398724_ja-JP

liliconcom

JMP を使用した限られた臨床検査データからの心不全患者の生存予測 (2021-US-30MP-881)

レベル: 中級

スタンレー・シラノビッチ氏、Crucial Connection LLC プリンシパルアナリスト

心血管疾患 (CVD) は主要な死因であり、世界中の全死亡の約 30% を占めています。したがって、特に高リスクの場合の早期発見と治療は、生命の喪失を防ぐのに役立ちます。このセッションでは、最近 Kaggle で公開され、 BMC Medical Informatics and Decision Making 、20、記事番号 16 (2020) で公開された研究で使用された、299 行と 13 列のデータセットを調べます。特に、年齢、高血圧、喫煙、クレアチニンなどの多くの予測因子と、それらの心不全を予測する能力を調べます。予測子スクリーニングおよび多変量法のメニューでは、いくつかの異なるプラットフォームを使用しています。また、ライブ デモとして分析を実施し、視覚化、インタラクティブ性、分析フローが従来の方法と比較して発見までの時間をどのように短縮できるかを実証します。

自動生成されたトランスクリプト...

スピーカー	成績証明書
ピーター・ポリト	こんにちは、スタンさん、いらっしゃいますか。
	おい、ピーター。
ピーター・ポリト	お元気ですか。
	私は元気です。
	素晴らしい。
ピーター・ポリト	今日はアブストラクトを作成することについてどう感じていますか。
	はい、とても良い気分です。
	わかった、パットの練習があと一週間ある気がしない。
ピーター・ポリト	確かに。
	私はいつも完璧は善の敵だと思っていました。
	はい、その通りです、はい、間違ったリンクをクリックしてしまいました。
	ああ、ごめんなさい、はい、これを録音しているスペースに移動するをクリックしても大丈夫です。
ピーター・ポリト	ああ、なるほど。
	あなたがいる場所に私たちはいます。
ピーター・ポリト	ごめんなさい。
	わかりました、引き上げましょう。
	始める前にいくつかのことを確認するために聞いていますが、Excel ファイルを見るのは非常に役に立たず、JMP にあると思われます。
	ちょっとの間、今日の調子はどうですか？
	ここまでは順調ですね。
ピーター・ポリト	すごいですね、どこから電話しているのですか。
	インディアナ州ジェファソンビルから電話しています。ここはケンタッキー州ルイビルの川を渡ったところにあります。
ピーター・ポリト	わかりました、11月にはレキシントンに行って住みやすくなります。
	ああ、本当にカンファレンスのためだ。
ピーター・ポリト	それが私の喜びであることを知ってください。
	義理の弟の40歳の誕生日とたくさんの。
	みんなでウィスキーの試飲のために集まる予定です。
	よかった、彼らはバーボンの道を見つけた、はい、行きますか。
ピーター・ポリト	それがまさに私たちがやっていることです。
	わかった、ちょっと待ってスタン。
	わかりました、それが終わったら、私の携帯電話番号を教えてください。
ピーター・ポリト	わかりました、見ていますか。
	心不全患者の生存予測またはその他の要約。
	いいえ、それは心不全です。
ピーター・ポリト	さて、タイトルは JMP を使用して限られた臨床検査データから心不全患者の生存予測を確認するというものです。
	それでおしまい。
ピーター・ポリト	さて、ここでいくつかのことを行う必要があります。
	共同発表者がいません。
	そうですね。口頭で確認する必要がありますが、これは JMPed Discovery Summit Conference のために記録されており、JMP ユーザー コミュニティで公開される予定であることを理解していますか。この記録とその使用について許可を与えていただけますか。
	とても頑張っています、ありがとうございます、大丈夫です。
	音声がはっきりと伝わっていることを確認したいので、少しだけ一言言っていただけますか。
	さて、それでは、始めさせてください。私の名前は itch のスタン サランです。私は、Ctical Connection LLC の主任アナリストです。
	私は、有名なケンタッキー州ルイビルからオハイオ川を渡ったところにあるインディアナ州ジェファソンビルにいます。今日は心不全の予測についてお話します。
ピーター・ポリト	完璧です、それは素晴らしく明確に来ています。
	わかった。
ピーター・ポリト	ビジュアルを明確に表示するには、Windows マシンを使用しているかどうかを確認する必要があることがいくつかあります。
	私は Windows 10 マシンを使用しており、外部モニターで作業する予定です。
ピーター・ポリト	それでは、下部の検索バーに移動して「表示」と入力してください。
	検索バー 下部にバーがあります。
ピーター・ポリト	はい、もしよろしければ、これをしている間、画面を共有していただけますか。
	はい、物事を確認してください。
	はい、言うまでもなく、これには問題がありました。
	画面を共有していますが、時々画面共有が失われます。
ピーター・ポリト	ああ、それは確認できますね。
	わかった。
ピーター・ポリト	そのため、下部に画面共有ボタンが表示されます ああ、あなたは、お父さんにかかってしまってごめんなさい。
	はい、虫眼鏡をクリックして入力してください。
	そしてディスプレイに入力します。
	わかった。
	どこ。
ピーター・ポリト	カーソルがすでに配置されているので、そのまま入力を開始できます。
	ああ、そこですね。
ピーター・ポリト	ああ、もう一度試すときに Enter キーを押す必要はないと思います。
	わかった。
ピーター・ポリト	そこで、解像度を変更してみます。
	そしてマイクロソフトの経営陣。
ピーター・ポリト	「ああ、それはあなたも知っているでしょう、あなたの他のモニターに映っていますか？」と言いました。
	はい、他のモニターに映っています。
ピーター・ポリト	OK、これをここにドラッグしてもよろしいでしょうか。
	わかった。
	はい。
ピーター・ポリト	まだ見えません、ブラウザウィンドウだけが表示されています。
	そしてそれは。
ピーター・ポリト	って言ってたから。
	はい、私たちも同じ問題を抱えていました。
ピーター・ポリト	では、画面全体を共有しましたか、それとも画面だけを共有しましたか。
	ウィンドウは画面全体を共有していると思いました。
	新しいシェア。
	問題は、多くの場合、それが私を覆い隠してしまうということです。
	Zoomミーティングのコントロールバー。
	ああ。
	だからこそ私はこのようにしようとしているのです。
	スケジュールが表示されているのがわかりますか、どうやってそこに入ったかがわかるかもしれません。
ピーター・ポリト	スケジューリングが容易になったのはそのためだと思います。
	はい、それは自由です。
	そしておそらく私は自分の見通しを見ています。
	はい。
ピーター・ポリト	そして、始める前に、とにかく Outlook を閉じたいと思います。
	はい、はい、接続できましたので、余分なウィンドウは必要ありません。開いているすべてのウィンドウに移動するので閉じさせてください。
	さて、それでは行きます。
	必要なのはそれだけです。
	画面を共有する新しい共有。
	それを引きずらせてください。
	ここでは、新しい共有ボタンをクリックしたところです。
	私のデスクトップが見えますね。
ピーター・ポリト	緑のテントが見えます。
	美しい。
	ミルキーに沈む夕日。
	そうそう、そうさせてください。
	ここに戻り、すべての検索を再度表示します。
	私の検索バーが見えます。
	はい。
ピーター・ポリト	そして、「ディスプレイの解像度を変更する」をクリックして、オプションを選択してくれてありがとうと唱えます。
	わかった。
ピーター・ポリト	さあ、あなたは 1920 年にいたのですが、それは大丈夫です、それが私たちが望んでいることです。
	はい、それでは閉じてください。
	よし。
ピーター・ポリト	そして、下部にあるタスクバーを右クリックします。
	そしてタスクバーの設定に移動します。
	クリックして。
	はい。
ピーター・ポリト	はい。
	わかった。
ピーター・ポリト	したがって、それは 2 番目のオプションです。
	そこで自動的にテストします。
	わかりました、他に何かあればここで。
	1つ。
ピーター・ポリト	行ってそれを閉じることができます。
	そして最後にやりたいのは、次のことです。
	好きですか。
	通知タブなど、ポップアップを表示する可能性のあるものがすべて閉じられていることを確認します。
	はい、ログインする前にすべてを閉じました。
	唯一の問題は、ラップトップのモニターでコントロール バーがオンのままで、yelp ボードのモニターでテスト バーを見ていることです。それが私がプレゼンテーションしたいものです。
ピーター・ポリト	わかりました。
	そこに戻って、自動的に変更されるかどうかを確認してみましょう。
	さて、デスクトップをクリックしてみると、おそらくそれが消えるでしょう。
	はい、行きます。
	そこに行きます、行きます。
ピーター・ポリト	さて、それでは一度。
	ということで今レコーディング中です。
	これからはそれに気をつけていきます。
ピーター・ポリト	そうそうなら。
	それが現れても、それは世界の終わりではありません。
	わかった。
ピーター・ポリト	あなたはするであろう。
	をしたい。
	プレゼンテーションを始めると、私はミュートになります、私のカメラはオフになります、私は幽霊になります、あなたは自分だけを話しているだけではないと思うでしょう。
	もし、あんたが。
	残念ながら、大惨事のような空気を作ってしまったように感じて、最初からやり直したいと思っても、まったく問題ありません。
	彼らが私たちにこれをやらせる方法は、あなたがいる場合、私たちは途中で何かを編集することはできません。基本的には、将来あなたがこれを完了してからああと気づいた場合、基本的に1回の実行で完了する必要があります, 本当は、そんなことより、これが言いたかったのです。
	これらが実際に提示されるとき。
	あなたはそうなるでしょう、あなたにはライブになるという選択肢があります、それで私たちはいつでもビデオを一時停止することができます、そしてあなたは言うことができます、分かった、私がここで本当にX、Y、またはZを伝えようとしていたことを言い間違えました、そしてあなたリアルタイムで行う機会があります。
	事実をはっきりさせておいて、それは明日か明後日か何かになるだろうが、その瞬間に私がこれをまったく別のことを言いたかったと感じたら、もう一度やり直せばいい。
	分かった、まあ、そうする必要がなくなるといいのですが、私がシャロンと話すのに苦労していました、そしてニックはすぐに止まりました、そして私は彼らにすぐに止めるように頼みました。
	そして、それは編集されてしまいます。
ピーター・ポリト	うーん、そうそう。
	そして。
	良い。
	わかりました。これを作成している同僚に作業を進めてもらいます。
	そのために、録音を一時停止しましょう。
	わかった。
ピーター・ポリト	わかりました、ビデオをオフにします。
	ちょっと。
	始める前に、画面共有を確認したいと思います。
	完璧ですよ。
	次に、タスクバーを表示する必要があります。
ピーター・ポリト	いいえ、大丈夫です、大丈夫です。
	さて、問題は、ただ最大値が欲しいということです。
	はい、はい、わかりました。
ピーター・ポリト	プレゼンテーション中に平方インチ。
	さて、これがもう一つの取引です。火曜日と先週の両方で、トライアングルアナリストを研究するふりをしたときに、これに関する問題に遭遇しました。それはちょっとした話ですが、プレゼンテーションモードをやらないわけではありません。
ピーター・ポリト	わかりました、それでいいです。
	さて、それではこれを用意しました。そこに私の PowerPoint が表示されているか見てみましょう。
ピーター・ポリト	あなたのパワーポイントを見ています。
	さて、ここに来たらどうですか。
ピーター・ポリト	そして自分の画面が見えます。
	super これを閉じて、別のジョブ画面を開いてみましょう。
	来て。
	ご覧のとおり、これは新しい JMP 画面です。
	スクリプトとスクリプトウィンドウ。
	私はします。
	はい、プレゼンテーションの途中でそれをやめたので、共有を停止して再共有する必要があったので、それを願っています。
ピーター・ポリト	わかった。
	大丈夫です、大丈夫です、今からマイクをミュートにします。
	あなたも。
	ただあなたは大丈夫です、頑張ってください。
	大丈夫ありがとう。
	皆さん、おはよう、こんにちは、またはこんばんは。私の名前はスタン・シラノビッチです。そして、私はCrucial Connection LLCの主席アナリストです。
	私たちはインディアナ州ジェファソンビルにいます。ケンタッキー州の歴史的なルイビルからオハイオ川を渡ったところにあります。
	ご覧のとおり、今日は画面上で、JMP Pro 16 を使用した限られた臨床検査データからの心不全患者の生存予測についてお話します。
	さて、これらは何ですか、
	医療記録のコレクションです。心不全患者の正確な医療記録は 299 件。そして、それらは[理解不能]心臓病研究所と[理解不能]の施設で収集されました。
	[理解不能] パキスタン。そして、それらは 2015 年の 4 月から 12 月の間に収集され、現在、出版されています。
	もともとは、BMC Medical Informatics and Decision Making Journal、2020 年の第 20 巻に、Chicco と Jurman という 2 人の著者が執筆しました。
	そして著者らがやりたかったのは、心不全による死亡の可能性を評価するモデルを作成することでした。
	そして、このモデルは、できれば病院や開業医が心血管疾患のさまざまな重症度を評価するために使用できるように、比較的単純なモデルでなければなりませんでした。
	ここで彼らは歴史を少し掘り下げ、私もそうするつもりですが、これを行う理由を非常に簡潔に述べており、著者はそれに気づきました。
	彼らが調べたデータとそのデータから導出されたモデルは、再現性が最も低く、上位 5 位または上位 6 位にはさまざまな要素が多数含まれていました。
	心不全を予測するためですが、2 つは再発し続け、駆出量とクレアチニンでした。そして、私はそこに行くつもりです
	分析を開始すると、わずか 1 ～ 2 分でそれらがどのようになるかがわかります。さて、著者らが行ったのは、彼らによれば 10 種類の高度な機械学習手法を使用して心不全を予測することでした。
	そこで彼らは 10 個の機械学習スクリプトを実行しました。彼らは、ランダム フォレスト デシジョン ツリー、勾配ブースティングなど、通常の手法をすべて使用しました。すみません。そして彼らが行ったことは 7 つの個別の機械学習で評価されました
	メトリクス。そして、驚くことではないが、血清クレアチニンと駆出量が重要な変数であることが判明した。そして、管理対象は他のすべての変数を除外します。
	そして、JMP Pro 16 で分析を行ったときはそうではありませんでした。そこで、それを見ていき、変数 Age について少しお話しますが、
	その前に、JMP について説明しましょう。
	これが、これから扱う JMP データ テーブルです。
	JMP に慣れていない方のために、ここで簡単に説明させてください。カーソルがある場所にはスクリプト ウィンドウがあります。続いてコラムウィンドウ。何も選択されていない状態で 13 列があることがわかります。これが行ウィンドウで、299 行があります。
	ダウンロードしたのに。その仕組みは、Kaggle に行ったことです。彼らはすべてを Kaggle に公開しました。
	いわば、他の人が練習するためのものです。そしてその間の数年間に、どこかの州がそれを掲載し、177件の個別の提出がありました。それらはすべてオープンソースであり、私が調べたところ、それらはすべてオープンソースでした。
	私たちが通常考えるのは、最も人気のあるオープンソース プラットフォームの上位 2 つです。彼らはまた、R 統計プログラミング言語で行われたオリジナルの分析をそこに組み込み、すべてのコードを GITHUB に公開しました。それでは、JMP で何ができるかを見てみましょう。
	さて、先ほど触れた変数について見てみましょう。まず第一に、クレアチニンホスホキナーゼがあります。それは酵素です。
	そしてそれは筋肉の損傷の指標です。血液中の化学物質である血清クレアチニンもあります。
	そして、これは筋肉損傷と腎不全の両方の指標であり、ここでは心不全について考えているので、筋肉損傷について話しました。
	また、心臓から出ていく血液の割合である駆出率もあり、キャプションの割合をロードする必要があることは、心筋損傷の指標となります。血清ナトリウムもあります
	これは血液検査で行われる日常的な測定です。そして、ここでの値は非常に低く、おそらく心不全の指標です。
	また、バランスのとれたデータセットと言えるものがあることにも注意する必要があります。あれは、
	私たちは...まあ、陽性と呼ぶべきではありませんが...ここでの症例の32%で死亡、68%で生存がありました。そうですね、1対2です
	人々の 3 分の 1 が心不全を患っていましたが、現在では 3 分の 2 が心不全を患っています。ここで使用するデータセットは比較的小さいことにも言及しておく必要があります。
	299行。心臓の記録としては非常に小さい。それでは、分析から始めて、別の JMP データ テーブルを取り上げてみましょう。
	それがこのデータテーブルです。これは省略させていただきます。それを別の画面にドラッグします。
	さて、私たちはデータテーブルを見ています、そして私はすでにこれについて少しの作業をしました、いくつかのことを再配置します、そしてここであなたは気づくでしょう、
	貧血、糖尿病、高血圧、性別、喫煙。最初に JMP にインポートしたとき、連続した
	分散型または継続型
	データ型と私がやったのはそれらを変更したことです。たとえば、ここに来て、貧血、あるいはさらに言えば高血圧を調べたとします。
	高血圧 - ゼロと 1 がありますが、カットオフがどこにあるのかについてはあまり言及されていませんでした。ここで継続的なデータがあれば良かったと思います。
	収縮期と拡張期。そうではありません。それが私たちが取り組まなければならないことであり、私はそれらすべてを変更しました。そして、血小板も見られるでしょう
	隠されています。
	そして、それは私が隠したり除外したりしたからであり、それは私がそれらをきれいにしなければならなかったからであり、私がやりたいことがもう1つあるからです。
	そして、これを行う方法を示してください、意図的にそれをしませんでした、私はここに行って年をとり、それを隠すつもりです。
	また、それを除外します。つまり、グラフ表示から非表示になっています。誤って他のものにドラッグしてしまった場合に備えて、計算からも除外されます。その理由については、後で説明します。若干。それで、
	少し違うやり方でやってみます。すみません、分析を始めます。分析が終わったら、戻って掃除をします。説明しながら説明します。
	それで私たちはここに来て、
	分析する
	そして
	一瞬他のものを追うこと。さて、ところで、PowerPoint のデッキは Discovery Summit の Web サイトにアップされる予定です。そこにはいくつかのスクリーン キャプチャと少しの説明が含まれていますので、必要に応じてフォローしていただけます。それは自分自身のためです。
	そこで、最初に行うことは、[分析] メニューに移動し、それをクリックして、[予測モデリング] に移動することです。
	ここには、モデルの比較やモデルのスクリーニングなど、多くの選択肢があります。ここではモデル スクリーニングについて、「最適なものを選択できるように、さまざまな予測モデルに適合する」と書かれています。
	それで、それは私たちがやりたかったことのようですが、私たちは並行してやりたいと思っています
	オリジナルの分析。そして、このウィンドウが表示されます。お気づきかと思いますが、ここの左側にボックスがあります。
	それにはチェックボックスがあり、どのモデルを実行するかを示します。これはすべてデフォルトです。
	たとえば、Decision Tree、Booststrap Forest、Boosted Tree、Fit Least Squares などを実行します。どれも私たちのお気に入りです。そこには、11 個のそれらがあり、JMP がそれを自動的に実行します。つまり、DEATH_EVENT、
	それが私の Y 応答になります。そして、私がやろうとしているのは、
	ここでクリックしてドラッグしてすべての変数を選択し、これを X 因子として入力します。
	そして「OK」をクリックします。
	そして私たちは静観して JMP のやるべきことをやらせます。
	そして、それがそこにあります。得られた結果は次のとおりです。
	それでは、このまま作業を進めてみましょう。詳細は次のとおりです。さまざまなことがわかります
	この灰色の三角形をクリックすると実行中であることが分析されます。
	さらに詳細を確認できます。ウィンドウに表示される詳細は、特定の分析と実行に応じて異なります。もちろん、さらに先に進みたい場合は、赤いホットスポットをクリックすると、追加の選択肢がいくつか表示されます。
	それで、それが私たちがここに持っているものであり、それが完了したときに、ここにあるこのボックスも開き、トレーニングというラベルが付いています。そして、これはすべてのデータをトレーニング セットとして実行した結果です。言い換えれば、訓練は何もなかったということです。
	お試しセットはありませんでした。すみません、トレーニング セットはありましたが、テスト セットはありませんでした。また、検証セットはありませんでした。これは、何も選択しなかったためです。
	これは単なるスクリーニングであり、どれがトレーニングで最も優れた結果をもたらしたかがわかります。さて、ここで列の数が表示されるので、見てみましょう
	それらを簡単に説明します。エントロピー R の 2 乗は、
	単純に R を 2 乗すると、
	これは近似モデルの対数尤度を比較する尺度であるため、対数値になります。
	そして、誤算率、ここの曲線の下の面積があり、明らかに高い方が良いでしょう。
	そして、二乗平均予測率である RASE が得られます。したがって、これは 1 確率と p 確率の違いです。
	それは、JMP が考え出したモデルの適合確率です。そして、一般化された R 二乗があります。これは、誰もが R 二乗として考えるものです。それは
	測定...これは回帰モデルに適用され、完全に適合した場合は 1 になり、適合しなかった場合は 0 になります。彼らはここでランク付けされているため、Bootstrap Forest がトップになりました。
	他に何を言いたいのか、メモを確認してみましょう。
	それくらいだと思います、できるでしょう
	またここに来てください
	そして、ブートストラップ フォレストを開いて結果を確認すると、ここで設定したトレーニングについて、混同行列を見てみましょう。それは私たちに与えます
	ここにトレーニング データがあり、これは私たちが見たものと同じデータですが、これはブートストラップ フォレスト専用であり、ここに数を予測した混同行列があります。
	そして、ここには Bootstrap Forest の予測レートがあります。これに慣れていない場合、または記憶が少し曖昧な場合は、これが何をするかというと、次の数を表示します。
	死亡イベントは、値がゼロの実際の死亡イベントであり、患者はここで生き残ったことを意味します、83、
	値 1 の死亡イベントがありました。これは、患者が生存しなかったことを意味します。これは絶対数なので、左上から右に向かう対角線を見たいと思います。
	右下と左下から右上への対角線は、間違ったカウントです。ということで、13個になりました
	ここでは生き残ると予測されていた時代が、生き残れませんでした。それらは死でした。そして、ここの 2 番目の灰色のボックスには同じデータがありますが、これはレートを扱っています。私たちの場合は、不均衡なデータセットがあるため、これはもう少し良い測定方法であるため、それは閉じます。
	そして次に、
	これから行うことは、分析および適合モードに移動することです。そして、私たちがこれを行う理由は、それに回帰モデルを適合させるためです。つまり、人々にとって非常に理解しやすく、次のことが得られます。
	私たちに自慢するチャンスをください
	JMP で対話する機能。それで、私がやろうとしているのは、それを閉じて、分析するためにここに行くつもりです。
	フィットモデル。
	そして、まあ、
	変数はわかったので、まずここに上がらせてください
	そこに予測したいものとしてDEATH_EVENTを入れます。そして私たちはクレアチニンが間違っていることを知っていますし、それを見てきました。駆出率
	そしてそれがここです。
	セラム・クレアチン
	重要な変数です。そして、いくつかの分析では年齢も浮かび上がってきました。ということで、見つけたら入れてみます。
	ちょっとまって。
	何かが抜けていたので、もう一度やり直しましょう。
	やあピーター、ちょっと立ち止まっていいですか。
	それで、私がやろうとしていることは、分析するためにここに来ることです、
	フィットモデル。そして、Y が DEATH_EVENT になります。
	そして、私がやろうとしていることは、モデルの数が重要な変数として年齢を見つけたので、年齢を追加することです。そして、入れます
	駆出率と血清クレアチニン。
	著者らは年齢が重要な変数であることを発見しませんでしたが、私はそうしました。そこには相互作用があるのではないかと考えました。JMP を使用すると、それを非常に簡単に処理できるようになります。それで、私はそのようにして、年齢をクリックします
	「追加」をクリックする代わりに駆出率、
	ここに来ます
	「クロス」をクリックすると、年齢が上がります。
	そして
	セラム・クレアチン。
	それがコントロールクリックです。
	それを追加していきます。
	年齢、駆出率、ちょっと待ってください。
	あれは脂肪が指を入れただけだと思います。
	それでは行きます。
	これでそこに 2 つのインタラクションが追加され、パーソナリティの選択肢が与えられたことがわかります。そして、私たちがやろうとしているのは、デフォルトである名目ロジスティックを受け入れることです。
	他にもいくつかの選択肢がありますが、ここではそれに固執します。
	そして「実行」をクリックします。
	そして、これが得られるものです。
	そして。
	ここで価値を記録する必要がありますが、これは基本的にマイナスです。
	この確率値の 10 を底とする対数をここに示します。そうする理由は、失礼ですが、作業が容易になり、グラフ化が容易になり、人間が理解しやすくなるからです。したがって、これがリストの 1 位であることがわかります。
	失礼ですが駆出率です。これは著者が発見したものです。 2 位は血清クレアチニンですが、年齢は依然として 3 位であり、非常に重要です。
	そして私たちは覗いてみました
	相互作用は重要ではないことがわかります。ちなみにこの青い線は2の値です。 2つです。
	そして、彼らはそれを入れたり、単に見やすくしたりするためにそれを入れました。 2 つを選択した理由は、それが .01 の対数 (JMP によってデフォルトとして選択される有意水準) であるためです。
	しかし、ここに来て、対数価値または値と回帰方程式が比較的低くなることがわかりますが、ここでは 0.05 であり、多くの実験計画ではカットオフになる可能性があります。かなりカットされる可能性があります。
	分析は機能するため、ここでは無視しますが、制限の .01 を超えていないため、これに注意してください。
	臨床医にとっては興味深いかもしれません。それは彼らに他に注目すべき何かを与える可能性があり、それは別のデータセットでは重要である可能性が非常に高いです。そして、ここには通常のデータがすべてあります。何を見てみましょう。下にスクロールしてみましょう。
	カイ二乗確率がありますが、これについては説明しません。また、回帰式の係数となる推定値もここにあります。
	それが私たちが見つけたものでした。
	それで、それを最小限に抑えて、これからクリーニングと探索に進みます。最初にクリーニングせずにそうした理由は、元の記事では、何も言及されていなかったからです。
	クリーニングやデータの書き換えなど。彼らはデータを取得し、その上でモデルを実行しただけです。
	そして、私は最初にデータを見るのが好きです。そこで、ここでいくつかのことを見てみましょう。まず、ここまで来たら、
	その小さなアイコンをクリックすると、ヘッダー グラフが表示されます。そして、私はそれをするのが好きです。ここで 1 をクリックしてみましょう。
	これらの用語を使用させていただく場合、ポジティブな死亡イベント。
	そして、これにより、死亡イベントが 1 であるすべての行が強調表示されます。これを詳しく見て、表示される他の変数と何らかの相関関係があるかどうかを確認したいとします。そしてそこにはそれほど多くはありません。
	私のウィンドウでは、非常に非常に偏った分布があることに気づきました。
	クレアチニンホスホキナーゼと血清クレアチニンについては、少し奇妙に見えます。そこには他に何もありません、それらをクリアできます
	グラフ内の他の場所をクリックすると、ちなみに、詳しくない方のために説明すると、このようなことは次のとおりです。
	何かを展開したい場合はドラッグ可能です。
	ここからグラフビルダーに行きましょう。
	見てみましょう。
	ここで気になるのは、クレアチニン ホスホキナーゼとシフト クリックの列を選択することです。
	血清クレアチニンについては、ああ、それをする前にほとんど忘れていました
	右クリックしましょう
	そして、ここからすぐに分布に進むことができます。これは、グラフと分布に進んだ場合と同じ結果になります。両方の分布が非常に偏っていることがわかります。
	外れ値がたくさんありますが、ここでは分位点だけを示して終わりにします。それはもう終わりにさせてください。そんなものは本当に必要ありません。
	それでは、概要統計を見てみましょう。
	クレアチニン ホスホキナーゼの平均値は 581、標準偏差は 970 です。つまり、これは少し奇妙です。これは明らかに理想的なケースからは程遠いですが、血清クレアチニンについては平均値があるということです。
	私はこれを 1.4 と呼び、標準偏差を 1.0 と呼びます。したがって、それも理想的な状況ではありません。また、他の情報も提供されます。このグラフでは少し見にくいかもしれませんが、そうでない場合は、
	箱ひげ図を見ることに慣れていると、ひげは四分位範囲の 1.5 倍になります。これは、箱の最下部である 25 パーセンタイルと、最上部である 75 パーセンタイルとの差です。
	ひし形は平均値を示し、線は中央値を示します。そして、それをもう少し明確にするために、これを拡張すると、もう少しよく見えるようになり、そこには外れ値がたくさんあることがわかります。
	それで、
	血清クレアチニンは非常に強力な予測変数の 1 つであることを覚えておいてください。もう少し詳しく調べることもできます
	グラフビルダーに移動します。
	それでは、グラフ、グラフビルダーに進みましょう。
	そしてこれが私たちが得たウィンドウです。
	そうですね、私たちは調査を通じて知っていますし、
	クレアチニンホスホキナーゼが体内で継続的に生成されるという、何らかの主題、専門知識ではないにしても知識。そしてそれはそれに反応します
	これは血清クレアチニンとなるものの前駆体なので、おそらくこの 2 つの間に何らかの関係があるのか​​もしれません。また、それらの、まあ、不満足な分布についても調べたいと思います。それで、ここにクレアチニンホスホキナーゼがあります。
	ここをクリックするだけで、それを X 軸に配置します。
	そして、血清クレアチニンについても Y 軸で同じことを行うと、結果が得られます。そこで、Y 血清クレアチニンが 0 から 10 に変化することに気付きました。
	クレアチンホスホキナーゼ、おい、それはここでかなり出てくるんだな
	今や私たちにできることは 1 つあります。
	クリックドラッグなので、もう少し広げることができます。しかし、私たちにできるもう一つのことは、
	軸をダブルクリックすると、このウィンドウが表示されます。これについては詳しく説明しませんが、ここに来てスケールを見て、8000 を超えると最大値が表示されます。そして、ここのグラフを見ると、 、それを邪魔にならないようにしましょう。
	確かに、クレアチン ホスホキナーゼの値のほとんどは 1000 未満です。実際、それらのかなりの部分はおそらく 5 ～ 600 未満であるようです。
	それで、
	その必要はありません。
	それを次のように変更します
	800を選びましょう。
	わかった。
	そして、それらのデータポイントだけのグラフが得られます。他のものをすべて切り取ってみると、基本的に直線であることがわかります。それらの間に実際の関係はなく、ここにはいくつかの外れ値もあります。
	血清クレアチニンは 10 でかなり上昇しています。そして、これは価値面を否定しているように見えます。そのため、戻ってそれらをもう一度見てみる必要があるかもしれません。外れ値のいくつかを取り除くと、うまく入って異なる結果が得られるかどうかを確認する必要があるかもしれません結果。
	これでほぼ終わりです。最小限に抑えましょう。
	最後にデータセットを見てみましょう。
	そうそう、血清クレアチニン。
	これを連続として入力しますが、ここの列を見ると、最小数が小数点第 1 位に表示されているため、そこに 10 個の値に加えて、ほとんどの値にさらに 10 個の値が含まれる可能性があります。
	したがって、分析によっては、これをどのように扱うかについて疑問が生じるかもしれません。
	そして私たちは分析から確かにそれを望んでいます。それを使います。本当にそれを連続変数として考えるべきでしょうか、それとも、多分、という順序変数として考えるべきでしょうか。
	わからない、
	その順序変数には 20 の異なる値があります。 20 や 25 など、マーケティング分析ではよく行われることですが、ここでは通常は行われませんが、考慮する必要があります。それで、させてください
	ここで要約に戻ってください。パワーポイントに戻ります。
	それを拡大して皆さんにも見ていただけると幸いです。そこで私たちが得たものをここに示します。
	JMP がデフォルトで選択した 11 の異なるモデルがあり、それらの 11 の異なるモデルを取得し、分析、予測モデリング、モデル スクリーニングに進むだけでそれらすべてを取得できます。血清クレアチニン、年齢、駆出率がすべて重要であることがわかりました。
	そして、年齢相互駆出率相互作用は、たとえそれが私たちの研究にとって実際には重要ではなかったとしても、さらなる臨床研究を正当化する可能性があることを発見しました。
	価値観で決まる。また、特にクレアチニン分布で非常に歪んだ値がいくつか見られました。これはモデルで使用されており、かなり小規模で不均衡なデータセットが使用されていました。そして、先ほど年齢について触れました。元に戻りましょう。
	それをドラッグして遠ざけてください。こちらが年齢です。
	そして、ある程度偏った分布があり、それをモデルに入れなかったのですが、それをモデルに入れなかった理由は、データの収集方法にありました。
	記事を読むと、この時代の様子は、戦後の人々をチェックするためにある種の医療従事者を派遣していたことがわかります。
	元のデータは研究のために開発されました。つまり、65 年を見ると、65 か月後に遡ることになります。
	ああ、すみません、それは私が時間について話している年齢ではありませんでした、ここに戻りましょう。私がそれを再表示する時間に行きます。
	そして時間もあります。ちょっと奇妙ですので、少し抜粋させてください。
	彼らがしたこと
	彼らは最初の研究の後に戻ったのだろうか。したがって、16 年を見ると、元の研究から 16 か月後に遡って、死亡イベントがあったかどうかを確認します。つまり、患者はまだ生きているのか、それとも彼も彼女もまだ生きていないのかということです。
	それで、16か月後、この患者、21番は、
	まだ生きていた。さて、ここで死に至るまでのイベントを取り上げたいと思います。
	そして、ここに来てください。
	時間は 20 分です。
	そうですね、死亡事件が彼らがチェックした前日に起こったのか、1週間前なのか、1か月前なのか、2か月前なのかはわかりません。論文を発表して Kaggle に掲載した元の著者は、そのデータを実際に調べました。
	そして、そこから前向きな結論を見つけることはできませんでした。その人は 1 か月目に死亡する可能性がありましたが、1 か月目には誰も確認しませんでした。
	また、追跡検査の頻度もわかりません。だからこそ、それを追加して含めたので、そこにもっと良いデータがあれば、ここに来て分析できたのですが、
	信頼性と生存性を考慮して、X による寿命分布やフィット寿命を実行することもできました。これは、これらの多くが行われる方法ですが、この特定のケースではそれを実行できませんでした。
	それでかなり
	プレゼンテーションを終了します。PowerPoint の資料に戻りたいと思います。資料は再度サイトに掲載されます。元のジャーナル記事へのリンクはここにあります。
	カグル。
	ページ。 CSV である Kaggle データセットと、
	R コードを含む作者の Github リポジトリ。そして、皆さんも楽しんでいただければ幸いです。
	そしてそれとともに
	このプレゼンテーションを終了させて​​いただきます。
ピーター・ポリト	今のグッドジョブはとても興味深いです。
	ありがとう。
ピーター・ポリト	さて、チェックリストを作成して確認しましょう。
	もちろん。
ピーター・ポリト	私は違います。
	エージェントの時間を考えるとそんなことは信じられません。
	どうか、それを捕まえてください。
ピーター・ポリト	そう、そしてもし彼らが戻ってきて言うなら、ああ、私たちはそうしません、一時停止するのは好きではありません、私たちがすることはあなたが生きているときです、あなたはそれができるだけです、それを発表している人と話すことができます、そしてあなたはスキップすることができますその部分については、これが起こったことであり、そうなっているとだけ言ってください。
	わかりました。
	録り直しとは言われないと思いますが。
	良い。
	そうですね、彼らがそうするなら、それは大きな問題ではありません。
ピーター・ポリト	さて、私は他のことはすべて私がやるつもりです。
	録画を停止したら準備完了です。
	そして、良いです。
ピーター・ポリト	見させてくれて本当にありがとう。
	そうですね、良かった点は、私がいくつか失敗したにもかかわらず、彼が何のトラブルもソフトウェアも持っていなかったことです。
	これですべてが素晴らしく見えました、はい、すべてをドラッグしてそこに留まったので、それは良かったです。
ピーター・ポリト	わかりました、まあ。
	おそらくディスカバリーサミットであなたとすれ違って、素晴らしい一日を過ごすことになるでしょう。
	よし、あなたも劇場へ。
ピーター・ポリト	よし、バイバイスタンド。
	による。

起こるデータ探索データの視覚化