758482_ja-JP

liliconcom

JMPを用いたVAERSワクチンデータセットの探索的データ分析方法（2020-US-EPO-611）

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

現代のワクチン接種プログラムの安全性については、一般紙と科学誌の両方で多くの論評がなされてきました。米国で認可されたワクチンの安全性に関する潜在的な問題を検出するため、CDCとFDAはワクチン有害事象報告システム（VAERS）を構築しました。このデータベースシステムは現在20年間のデータを網羅しており、各年ごとに複数のデータテーブルが存在します。さらに、データから有用な情報を抽出するには、これらのデータテーブルを結合する必要があります。このデータセットには検索・フィルターツール（WONDER）が提供されていますが、現代のデータ探索や視覚化には適していません。

このポスターセッションでは、JMP Statistical Discovery Software を用いて、MMRワクチンに関する1年間の探索的データ分析（分布、表作成、ヘッダーグラフの表示などのプラットフォームを使用）を行う方法を紹介します。さらに、JMPスクリプト言語（jsl）を用いて、VAERSシステムで同じ分析を複数年にわたって簡単に繰り返す方法を紹介します。

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
スタン・シラノビッチ	おはようございます。今日は探索的データ分析をします
	VAERSデータベースについてです。それでは、このデータベースについて少し背景を説明しましょう。VAERS（VAERSと綴ります）は、ワクチン副作用報告システムの略称で、FDAとCDCによって作成されました。
	年間約 30,000 回の更新が行われており、1990 年から公開されているため、かなりの量のデータが存在します。
	そして、これはこれまで報告されていなかったワクチンの影響を探すための早期警告システムとして設計されたものです。
	これらは副作用ではなく有害事象です。つまり、ワクチン接種との関連性はまだ確認されていません。ワクチン接種後に起こった現象です。それでは、構造についてお話ししましょう。
	VAERS VAXと
	VAERS DATA。オンラインデータベースを調べるためのツールがあり、その頭文字はWONDERです。これは、データベースのさまざまな領域をナビゲートする従来の検索ツールです。
	必要なデータの種類を選択し、ドロップダウンをクリックします。これを数回、あるいは数十回繰り返した後、
	あなたがすべきことはクエリを送信することです。
	遅延もそれほど大きくなく、結果が返ってきます。しかし、探索的なデータ分析や視覚化を行うには、
	これには少し問題があります。それは、そもそも何を得たいのか、少なくともその素晴らしいアイデアを理解していなければならないということです。
	そこでJMPの出番です。先ほども申し上げたように、特定のデータセット、つまり麻疹、おたふく風邪、風疹のMMRワクチンのデータについて、EDAと視覚化を行います。そして、入手可能な最新の1年間のデータについて、視覚化を行います。
	2019年。それでは新しいウィンドウに移動しましょう。
	さて、最初にやったことは、ここでは省略しましたが、CSVをダウンロードしてJMPで開くことです。さて、データを選択したいのですが、JMPを使えばとても簡単です。
	ウィンドウが開いたら、行、行選択の順に進み、VAX_TYPE を MMR に等しくしたい画像を選択します。ここには「等しい」以外にもいくつかオプションがありますが、これについては後ほど説明します。
	ボタンをクリックして行を選択したら、次に必要なデータを選択します。いくつかの列をハイライト表示していますが、その理由は1分ほどでわかると思います。
	そして私がそれをするとき、ああ、そこに行く前に、注意しておきましょう
	9行目と18​​行目はここです。MMRVと
	MMRワクチンです。MMRVワクチンは別のワクチンです。MMRVワクチンも確認したい場合は、ドロップダウンから「ここに含まれる」を選択することもできますが、今回はそうしたくないので「OK」をクリックします。
	これでテーブルができました。次に、ワクチンに関するデータ（製造元、ロットなど）を含むVAERS VAXテーブルと、ワクチンの製造元に関するデータを含むVAERS DATAテーブルを結合します。
	ワクチンの効果、つまり患者がアレルギーを持っていたかどうか、患者が入院したかどうか、
	入院日数などです。また、年齢や性別などの人口統計データも含まれています。そこで、テーブルを結合して、
	VAERS VAXテーブルとVAERS DATAテーブルをVAERS IDで結合します。JMPを使えば簡単です。
	それぞれのテーブルの列を、一致ウィンドウに配置し、その後テーブル ウィンドウに移動して、必要な列を選択します。
	これが結果表です。これを縮小してJMPテーブルを開いてみましょう。
	はい、これを拡張します。
	そしてこのデモンストレーションのために私は
	これらの列を選択しました。VAERS ID、つまり識別情報が表示されています。種類はすべてMMRです。
	製造元はメルク社のようです。そしていくつか不明な点があります
	ここに散らばっています。VAX LOTを選択しました。これは、あるロットに何か問題があった場合に重要になるので、確認できるようにしたいからです。
	これはケージアンダースコアyearのように見えますが、これは計算された年齢です。H列は複数あり、そのうちの1つを選択しました。
	そして、性別を選択したのは、誰かがより影響を受けるのか、男性は女性より影響を受けるのか、あるいはその逆なのかを知りたいと思ったからです。
	HOSPDAYSは、入院を必要とするほど重篤な副作用があった場合の入院日数です。NUMDAYSは、ワクチン接種から副作用が現れるまでの日数で、かなり幅があるように見えます。
	それでは分析を始めましょう。
	ヘッダーグラフを表示します。これをクリックしてヘッダーグラフを表示します。
	分布やその他の情報がここに表示されます。IDは省略して、VAX_TYPEがすべてMMRになっていることを確認してください。他には何も指定されていません。
	ワクチン製造業者は、メルク社か不明ですが、この機能の便利な点は、バーをクリックできることです。
	すると行がハイライト表示されますが、クリックするとハイライトが解除されます。VAX_LOT に移ると、この小さなボックスにかなりの情報が詰め込まれています。
	まず、データテーブルには発生頻度上位5つのロットが示されています。
	出現回数はこれです。また、表には他に413の区画が含まれており、私の計算では5区画が加算されます。
	約418個のロットです。計算された年齢を確認すると、ほとんどの値が0から何歳かの間、つまり0のビンに入っていることがわかります。これはワクチン接種なので当然のことなので、その点をメモしておきます。
	性別欄を見てみると、男性よりも女性の方がかなり多いようです。これで、横並びで比較したいかどうかすぐに分かります。
	グループ比較では、男性と同数になるように女性をランダムに選択する必要がありますが、ここには未知数もいくつかあり、かなりの数が未知数です。
	それをメモして次へ進みます。入院日数が表示され、NUMDAYSも表示されます。ここでもう一つ、非常に便利な機能があります。もっと詳しく調べて、年齢分布がどのようになっているかを確認したい場合は、右クリックして、
	「ディストリビューションで開く」を選択します。ディストリビューションウィンドウが表示されていますが、ここにはかなり多くの情報が表示されています。
	今の私たちの目的からすると、分位数についてはあまり何もしません。それでは「閉じる」をクリックしてみますが、それでもまだ少しスペースを占有しています。
	では、ここまで下に移動して、アウトラインの向きを「閉じる」にして、「縦」にしましょう。すると、見やすいウィンドウが表示されます。そこにはいくつかの情報が表示されています。もちろん、分布は下の方にあり、箱ひげ図は上にあります。
	これについては詳しく説明する時間はあまりありませんが、これは単にデータを異なる方法で表示するだけです。要約統計量を見ると、平均値は16.2、標準偏差は20.6であることがわかります。
	理想的な状況ではありません。ですから、もしこれについてさらに何かしたいのであれば、年を2つのグループに分け、そのほとんどはここに、そして
	どこに、どこに、歪んだデータがあるか、そして残りの部分と
	右側に沿って
	それを個別に検討します。そして、そのウィンドウを最小化します。入院日数と日数についても同様です。さっそく試してみましょう。
	こちらも同じようなデータが表示されていますが、クリックして縮小する手間は省きます。ただし、平均値が6.7、標準偏差が13.2という点も留意しておく必要があります。これもあまり理想的な状況ではないので、この点はそのままメモしておきます。
	では、これを閉じます。ここでもう少し探索的な分析を行いたいとします。何か気になる点があったら、ここで簡単に行うことができます。オンラインデータベースに戻る必要はありません。
	すべて選択したり、ドロップダウンをクリックしたり、何でもできます。ここに来て、YとXの相関を分析し、当てはめることができます。
	それでは、次の関係性を調べてみましょう。
	ああ、入院日数、入院日数、そして年齢ですね。これを単純に計算します。連続変数が2つあるので、そこから二変量プロットを作成します。
	「OK」をクリックします。
	データの別の表示も見ることができます。そして、
	現在、平均は5～6程度下がっており、これは10～12よりは良い数字です。参考までに、
	赤い三角のところまで行って「平均を当てはめる」を選択すると、ここに平均値が表示されます。そして、かなり外れ値があることに気づきました。
	では、今すぐにそれらを調べて、もう少し詳しく調べるかどうかを決めたいとしましょう。外れ値ポイントの1つ、あるいは他のポイントのいずれかにマウスポインターを合わせると、
	ポップアップウィンドウが表示され、
	その特定のデータ ポイントは行 868 を表します。
	計算された年齢は1年単位です。
	この患者は90日間入院していました。右クリックしてこの行に色を付けたり、マーカーで色付けしたりすることができます。私はわざわざそんなことはしませんが、
	カーソルをウィンドウ内に移動すると、右上隅に小さなシンボルが表示されます。これをクリックすると固定されます。
	もちろん、これを繰り返すこともできます。そして、さらに詳しく調べるための詳細情報も取得できます。グループ向けのプレゼンテーションで、特定のポイントに注目を集めたいときに、この機能は非常に便利だと感じました。少し大げさすぎるので、右クリックして「フォントを選択」しましょう。編集ではなく。
	フォントウィンドウが開き、16ポイントのフォントが使われているのが分かります。9ポイントに下げてみましょう。
	これで少しは良くなり、他の外れ値に注目したい場合の余地が広がります。まとめると、
	もう一度、PowerPoint を表示させてください。
	要約すると、政府が管理する大規模なオンラインデータベースから2つの大きなデータテーブルをインポートし、整形することができました。また、テーブルのサブセット化もできました。
	テーブルを結合し、出力データを選択する作業もシームレスに実行できました。また、要約と分布を生成し、問題領域を指摘することができました。
	興味深い点やより詳細な分析に役立つ点もあります。もちろん、これらはすべてシームレスで、同じソフトウェアプラットフォーム内で実行されました。さて、
	いくつかのリンクを提供する
	ここから様々なデータサイトへアクセスしてください。ここがメインのサイトで、政府が非常に良い仕事をしたという資料がすべて揃っています。そして、実際のデータはここにzipファイルで入っています。

高度な統計モデリング自動化とスクリプト基本的なデータ分析とモデリング消費者・市場調査コンテンツの編成データアクセスデータの探索と可視化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