Transcript 疫学初級統計応用
疫学初級者研修 ～精度 と バイアス～ 平成１２年２月１５日（火） １３：００～ 岡山理科大学情報処理センター ①推定と検定（復習） ②精度 ③バイアス ①推定と検定 （昨日の復習） ２×２表 （疾病の有無） 有症 （ 曝 食べた 露 の 有 食べない 無 ） 健康 ａ ｂ ｃ ｄ ①推定と検定 推定：ある数値を定量的に 推測すること 検定：ある仮説の正しさを 検証すること 推定の例： オッズ比を求める 検定の例： χ 検定 , ｔ 検定 ２ 推定・検定の違い ・推定では、信頼区間によって 影響の大きさと、その推定に 固有のばらつきを評価できる。 ・検定では、データと帰無仮説の 整合性をチェックする。 ※オッズ比とχ２値の違い 有症 健康 食べた 7 2 食べない 1 3 8 5 オッズ比＝１０．５ χ２＝３．２６（Ｐ＝０．０７） 9 4 13 有症 健康 食べた 42 12 食べない 6 18 48 30 54 24 78 オッズ比＝１０．５ χ２＝１９．５５（Ｐ＝０．０００００９８） ※精度とバイアス 精度とバイアス 正確度 ＝ 精度 誤差 ＋ 妥当性 ＝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 精 度 狙優 撃秀 手な 狙普 撃通 手の 銃身が右に ずれている 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 ・調査対象者の記憶の不確かさなどによるもの ・通常は分析に重要な影響は与えない 系統的な誤差（バイアス） ：調査する側、調査される側の意図により 生じる誤差 ・一方的な思いこみなどにより生じる ・分析に重要な影響を与えることがある ②精度 有症 健康 計 有症 健康 計 食べた 食べない 計 157 42 199 19 20 39 176 62 238 オッズ比＝３．９３ 95％信頼区間： 95％信頼区間： 1.82＜ＯＲ＜8.54 1.82＜ＯＲ＜8.54 χ２値＝15.41 P値＝0.00008 食べた 食べない 計 40 10 50 5 5 10 45 15 60 オッズ比＝４．００ 95％信頼区間： 0.79＜ＯＲ＜20.73 χ２値＝４．００ P値＝0.045 オッズ比＝３．９３ 95％信頼区間： 95％信頼区間： 1.82＜ＯＲ＜8.54 1.82＜ＯＲ＜8.54 χ２値＝15.41 P値＝0.00008 オッズ比＝４．００ 95％信頼区間： 0.79＜ＯＲ＜20.73 χ２値＝４．００ P値＝0.045 オッズ比：ほとんど変わらない。 信頼区間：幅が広がり、１をはさんでしまった。 データ数が減ったことで、ばらつきが大きくなった ↓ 「精度」が悪くなった データ数が少ないとき 「はっきりと」言うことは難しい。 断定することはできない。 それは、「精度」が悪いため。 精度 オッズ比 データ数 が多い データ数 が少ない 信頼区間の幅 狭い ほぼ 変わらない 広い 精度 χ２ 値 Ｐ値 データ数 が多い 大きい 小さい データ数 が少ない 小さい 大きい 精度 オッズ比 信頼区間 χ２ データ 多 データ 少 値 Ｐ値 精度 狭い 大きい 小さい よい 広い 小さい 大きい 悪い ほぼ 変わら ない ③バイアス 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 ・調査対象者の記憶の不確かさなどによるもの ・通常は分析に重要な影響は与えない 系統的な誤差（バイアス） ：調査する側、調査される側の意図により 生じる誤差 ・一方的な思いこみなどにより生じる ・分析に重要な影響を与えることがある バイアス＝系統的な誤差、偏り ある一定の方向性をもっている誤差 この偏り（例：発症している人を 意図的に「食べた」と見なすなど）が 分析結果に影響を及ぼすことがある バイアスの例 その１ 「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 有症 健康 計 食べた 21 6 27 食べない 3 18 21 計 24 24 48 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 バイアスの例 その２ 情報バイアス①（「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？」 と質問し関連づけようとしてしまう事例 有症 健康 計 食べた 21 6 27 食べない 3 18 21 計 24 24 48 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 バイアスの例 その３ 情報バイアス ② 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 有症 健康 計 食べた 21 6 27 食べない 3 18 21 計 24 24 48 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 バイアスの例 その４ 情報バイアス ③ 健康な人を「有症者」としたり、症状がある人を 「健康な人」とする場合 有症 健康 計 食べた 21 6 27 食べない 3 18 21 計 24 24 48 健康な人を「有症者」 →ａ，ｃが増える 有症者を「健康な人」 →ｂ、ｄが増える これらが混ざると 結局オッズ比は低くなる 本当は患者でないのに「患者」と 診断されたり、 本当は食べていないのに「食べた」 と思いこむことで、真の値が歪む この場合、原因食品のオッズ比は 過小評価される。 ※交絡バイアス ※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 今までの考え方 「コーヒーで食中毒が発生することはまずない ので原因食品はおそらくケーキだろう」 ※交絡バイアス 交絡バイアスとは… 喫食（曝露）の有無と発症との関係に 影響を与える別の曝露因子を 「交絡因子」という。 この「交絡因子」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。 コーヒー 食中毒 ケーキ 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 ※バイアスに対する考え方 ◆自己選択バイアスを避けるには、報道前の患者群を症例の 定義とするなど、症例の定義を工夫する。 ◆質問者バイアスを避けるには、調査者が先入観をもたず 調査者全員が等しく質問できるような念入な打ち合わせが 必要である。 ◆情報バイアス（本当は患者でないのに「患者」としたり、本当 は食べていないのに「食べた」とする場合）は、結果的にオッ ズ比が過小評価される。 ◆本来の原因食品と同じように見かけ上オッズ比が高くなって しまう食品がある。（交絡バイアス）