデマンド受講者向けQ&Aあり
✅講義資料に加えてR/SASコード配布
✅他のプレセミナーと同時受講可（オンデマンド含め私も全て参加予定です）
🎍疫学会プレセミナー2024🎍
恒例の計量生物学会共催企画は、因果生存解析（causal survival analysis）をこの分野の最先端を走る若手講師陣でお届けします！
現地参加は1月24日（オンデマンドは2月末）まで受付中です。プレセミナーのみの申込みも可能です👇
0
30
135
0
4
17
@kyoritsu_pub
さんと東大社研の大久保先生からお贈りいただきました。SAGEのこのシリーズはもともと好きで翻訳はありがたい企画です。
傾向スコアの本書は150ページ弱と分量コンパクトなまま、訳註も豊富で、Rコードも翻訳時に更新してくれているそうです（公開は発売後？）
1
6
16
パラメトリックシミュレーションでは分かっている漸近性質の有限標本性能を確認するのが関の山なので、手法比較の研究ではもっと広がっていい気がします
とはいえ個人的には公開データ以外ではやっても再現性が…と二の足を踏んでいる体たらくなので、こういうガイドラインはありがたいです
Tutorial in Biostatistics
Statistical plasmode simulations–Potentials, challenges and recommendations. Nicholas Schreck, Alla Slynko, Maral Saadati, Axel Benner. Statistics in Medicine.
1
5
18
0
6
16
某因果推論の会にて「解釈」重視なのが（良くも悪くも）医学・疫学でとくに特徴的だと指摘され納得したが、いきすぎと感じることがある。禅問答の如く「解釈」を問い詰め、論点がずれてきたところで研究の意義を矮小化するような指摘をし、「やっぱ難しいね」で場が納得するさまをここで何度見てきたか
0
4
15
Parts 1 and 2 of Causal Inference Book have been updated!
0
4
15
overlap weightや傾向スコアマッチ後の多変数調整は、線形モデルなら条件付きリスク差に対するg-推定量にもなっていて、DR性もあります。効果修飾を含むこともできます。
対数線形モデルでは、状況は限られますが条件付きリスク比のg-推定量となるときもあります。
（4/4）
0
2
15
最初特論でPart 1を使ったときには10年かかるとは思いませんでしたが、何にせよおめでたい。
この10年で出てきた話題で本書で取り上げられているのはMLでのモデル選択、SWIGとtarget trialの論点整理くらい。それでも読み直して毎回感じ入るものがある本で、今後10年も入門書決定版になりますかね
0
1
15
相関のあるベルヌーイ試行での共通オッズ比のMantel-Haenszel推定量が（sparse-data limitingの意味で）一致性をもつはずという発想が常人離れして一見奇怪なのですが、推定方程式でMH推定量を導いた（そしてGEEに繋げた）Liang先生にとっては自然な発想だったと気付くと極めて論理的で面白い論文です
1
5
14
某講義にて。学生さんも良い質問だし、坂巻さんも素晴らしい回答でした！
Q「統計を学ぶ上でプログラムを動かして学ぶか、理論から学ぶかどっちがいい？」
坂巻先生A「その人の特性による。データから特徴つかんで理解を深めるのが得意な人、理論から理解を深めるのが得意な人がいる。センスない方を長々とやるのはつらいので、自分のタイプを考えよう」
良いこと言うなぁ！
0
60
267
0
3
14
RCTのメタアナリシスに記載されるCochraneのRisk of Bias評価はかねて有名無実と思っていたけど、この改訂版は見た目だけ残して観察研究用のROBINS-Iと整合性を図るため全面刷新という感じで驚いた
RoB 2: a revised tool for assessing risk of bias in randomised trials
1
2
13