科目責任者 | 稻岡 秀検 (※) |
---|---|
担当者 | 稻岡 秀検 (※), 守田 憲崇 (※) |
科目概要 | 3年 (2単位・必修) [リハビリテーション学科 理学療法学専攻] |
医学研究(リハビリテーション)の領域で、理学療法の知識と技術を科学的根拠に基づいて提供するために、しばしば登場する代表的なデータ処理(統計学的有意差検定)手法の内容を区別可能で、必要に応じて自身で解析方法を判別し、データ解析できる。
この科目は学位授与方針(ディプロマ・ポリシー)の①②に関連する。
【教育内容】
講義で紹介する統計学的有意差検定の知識を基礎に、統計ソフトを用いて、サンプルデータを解析し、その方法と解析結果の意味を学習する。将来、臨床の現場でデータを解析した時に統計ソフトが出力する内容を理解できるようにする。
【教育方法】
授業形態:講義
パワーポイントを用いた講義を行い、講義中に1人1台のPCを用いた演習を行う。講義中に簡単な統計演算のプログラムを作成し、次回の講義でその内容について解説する。
レポート課題については、レポート提出の翌週に、その内容について解説する。
回 | 項目 | 授業内容 | 担当者 | 日時 |
---|---|---|---|---|
第1回 | 【対面】 データの要約 | 要約統計量を使用したデータの要約方法とその意味について学習する。(平均値、中央値、四分位点、ヒストグラム、データのばらつき:標準偏差、標準誤差) | 守田 憲崇 | 9/8② |
第2回 | 【対面】 データの分布 | データの分布形状(パラメトリック、ノンパラメトリック)と外れ値の扱い方を学習する。 | 守田 憲崇 | 9/15② |
第3回 | 【対面】 平均値の比較 | 独立した2群の差の検定、関連のある2群の差の検定手法について学習する。(t検定、対応のあるt検定) | 守田 憲崇 | 9/22② |
第4回 | 【対面】 多群の検定 | 1要因と2要因で分類される多群の検定、多群の組み合わせの検定を学習する。(分散分析と多重比較) | 守田 憲崇 | 9/27② |
第5回 | 【対面】 相関関係の検定 | ピアソンの相関係数の検定、スピアマン順位相関係数の検定を学習する。 | 守田 憲崇 | 9/29② |
第6回 | 【対面】 生存時間解析 | 生存率曲線を求め、生存時間分布の検定する方法を学習する。(Kaplan-Meier法、ログランク検定) | 守田 憲崇 | 10/6② |
第7回 | 【対面】 メタアナリシス | メタ・アナリシスの基礎(統計モデル、バイアス)と代表的な方法(Forrest Plot, Funnel plot)を学習する。 | 守田 憲崇 | 10/13② |
第8回 | 【対面】 中間試験 | 第1回から第7回までの内容について試験を行い、試験内容について解説を行う。 | 守田 憲崇 | 10/20② |
第9回 | 【対面】 統計モデル | 確率分布と統計モデルについて学ぶ。統計モデルと古典的な分析手順との比較を行う。 | 稻岡 秀検 | 10/27② |
第10回 | 【対面】 連続型の説明変数を1つ持つモデル | 統計モデルを構築するメリットについて学ぶ。AICによるモデル選択手法について理解する。 | 稻岡 秀検 | 11/10② |
第11回 | 【対面】 分散分析 | 分散分析の基本的な考え方について学び、群間変動と群内変動の違いについて理解する。分散分析におけるp値の計算法について学ぶ。 | 稻岡 秀検 | 11/17② |
第12回 | 【対面】 複数の説明変数を持つモデル | 複数の説明変数を持つモデルについて理解する。回帰係数のt検定、Tye2-ANOVAについて学ぶ。 | 稻岡 秀検 | 11/22① |
第13回 | 【対面】 一般化線形モデル | Pythonを用いた二項分布、ポアソン分布の取り扱いについて学ぶ。一般線形化モデルの構成要素について学び、ロジスティク回帰の計算を行う。 | 稻岡 秀検 | 11/22② |
第14回 | 【対面】 一般化線形モデルの評価 | ピアソン残差について学ぶ。devianceについて理解し、ポアソン回帰の計算を行う。 | 稻岡 秀検 | 11/24② |
第15回 | 【対面】 線形モデルとニューラルネットワーク | ニューラルネットワークの基礎について学び、ニューラルネットワークを用いて、ロジスティク回帰の計算を行う。線形モデルの利点、ニューラルネットワークの利点について理解する。 | 稻岡 秀検 | 12/1② |
◆実務経験の授業への活用方法◆
研究所での経験を踏まえ、実際に測定されるデータのばらつき等をどう評価するかを概説し、測定誤差が結果の解釈にどのように影響するかを具体例を通じて検討する。
病院での臨床経験を踏まえ、医療における統計学の重要性及び実際の統計を使用したデータ処理がどのように展開されるのかを概説する。
1. 基礎的なデータ処理用語とその意味が具体的に説明できる。(*知識・理解)
2. 卒業研究等や将来臨床の現場でよく使われる統計学的有意差検定手法を対象データにより適切に選択しコンピュータ処理ができる。(*技能)
3. 卒業研究等や将来臨床の現場でよく使われる統計学的有意差検定手法によるデータ処理結果を解釈し、具体的に説明できる。(*知識・理解)
授業内試験(30%)、レポート(40%)、定期試験(30%)で評価する。
【授業時間外に必要な学習時間:60時間】
*コンピュータの操作(エクセル)に関し復習し慣れておくこと。
*次回の授業範囲の用語について予習し、授業後には授業内容についての概要をA4用紙1枚以内にまとめること。
*授業中に与えられた課題を完成できなかったときは、次回までに完成させること。
*授業を欠席した場合は、欠席した回の授業内容を次回までに担当教員に確認し、自習しておくこと。
種別 | 書名 | 著者・編者 | 発行所 |
---|---|---|---|
教科書 | 資料を配付する | ||
参考書 | 新・涙なしの統計学 | Derek Rowntree (著)、加納 悟 (訳) | 新世社、2001 |
参考書 | 新版 学会・論文発表のための統計学 統計パッケージを誤用しないために | 浜田知久馬 | 真興交易医書出版部、2012 |
参考書 | 独習統計学24講 医療データの見方・使い方 | 鶴田陽和 | 朝倉書店、2013 |
参考書 | 独習統計学24講 分割表・回帰分析・ロジスティック回帰 | 鶴田陽和 | 朝倉書店、2016 |
参考書 | 医学・薬学データの統計解析 データの整理から交互作用多重比較まで | 広津千尋 | 東京大学出版会、2004 |
参考書 | 新版 メタ・アナリシス入門―エビデンスの統合をめざす統計手法 (医学統計学シリーズ) | 丹後俊郎 | 朝倉書店、2016 |
参考書 | 入門はじめての分散分析と多重比較 | 石村貞夫、石村光資郎 | 東京図書、2008 |
参考書 | 入門はじめての多変量解析 | 石村貞夫、石村光資郎 | 東京図書、2007 |
参考書 | 欠測データの統計解析 | 阿部貴行 | 朝倉書店、2016 |
参考書 | 経時データ解析 | 船渡川伊久子、船渡川隆 | 朝倉書店、2015 |
科目ナンバリングコード: PT201-SF28