カーディス論文の信頼区間と発症予想ラインについて

ﾘｰﾌﾚｲﾝ @leaf_parsley

調査対象の住居地、年齢、性別表 http://t.co/V12oSksS

拡大

ﾘｰﾌﾚｲﾝ @leaf_parsley

線量分布表（ケースは発症群） http://t.co/ASISzRO2

拡大

ﾘｰﾌﾚｲﾝ @leaf_parsley

線形モデル図 http://t.co/LVTOtgUZ

拡大

Seiichi Ushikubo @sushikubo

@leaf_parsley @MAKIRIN1230 甲状腺等価線量200mSv未満の領域では95%CIが1.0を含んでいます。この領域にたいしては今回のデータだけで話を進めるのは危険です。

MAKIRINTARO @MAKIRIN1230

@leaf_parsley @sushikubo case-contorol studyの欠点が挙げられています。 http://t.co/2gCttY1k

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @sushikubo @leaf_parsley 疫学pdf http://t.co/UhKXuHh2　この論文はケースコントロール=発症した人case=276名を探索｡それに類似した発症していない人control=1300名を探してきた｡

MAKIRINTARO @MAKIRIN1230

ありがとうございます。それらが上手くマッチングできていないと、おかしな結果をもたらすわけですよね。 @ytkhamaoka @sushikubo @leaf_parsley

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo 276/(276+1300)のような議論は無意味｡木原疫学 ch3各線量カテゴリの割合の比で議論｡ 最低線量カテゴリではオッズ比(16/276)/(138/1300)=0.548 　-2999では2.82

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @sushikubo @leaf_parsley もちろんそうですよね｡カテゴリ毎にオッズ比を算出すると確かに右上がり｡これに各種の関数形をあてはめた｡という方法なので､線量分布Fig1も原爆､福島(右下がり分布)と異なりちょっと高いところにピーク｡

MAKIRINTARO @MAKIRIN1230

ご指摘ありがとうございます。276/(276+1300)が実際の発症率ではないので、それぞれの群の各カテゴリの占める割合に着目することが重要なんですね。 @ytkhamaoka @leaf_parsley @sushikubo

Seiichi Ushikubo @sushikubo

@MAKIRIN1230 @ytkhamaoka @leaf_parsley 各カテゴリーで計算したんですけど、Fig.2.の数値が出てこないですよね。どこが変なんでしょう。最も低い線量がリファレンスとあるので0~15を使用したのですが。 http://t.co/KzkbqmMt

拡大

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@sushikubo @MAKIRIN1230 @leaf_parsley そういえば､そうですね確かに出てこない｡最高線量と1Gyあたりでへこむという挙動は同じなので､referenceの取り方の違いだと思いますが｡｡｡

Seiichi Ushikubo @sushikubo

@MAKIRIN1230 @ytkhamaoka @leaf_parsley 各カテゴリーで計算したんですけど、Fig.2.の数値が出てこない・・・。最も低い線量がリファレンスとあるので0~15を使用した・・・。(表中誤植訂正のため再送) http://t.co/V0UVG7Ar

拡大

Seiichi Ushikubo @sushikubo

@MAKIRIN1230 @ytkhamaoka @leaf_parsley しばらく離れます。ありがとうございました。

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo 原爆データでのthyroid cancer "incidents"のERRは10代被曝､30才のとき4程度.それと類似した係数になっています｡　http://t.co/399TtpEu

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@leaf_parsley @MAKIRIN1230 @sushikubo また､ヨウ素剤をのんだ人はリスクが1/3になるそうです(p.728およびTab4)

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@leaf_parsley @MAKIRIN1230 @sushikubo 疫学pdf　http://t.co/UhKXuHh2 のBelslow　Vol. Iがまるまるcase-control法についてまとめています｡ちょっと手強いですが何かわかればTwします｡｡｡

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo 訂正です。オッズはp/(1-p)なので(16/276)ではなく、(16/276)/[1-(16/276)]。(138/1300)についても、同様に計算し、比をとったものがオッズ比。

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo 疫学pdfに追加した上田、小牧 http://t.co/UhKXuHh2　p.11にあるようにマッチングのないケースコントロール法では、これを使うことができる。

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo ただし、この論文では、患者ごとに年齢、性別、地域が類似した非患者を最低4名マッチング(p.725)。マッチングしたペアに注目する。

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo 年齢、性別、地域は同じなので、発病有無は被曝有無(とその他観測できない変数)によると考えることができる。これを上田、小牧p.7左下のように集計。患者=case,対照=control。

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo 非対角項の比がオッズ比になる。論文には、このマッチング情報が与えられていないので、我々が再計算することは不可能。上田、小牧は1対1マッチング、被曝有無という簡単な例。

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo 論文では1300/276=4.7｡患者によってペアの数が異なる。このような場合には、疫学pdf　Chongsuvivatwongのp.180 にあるようにコントロール数毎に集計｡線量カテゴリ毎にOR算出｡

h■m■■k■(秘密保護中･反戦争法案) @ytkhamaoka

@MAKIRIN1230 @leaf_parsley @sushikubo このようにして算出されたのがFig2のOR。これは線量区間毎にORが独立していることを暗黙のうちに前提。これを線量の関数と考えて推定したのが、各種の曲線。