| 科目責任者 | 稻岡 秀検 |
|---|---|
| 担当者 | 稻岡 秀検※, 守田 憲崇※ |
| 科目概要 | ２年 （２単位・選択） [リハビリテーション学科 作業療法学専攻] ２年 （２単位・選択） [リハビリテーション学科 言語聴覚療法学専攻] ２年 （２単位・必修） [リハビリテーション学科 視覚機能療法学専攻] |
現在，医療情報ヘルスケアに関する膨大なデータが蓄積・解析されている。このようないわゆるビッグデータの解析には、数理モデル・統計モデルといった統計技術や、機械学習の技術が活用されている。
講義の前半では、医学研究（リハビリテーション）の領域で、チーム医療の一員として患者の治療に貢献できるリハビリテーション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、データを解析する手法を身につける。
講義の後半では、統計モデルや機械学習の技法について簡単に紹介し、それがヘルスケアなどを含む各分野で活用されていることについて解説する。ついで曝露群・非曝露群の比較検討に有効な比率の検定を中心に、データを解析する手法を身につける。
この科目は学位授与方針(ディプロマ・ポリシー)の（OT）①,（ST）②④⑤,（OV）①②③④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。また、講義中に簡単な統計演算のプログラムを作成する。
【フィードバック】
作成したプログラムについては、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、レポート提出時または翌週に、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 | 9/3① |
| 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 | 9/10① |
| 第3回 | 【対面】 統計学的検定総論 | 統計学検定の考え方について学習する。（２種類の過誤、仮説検定の手順、p値と有意水準、統計学的有意性と生物学的有意性） | 守田 憲崇 | 9/17① |
| 第4回 | 【対面】 平均値の比較 | 独立した2群間の検定、関連のある2群間の検定について学習する。（t検定、対応のあるt検定） | 守田 憲崇 | 9/24① |
| 第5回 | 【対面】 多群の検定1 1要因多群の検定 | 1要因多群の検定、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 | 10/1① |
| 第6回 | 【対面】 多群の検定2 2要因多群の検定 | 2要因多群の検定、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 | 10/8① |
| 第7回 | 【対面】 回帰分析 相関関係の検定 | 回帰分析、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 | 10/15① |
| 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、終了後に試験内容について解説を行う。 | 守田 憲崇 | 10/22① |
| 第9回 | 【対面】 統計モデル・機械学習の概要の紹介、医学的研究のデザインの解説 | オミックスデータのようなビックデータを統計的に解釈することは現在の社会生活において必須のものである。そこでヘルスケアのような日常生活の課題を解決するためのツールとして、統計モデル・機械学習（SVM、ランダムフォレスト、ニューラルネットワーク等)が活用されていることを概説する。また、AI最新技術の活用例（深層生成モデル、強化学習、転移学習)についても概説する。ついで、データ解析の活用領域として、医学的研究のデザインを取り上げる。 | 稻岡 秀検 | 10/29① |
| 第10回 | 【対面】 二項分布と多項分布 | 適合度の概念と二項分布について学ぶ。その後、二項確率の検定について、正確検定と近似検定について学ぶ。次いで、多項分布について学び、カイ二乗統計量を使った適合度の正確検定と近似検定について学ぶ。これらの利用例として、果物の好みに違いがあるかどうかをアンケート調査結果を利用して解析する手法(課題抽出と定式化)について解説する。 | 稻岡 秀検 | 11/12① |
| 第11回 | 【対面】 尤度比 | 尤度関数と尤度比について学び、尤度比を使った適合度の正確検定と近似検定について学ぶ。 | 稻岡 秀検 | 11/19① |
| 第12回 | 【対面】 分割表 | データのグルーピング、パターン発見の一例として２×２分割表のサンプリングデザインと確率モデルについて学び、２×２分割表の独立性の帰無仮説についてオッズ比による表現を学ぶ。 | 稻岡 秀検 | 11/26① |
| 第13回 | 【対面】 Fishserの正確検定 | 超幾何分布について学び、Fisherの正確検定について学ぶ。その後、２×２分割表の正確検定と近似検定について学ぶ。 | 稻岡 秀検 | 12/3① |
| 第14回 | 【対面】 相関係数 | 共分散と相関係数について学ぶ。 | 稻岡 秀検 | 12/10① |
| 第15回 | 【対面】 最小二乗法 | 回帰モデルと回帰式について学び、最小二乗法ついて学ぶ。また、相関係数と寄与率について学ぶ。 | 稻岡 秀検 | 12/11① |
◆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）
4. 統計モデル・機械学習の概要について解説できる。
5. 2項分布、多項分布について説明できる。
6. 尤度と尤度比について説明できる。
7. 2×2分割表について説明できる。
8. Fisherの正確検定について説明できる。
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参考書やインターネット検索を活用し予習し、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 | 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 |
科目ナンバリングコード： （OT）OT201-SF26, （ST）ST201-SF27, （OV）OV201-SF14