756804_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)

スタンレー・シラノビッチ、Crucial Connection LLC 主席アナリスト

心血管疾患（CVD）は主な死亡原因であり、世界中の全死亡の約30％を占めています。したがって、特に高リスクのケースでは、早期発見と治療が命の損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）に掲載された研究で使用された299行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いくつかの予測因子と、それらが心不全を予測する能力を調べます。予測因子スクリーニングと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ます。また、従来の方法と比較して、視覚化、インタラクティブ性、分析フローによって発見までの時間が短縮されることを示すために、ライブデモとして分析を実施します。

自動生成されたトランスクリプト...

スピーカー	トランスクリプト
ピーター・ポリト	こんにちは、スタン。そこにいますか。
	やあ、ピーター。
ピーター・ポリト	お元気ですか。
	元気ですよ。
	素晴らしい。
ピーター・ポリト	今日の要約作成についてどう感じていますか。
	ええ、かなり気分がいいですよ。
	よし、パッティングの練習にあと1週間は時間がなかった気がします。
ピーター・ポリト	そうですね。
	私はいつも、完璧は善の敵であると考えてきました。
	ああ、その通りですね。間違ったリンクをクリックしてしまいました。
	ああ、申し訳ありません。はい、今回は録音先のスペース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。
	あなたがいるところ、私たちもいるところ。
ピーター・ポリト	申し訳ありません。
	わかりました。停めさせてください。
	始める前にいくつか確認したいことがありますが、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。
	ちょっと待ってください。今日はどうですか。
	ここまでは順調ですね。
ピーター・ポリト	よかったです。どこからお電話ですか。
	私はケンタッキー州ルイビルの川の真向かいにあるインディアナ州ジェファーソンビルから電話しています。
ピーター・ポリト	わかりました。11月にレキシントンとリバブルに行きます。
	ああ、本当に会議の一つのためだよ。
ピーター・ポリト	それが私の喜びであることを知っています。
	義理の弟の40歳の誕生日とその他いろいろ。
	みんなでウイスキーのテイスティングのために集まります。
	よかった、彼らはバーボントレイルを手に入れた。君も行くかい。
ピーター・ポリト	まさにそれが私たちがやっていることです。
	よし、ちょっと待って、スタン。
	わかりました。それが終わったら、私に知らせてください。私の携帯電話の番号をお伝えします。
ピーター・ポリト	わかりました。見てみましょう。
	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、タイトルの目的は、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ことです。
	それでおしまい。
ピーター・ポリト	さて、ここでいくつかの点について説明する必要があります。
	共同発表者はいません。
	正解です。次に、口頭で確認する必要がありますが、これは JMPed Discovery Summit カンファレンスのために録画され、JMP ユーザー コミュニティで公開されることをご理解いただき、この録画とその使用を許可していただけますか。
	大変助かりました。ありがとうございます。大丈夫です。
	音声が明瞭に伝わっているか確認したいので、少しだけお話しいただけますか。
	では、始めさせてください。私の名前は、ICH の Stan Saran で、Crucial Connection LLC の主席アナリストです。
	私は、有名なケンタッキー州ルイビルのオハイオ川の向かいにあるインディアナ州ジェファーソンビルにいます。今日は、心不全の予測についてお話しします。
ピーター・ポリト	完璧です。問題なく届いています。とてもクリアです。
	わかった。
ピーター・ポリト	映像が鮮明に表示されるようにするには、いくつか必要な作業があります。お使いのディスプレイが Windows マシンであるかどうかを確認する必要があります。
	私は Windows 10 マシンを使用しており、外付けモニターで作業する予定です。
ピーター・ポリト	はい、下部にある検索バーに「display」と入力してください。
	下部に検索バーがあります。
ピーター・ポリト	はい、これをしている間に画面を共有していただければ、共有できます。
	はい、確認してください。
	ええ、言うまでもなく、これには少し問題がありました。
	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。
	わかった。
ピーター・ポリト	下部に画面共有ボタンが表示されます。ああ、そうですか、すみません、父のほうに表示されています。
	はい、はい、それでは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、そこにあったよ。
ピーター・ポリト	ああ、もう一度試すときには Enter キーを押さないようにしたいですね。
	わかった。
ピーター・ポリト	それでは解像度を変更してみましょう。
	そしてマイクロソフトの経営陣。
ピーター・ポリト	ああ、それはあなたが知っていると思いますが、それはあなたの他のモニターにありますか。
	はい、他のモニターにあります。
ピーター・ポリト	わかりました。こちらにドラッグしていただけますか。
	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しか見えません。
	それはそれです。
ピーター・ポリト	彼が言ってたから。
	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	画面全体を共有しましたか、それとも一部だけを共有しましたか。
	ウィンドウは、画面全体を共有するものだと思いました。
	新しいシェア。
	問題は、多くの場合、それが私のものを隠してしまうことです。
	ズーム ミーティングのコントロール バー。
	ああ。
	だから私はこうやってやろうとしているんです。
	スケジュールを見て、それがどうやってそこに入ったのか確認できますか。
ピーター・ポリト	スケジュール設定が簡単になることがわかります。
	はい、それは自由です。
	そして私はおそらく自分の見通しを見つめているのでしょう。
	うん。
ピーター・ポリト	とにかく、始める前に Outlook を閉じておきます。
	はいはい、これで接続ができたので、追加のウィンドウは必要ありません。それを閉じて、すべてのウィンドウを開きます。
	はい、それでは始めましょう。
	必要なのはそれだけです。
	画面を共有する新しい共有。
	それをドラッグしてみましょう。
	ここで、新しい共有ボタンをクリックすると、
	私のデスクトップが表示されます。
ピーター・ポリト	緑のテントが見えます。
	美しい。
	ミルキーの夕日。
	ああ、ああ、そうか、そうか、そうか。
	ここに戻って、すべての検索を再度表示します。
	検索バーが表示されます。
	うん。
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には、オプションをクリックして変更してください。
	わかった。
ピーター・ポリト	さあ、1920 にいましたが、大丈夫です。完璧です。それが私たちが目指すところです。
	はい、それでは閉じてください。
	よし。
ピーター・ポリト	次に、下部のタスクバーを右クリックします。
	タスクバーの設定に移動します。
	クリックしてください。
	うん。
ピーター・ポリト	うん。
	わかった。
ピーター・ポリト	つまり、2番目のオプションです。
	自動的にテストして、実行します。
	わかりました。他に何かありますか。
	1つ。
ピーター・ポリト	行って閉じることができます。
	そして最後に私たちがやりたいことは、下に行くことです。
	好きですか。
	通知タブなど、ポップアップが表示される可能性のあるものは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。
	さて、唯一の問題は、コントロール バーがラップトップ モニターにまだ表示されていて、yelp ボード モニターのテスト バーがまだ表示されていて、そこからプレゼンテーションを行いたいということです。
ピーター・ポリト	さて、一つ。
	そこに戻って、自動的に変更されるかどうかを確認しましょう。
	わかりました。デスクトップをクリックしてみれば、問題は解決するかもしれません。
	はい、そうです。
	さあ、行きますよ。
ピーター・ポリト	はい、それでは一度。
	今録音中です。
	これからは気をつけようと思います。
ピーター・ポリト	そうだね。
	もしそれが現れたとしても、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。
	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、カメラはオフになり、幽霊になります。独り言を言っているだけではないと思うでしょう。
	もしあなたが。
	まるで大惨事のような空気を作ってしまったような気がして、最初からやり直したいと思うかもしれませんが、残念ながらそれはまったく問題ありません。
	彼らが私たちにこれをやらせているやり方では、途中で何かを編集することは実際にはできないので、基本的に 1 回の実行で実行する必要があります。将来、これを終えた後に、ああ、あれではなく、本当はこれを言いたかったのだと気付くことになります。
	これらが実際に提示されるとき。
	ライブ配信のオプションがあるので、いつでもビデオを一時停止して、「X、Y、Z について、私が伝えようとしていたことを言い間違えました」と伝え、リアルタイムでそのことを説明することができます。
	記録を正しておけば、明日か明後日などに気付くかもしれませんが、その瞬間に「これはまったく違う言い方をしたかった」と感じたら、もう一度やり直すことができます。
	わかりました。うまくいけば、そうしなくて済むでしょう。シャロンと話すのに苦労していたのですが、ニックはすぐに止めました。私も彼らにすぐに止めるように頼みました。
	そしてそれは編集で削除されるのです。
ピーター・ポリト	ああ、そうだそうだ。
	はい、それで。
	良い。
	わかりました。これを制作している同僚に作業を任せます。
	それで、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。
	今度はタスクバーを表示させたいと思います。
ピーター・ポリト	いいえ、大丈夫です。
	さて、問題は、私たちが最大限を望んでいるということだ。
	うんうん、わかった。
ピーター・ポリト	プレゼンテーション中に 1 平方インチのスペースを確保します。
	さて、もう一つの取引ですが、火曜日と先週の両方で、三角形のアナリストを研究しているふりをしたときに、これに遭遇しました。これはちょっとした話ですが、プレゼンテーション モードは行いません。
ピーター・ポリト	はい、大丈夫です。
	はい、それでは、私の PowerPoint が上にあるのが見えますでしょうか。
ピーター・ポリト	あなたの PowerPoint は見ています。
	さて、私がここに来たらどうでしょう。
ピーター・ポリト	そして画面が見えます。
	super これを閉じて、他のジョブ画面を開きます。
	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、はい、プレゼンテーションの途中でやめてしまったので、共有を停止して再度共有しなければなりませんでした。
ピーター・ポリト	わかった。
	大丈夫ですよ。ではマイクをミュートします。
	あなたも。
	あなたはあなたのままでいい、幸運を祈るスタンスです。
	わかりました、ありがとうございます。
	皆さん、おはようございます、こんにちは、こんばんは。私の名前はスタン・シラノビッチです。Crucial Connection LLC の主席アナリストを務めています。
	当社はインディアナ州ジェファーソンビルにあります。歴史あるケンタッキー州ルイビルのオハイオ川の真向かいにあります。
	ご覧のとおり、本日は JMP Pro 16 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率を予測する方法についてお話しします。
	さて、これらは何でしょうか。
	医療記録のコレクションです。正確には心不全患者の299件の医療記録です。それらは[不明瞭]心臓病研究所と[不明瞭]の施設で収集されました。
	[不明瞭]パキスタン。2015年4月から12月にかけて収集されたものです。
	もともとは、2020年にChicco氏とJurman氏の2人の著者によってBMC Medical Informatics and Decision Making Journal、第20巻に掲載されました。
	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だった。
	そして、このモデルは比較的単純なモデルである必要があり、できれば病院や医師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する必要があります。
	今、彼らは歴史について少し触れています。私もそうするつもりですが、これを行う理由を非常に簡単に述べます。著者はそれに気づいています。
	彼らが調べたデータと、そのデータから導き出されたモデルは、再現性が最も低く、また上位 5 位または上位 6 位にさまざまな要因が含まれていました。
	心不全を予測するために、2つの指標が繰り返し現れました。駆出量とクレアチニンです。そして、私は
	分析を開始したら、わずか 1 ～ 2 分でそれが何であるかがわかります。著者らは、心不全を予測するために、10 種類の異なる高度な機械学習手法を使用しました。
	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。ランダムフォレスト決定木、勾配ブースティング、その他あらゆる通常の手法を使用しました。失礼ですが、7つの別々の機械学習で評価しました。
	測定基準。そして、予想通り、血清クレアチニンと駆出量が重要な変数であることを発見しました。そして、他のすべての変数を除外することに成功しました。
	JMP Pro 16で分析を行ったときにはそうではありませんでした。そこで、変数Ageについて少しお話ししたいと思いますが、
	その前に、JMP について説明しましょう。
	ここで、これから使用する JMP データ テーブルを示します。
	JMP に馴染みのない方のために、ここで簡単に説明します。カーソルがあるところにスクリプト ウィンドウがあります。次に列ウィンドウがあります。何も選択されていない列が 13 個あることがわかります。ここに行ウィンドウがあり、行は 299 個あります。
	ダウンロードしたのですが、Kaggleにアクセスしました。Kaggleにすべてを公開しました。
	いわば、他の人が練習するためのものでした。そして、その間に、ある州がそれを公開し、177件の個別の応募がありました。それらはすべてオープンソースで、私が見た10件ほどはすべて
	通常、私たちが考えるように、最も人気のあるオープンソース プラットフォームのトップ 2 です。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もそこに含まれており、すべてのコードは GITHUB に公開されています。それでは、JMP で何ができるか見てみましょう。
	さて、先ほど触れた変数について見ていきましょう。まず、クレアチニン ホスホキナーゼがあります。これは酵素です。
	これは筋肉の損傷の指標です。また、血液中に含まれる化学物質である血清クレアチニンもあります。
	これは筋肉の損傷と腎不全の両方の指標であり、ここでは筋肉の損傷について話しましたが、心不全についても考えています。
	駆出率も測定します。これは心臓から出る血液の割合で、この値に負荷をかけると心筋の損傷の指標となります。また、血清ナトリウム値も測定します。
	これは血液検査で行われる通常の測定です。ここで非常に低い値は、心不全の兆候である可能性があります。
	また、データセットのバランスが取れていると言えるものもあることにも注目すべきです。つまり、
	陽性とは言いませんが、32%の症例で死亡し、68%が生存しました。つまり、1対2です
	心不全を患った人は 3 分の 1 で、現在 3 分の 2 が心不全を患っています。ここでのデータセットは比較的小さいということ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少ないです。それでは分析を始めて、別の JMP データ テーブルを表示してみましょう。
	これがここにあるデータ テーブルです。これを削除しましょう。別の画面にドラッグします。
	さて、データテーブルを見ています。私はすでにこれに少し手を加えました。いくつかのものを並べ替えると、ここにあることがわかります。
	貧血、糖尿病、高血圧、セックス、喫煙。最初にJMPにインポートしたときは、連続した
	分布または連続
	データ タイプを変更しました。たとえば、ここに来て貧血、または高血圧を調べます。
	高血圧 - 0と1がありますが、カットオフがどこなのかは特に言われていません。ここで連続データがあればよかったのですが。
	収縮期血圧と拡張期血圧は違います。そうではありません。そのため、私たちはこれらをすべて変更しました。また、血小板も
	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、それらをクリーンアップする必要があったからであり、他にやりたいことが 1 つあるからです。
	そして、これを意図的に行わなかった方法をお見せします。私はここに行って年齢を重ね、それを隠します。
	また、グラフから非表示にして表示し、計算から除外します。誤って他のものと一緒にドラッグした場合に備えてです。その理由については後ほど説明します。
	これを少し違ったやり方でやってみましょう。まず分析から始め、分析が終わったら戻って整理をします。その過程で説明していきます。
	そこで私たちはここに来て
	分析する
	そして
	ちょっと他のことに目を向けてみましょう。ところで、PowerPoint の資料は Discovery Summit の Web サイトにアップされる予定です。そこにスクリーン キャプチャと簡単な説明も載せてありますので、ご自分でやってみたい方は一緒に見ることができます。
	まず最初に、上の「分析」メニューに移動してクリックし、下の「予測モデリング」に移動します。
	ここでは、モデル比較やモデル スクリーニングなど、さまざまな選択肢があります。モデル スクリーニングについては、「さまざまな予測モデルに適合し、最適なものを選択できるようにします」と書かれています。
	それで、私たちはそれをやりたいと思っていたようです。
	元の分析結果です。そして、このウィンドウの左側にボックスがあります
	そこにはチェックボックスがいくつかあり、どのモデルを実行するかが示されます。これはすべてデフォルトです。
	たとえば、決定木、ブートストラップフォレスト、ブーストツリー、最小二乗法などを実行します。すべて私たちのお気に入りのものです。そして、そこには11個のものがあり、JMPはそれを自動的に実行します。DEATH_EVENT、
	これが私のYの回答です。そして私がやろうとしているのは
	ここですべての変数をクリックしてドラッグ選択し、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、私たちはただ座って、JMP に仕事を任せます。
	そして、これが私たちが得た結果です。
	それでは、これをもとに作業を進めていきましょう。詳細は次のとおりです。さまざまな
	この灰色の三角形をクリックすると、実行中の分析が表示されます。
	さらに詳しい情報を見ることができます。ウィンドウに表示される詳細は、特定の分析と実行によって異なります。さらに詳しく知りたい場合は、もちろん、赤いホットスポットをクリックすると、追加の選択肢が表示されます。
	これがここに表示されているもので、これを実行すると、ここにあるボックスも開き、トレーニングというラベルが付いています。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。つまり、トレーニングは行われなかったということです。
	テスト 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、検証セットもありませんでした。これは、選択を行わなかったためです。
	これは単なるスクリーニングで、トレーニングでどの結果が最も良​​かったかを教えてくれます。さて、ここには列の数が表示されているので、
	簡単に見てみましょう。エントロピーRの2乗は
	単純にRの2乗であり、
	これは、適合モデルの対数尤度と比較する尺度なので、対数値になります。
	そして、誤算率、つまり曲線の下の領域がここにありますが、明らかに高いほど良いでしょう。
	RASE は、平均二乗予測率の平方根です。つまり、これは 1 と p 確率の差です。
	これはJMPが導き出したモ​​デルの適合確率です。そして、一般化R二乗が​​あります。これは誰もがR二乗と考えるものです。
	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。これらはここでランク付けされており、Bootstrap Forest がトップになりました。
	他に何を言いたいか、メモを確認してください。
	だいたいこんな感じです
	またここに来て
	Bootstrap Forestを開いて結果を確認します。ここでトレーニングセットの混同行列を見てみましょう。
	ここのトレーニング データは、先ほど見たものと同じデータですが、これはブートストラップ フォレスト用であり、ここでは混同行列と予測カウントがあります。
	下にはブートストラップフォレストの予測レートがあります。もしあなたがこれをよく知らない、あるいは記憶が曖昧な場合は、これは次の数を表示します。
	死亡イベントは実際にゼロの死亡イベントであり、患者はここで生き残り、83人目です。
	死亡イベントの値が1だった場合、患者は生存しなかったことになります。これは絶対数なので、左上から右下に向かう対角線を見ていきます。
	右下と左下から右上の対角線上にあるのは間違ったカウントです。つまり、13個ありました
	ここには生存が予測された回数がありますが、生存ではなく死亡でした。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、これは率を扱っています。私たちのケースでは、不均衡なデータ セットがあるため、これは少し良い測定基準です。それでは閉じます。
	そして次に、
	これからやることは分析と適合モードです。これをやろうとしているのは、回帰モデルを当てはめるためです。これは、人々が理解しやすく、
	私たちに自慢する機会を与えてください
	JMPで対話する機能です。それではこれを閉じて、分析に進みます。
	フィットモデル。
	そして、まあ、
	変数については、まずここに行ってみましょう
	予測したいものとしてDEATH_EVENTを入力します。クレアチニンは間違っています。駆出率は
	そして、ここにあります。
	血清クレアチニン
	重要な変数です。また、いくつかの分析では年齢も出てきました。見つけたら入れておきます。
	ちょっとまって。
	もう一度やり直します。何か抜けているところがありました。
	ねえピーター、ちょっと休憩してもいいかな。
	それで、ここで分析してみます。
	モデルを適合します。そして、Y は DEATH_EVENT になります。
	そして、私がやろうとしていることは、多くのモデルが年齢を重要な変数として見つけたので、年齢を追加します。そして、
	駆出率と血清クレアチニン。
	著者らは年齢を重要な変数として見つけていませんが、私は見つけました。そこで交互作用があるかもしれないと考えており、JMPではそれを簡単に処理できます。それで、私は年齢をクリックします
	追加をクリックする代わりに、
	私はここに来る
	[クロス]をクリックすると、年齢に移動します。
	そして
	血清クレアチニン。
	それがコントロールクリックです。
	そして、それを追加すると次のようになります。
	年齢、駆出率、ちょっと待ってください。
	あれはただ指が太かっただけだと思う​​。
	さあ、行きましょう。
	2 つの相互作用があり、ここにパーソナリティの選択肢があることがわかります。ここでは、デフォルトの名目ロジスティックを受け入れます。
	他にも選択肢はありますが、ここではこれに固執します。
	そして実行をクリックします。
	そして、これが私たちが得たものです。
	はい、それで。
	ここでは価値をログに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 を底とする対数です。そうする理由は、作業が簡単になり、グラフ化が簡単になり、人間が理解しやすくなるからです。これがリストの 1 番目です。
	すみません、これは著者らが発見した駆出率です。2番目は血清クレアチニンですが、年齢はやはり3番目であり、非常に重要です。
	そして私たちは
	相互作用があり、有意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 です。
	そして、彼らはそれを単に見やすくするために入れました。そして、私が 2 を選んだ理由は、それが .01 の log であり、JMP がデフォルトで選択する有意水準だからです。
	しかし、ここまで来ると、対数価値または値と回帰方程式は比較的低くなりますが、ここにあり、0.05 は多くの実験設計でカットオフになる可能性があります。多くの実験設計でカットオフされる可能性があります。
	分析は機能するので、ここでは無視しますが、0.01 という制限を超えていないため、この点には注意します。
	これは臨床医にとって興味深いかもしれません。臨床医が注意すべき別の何かを与えてくれるかもしれませんし、別のデータセットでは重要な意味を持つかもしれません。そして、ここには通常のデータがすべてあります。何を見ることができるか見てみましょう。下にスクロールします。
	ここでは詳しく説明しませんが、カイ二乗確率があります。また、ここには回帰方程式の係数となる推定値があります。
	それが私たちが見つけたものなのです。
	では、それを最小限に抑えて、掃除と探索に移りましょう。最初に掃除をせずにそうした理由は、元の記事では、
	データのクリーニングや加工は一切行いません。データを取得して、それに対してモデルを実行しただけです。
	まずデータを見てみましょう。ここでいくつかの点を見てみましょう。まずここに来たら
	こ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。私はこれを好みます。では、ここの1をクリックします。
	肯定的な死亡イベント、そう言う言葉を使ってもいいでしょうか。
	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。これを詳しく調べて、他の変数との何らかの相関関係があるかどうかを確認することができますが、それほど多くはありません。
	私の窓ですが、私たちは1つ気づいたことがあります。それは、
	クレアチニンホスホキナーゼと血清クレアチニンはちょっと変ですね。他には何もないので、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、このようなことは
	何かを展開したい場合はドラッグ可能です。
	では、ここからグラフ ビルダーに進みましょう。
	見てみましょう。
	私たちが関心を持っているのは、クレアチニン ホスホキナーゼの列を選択して、Shift キーを押しながらクリックすることなので、その点を説明します。
	血清クレアチニンについては、ああ、それをする前に忘れるところだった
	右クリックしましょう
	ここからすぐに分布に進むことができます。これは、グラフと分布に移動した場合と同じ結果です。どちらでも非常に偏った分布があることがわかります。
	外れ値がたくさんありますが、これは単なる四分位数なので閉じます。閉じましょう。これは実際には必要ありません。
	それでは、要約統計を見てみましょう。
	クレアチニンホスホキナーゼを見てみると、平均は581、標準偏差は970です。これは少し奇妙です。明らかに理想的なケースからは程遠いです。血清クレアチニンについては、平均は
	1.4と標準偏差は1.0です。これも理想的な状況ではありません。また、他の情報も得られます。このグラフでは少しわかりにくいかもしれませんが、
	箱ひげ図を素早く見てみると、ひげは四分位範囲の 1.5 倍、つまり箱の底部である 25 パーセンタイルと上部である 75 パーセンタイルとの差であることがわかります。
	ひし形は平均値を示し、線は中央値を示します。これをもう少し明確にするために拡大すると、よく見えるようになり、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一つであることに留意してください。これを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」の「グラフ ビルダー」に進みましょう。
	そして、これが私たちが得るウィンドウです。
	まあ、私たちは調査をした結果、
	クレアチニンホスホキナーゼは体内で継続的に生成され、それが反応するという主題、知識、または主題の専門知識。
	血清クレアチニンになる物質の前駆体なので、おそらくこの 2 つには何らかの関係があり、また、いわゆる不十分な分布についても調べたいと思っています。こちらがクレアチニン ホスホキナーゼです。
	そして、ここをクリックするだけで、それを X 軸に配置できます。
	Y軸の血清クレアチニンも同様に計算します。結果は次のようになります。Y血清クレアチニンは0から10まで変化しますが、
	クレアチンホスホキナーゼ、おい、それはここからずっと遠くまで行く
	約8000まで。今、私たちにできることが1つあります。
	クリックしてドラッグすると、もう少し広げることができます。しかし、もう1つできることは
	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。ここまで来てスケールを見ると、8000 を超えると最大値が表示されます。ここでグラフを見ると、これをドラッグして邪魔にならないようにします。
	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、そのかなりの部分は 500 または 600 未満であるように見えます。
	それで、
	そうする必要はありません。
	それを次のように変更する
	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のみのグラフができました。他のデータポイントをすべてカットすると、基本的に直線になります。それらの間には実際の関係はなく、外れ値もいくつかあります。
	血清クレアチニンは 10 とかなり高くなっています。これは値を否定している側面のように見えます。そのため、戻ってもう一度見直し、外れ値のいくつかを取り除いて、異なる結果が得られるかどうかを確認したほうがよいかもしれません。
	以上がほぼすべてです。これについては簡単に説明しておきます。
	最後にもう一度データセットを見てみましょう。
	ああそうだ、血清クレアチニン。
	これを連続値として入力しましたが、この列を見ると、最小カウントはここにあります。小数点第1位です。つまり、10個の値と、さらに10個の値が存在する可能性があり、そのほとんどが
	2 または 3 未満のようです。したがって、分析に応じてこれをどのように扱うかについて疑問が生じる可能性があります。
	そして、私たちは分析から確かにそれを望んでいます。私たちはそれを使います。それを連続変数として本当に考えたいのでしょうか、それとも順序変数として考えることができるのでしょうか。
	わからない、
	順序変数に20の異なる値を設定します。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、ここではあまり行われません。しかし、検討すべき事項です。それでは、
	ここに戻って要約を見てください。PowerPoint に戻ってください。
	これをさらに拡大して、皆さんにも見ていただければと思います。これが私たちが持っていたものです。
	JMP がデフォルトで選択した 11 種類のモデルがあり、これら 11 種類のモデルをすべて取得するには、「分析」、「予測モデリング」、「モデル スクリーニング」の順に選択します。血清クレアチニン、年齢、駆出率はすべて有意であることがわかりました。
	そして、年齢と駆出率の相互作用は、私たちの研究にとってそれほど重要ではなかったものの、さらなる臨床研究が必要であることがわかりました。
	決定された値です。特にクレアチニン分布では、モデルで使用されたデータ セットがかなり小さく、不均衡なため、非常に歪んだ値が確認されました。さて、先ほど年齢について触れましたが、元に戻りましょう。
	それを引っ張って行ってください。これが年齢です。
	ご覧のとおり、分布は多少歪んでいますが、私はそれをモデルに組み入れませんでした。それをモデルに組み入れなかった理由は、データの収集方法にあります。
	記事を読むと、当時のやり方は、感染者を検査するために何らかの医療従事者を派遣したということが分かります。
	元のデータは研究のために作成されたものです。したがって、65 年を見ると、65 か月後に遡ったことになります。
	ああ、すみません、私が話しているのは年齢ではなく時間です。ここに戻らせて下さい。非表示を解除する時間に移動してください。
	そして、時間もあります。ちょっと変ですが、少しだけ取り上げさせてください。
	彼らがしたこと
	彼らは最初の研究の後に戻って調査しました。16年と書いてあるところは、最初の研究から16か月後に戻って、死亡イベントがあったかどうかを確認したということです。つまり、患者はまだ生きていたのか、それともまだ生きていなかったのか、ということです。
	16か月後、この患者21番は
	まだ生きていました。ここで死亡イベントについて説明しましょう。
	そして、こちらへ来てください。
	残り時間は20分です。
	そうですね、死亡イベントが前日に起こったのか、彼らがチェックしたのが前週なのか、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 にアップした元の著者たちは、そのデータを確かに見ました。
	そして、彼らはそこから何の肯定的な結論も見つけられませんでした。その人は 1 か月目に死亡していた可能性もありますが、1 か月目には誰も確認しませんでした。
	フォローアップ検査の頻度はわかりません。そのため、これを追加して含めました。より良いデータがあれば、ここで分析することができます。
	信頼性と生存率、そして、多くの場合実行される方法である寿命分布またはXによる適合寿命を実行することもできましたが、この特定のケースではそれができませんでした。
	つまり、
	プレゼンテーションを終えたので、PowerPoint デッキに戻りたいと思います。このデッキは再びサイトに掲載されます。ここに元のジャーナル記事へのリンクがあります。
	カグル。
	ページ。CSV形式のKaggleデータセットで、
	R コードを含む著者の Github リポジトリ。皆さんが楽しんでいただければ幸いです。
	そしてそれで
	このプレゼンテーションを終了します。
ピーター・ポリト	今、良い仕事はとても興味深いです。
	ありがとう。
ピーター・ポリト	わかりました。では、チェックリストを確認してみましょう。
	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に関しては信じられません。
	どうか、どうか捕まえてください。
ピーター・ポリト	ええ、もし彼らが戻ってきて、ああ、私たちは一時停止が好きではないと言うなら、私たちが何をするかと言うのは、あなたが生きているときに、それを発表している人と話をして、その部分を飛ばして、これが起こったことであり、それはこうだと言うことです。
	わかりました。
	再録音を求められることはないと思いますが。
	良い。
	はい、もしそうなら、それは大きな問題ではありません。
ピーター・ポリト	わかりました、私は他にやることはすべてやります。
	録音を停止したら、準備完了です。
	そして良い。
ピーター・ポリト	それは素晴らしいです。見させてくれてありがとう。
	ええ、まあ、これの良いところは、私が近くでいくつかの失敗をしたにもかかわらず、彼にはトラブルがなかったし、ソフトウェアも問題がなかったことです。
	今はすべて素晴らしく見えます。ええ、すべてをドラッグしてそこに置いたので、それは良いことです。
ピーター・ポリト	はい、そうですね。
	おそらくディスカバリーサミットであなたと出会うことになるでしょう。素晴らしい一日を過ごすでしょう。
	よし、君も劇場だ。
ピーター・ポリト	よし、さようならスタンド。
	による。

高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査データの探索と視覚化実験計画法大量カスタマイズ予測モデリングと機械学習品質およびプロセスエンジニアリング信頼性分析結果の共有と伝達