研究サイト内での臨床試験の被験者の類似性の評価書きました：
[...]前回の議論では、可能な限り多くの被験者のデータを使用して評価しています[...]
マイク・クレイトン書きました：
MVの異常値と異常値は、半導体ウェハのテストデータで検出されることが多く、これらのデバイスはその後のストレステストで「危険」になることがあります。それらはすべて同じウェハからのものなので、同じプロセスとツールを見ましたが、小さな欠陥がそれらを「異端回路」にしてしまい、それらを封じ込めることができます。
幸いにも何千もの各ウエハ上に作られ、xy座標が知られており、そのデータはダイが個片化され包装されるまで、すべての製造工程、SPCおよびテスト工程を通して追跡されます。しかし、DieID（ロットおよびウェーハとxy位置）は、顧客返品問題のために2Dバーコードまたは他の方法で各部分にマークされています。そのため、MV分析は統計的な異端を含むために頻繁に使用されていますが、それらはしばしば物理的な異端でもあることが判明しています。私たちのコレクションに追加する彼の素晴らしいチュートリアルをありがとう。
臨床試験での不正検出との今後の機能に関するこの一連の投稿の終わりが近づいています。 JMPクリニカル4.1異常な観察を特定するのに役立ちます。 方法を説明しました訪問日そしてクリニックで行われた測定臨床現場での問題を示し、試験参加者がどのように現れるかについて話し合うことができます複数回同じ研究の中で。最後の2つの投稿では、被験者のデータをできるだけ多く使用して、他の被験者と比較する方法を確認するいくつかの方法に焦点を当てています。今日は使用しますマハラノビス距離多変量インライアとアウトライアを識別するため。
マハラノビス距離2つのランダムなベクトル間、またはベクトルから多変量空間の特定の点（通常は多変量平均または重心）までの距離を計算するために使用できます。変数間の相関を説明するという点でユークリッド距離とは異なります。したがって、点が重心の周りに球形に分布していない可能性があることを考慮します。 マハラノビス距離は計算が簡単ですSAS 、そして私たちの目的のために、被験者データのベクトルを重心と比較します。
統計では、私たちのほとんどはこの用語に精通しています「外れ値。」メリアム・ウェブスターは外れ値「サンプルの他の部分とは値が著しく異なる統計的観測値」として。箱ひげ図では、外れ値は、第1または第3四分位数を超えて四分位範囲（第1四分位数と第3四分位数の間の距離）の1.5倍を超える点として識別される場合があります。
一方、 「インライア」平均に近い値です。単変量の設定では、平均に近い値は眉を上げません。ただし、Evans（2001）が指摘しているように、観測値が多数の変数の平均値の近くにある可能性は低いでしょう。したがって、外れ値には問題があるかもしれませんが、外れ値は「良すぎて真実ではない」または「良すぎて現実ではない」観測値を表す可能性が高くなります。もちろん、ゼロのマハラノビス距離は、すべての変数の平均にある主題を表します。（目立たない個々の値を作成するよりも、検出を回避する方がよいでしょうか？）
JMPクリニカルの今後の多変量インライアとアウトライア分析プロセス（AP）は、一連の被験者から被験者ごとに1行で構成されるデータセットを作成します。 CDISCフォーマットされたデータセット。ラボテスト、バイタルサイン、症状、およびその他の所見データの変数は、訪問数と時点によって生成されます。有害事象、投薬、病歴用語の頻度を表す変数が計算されます。ダイアログオプションに基づいて、欠測データの特定の割合（デフォルトは5％）を超える変数は分析から除外されます。これは、対象の変数の欠測データがある被験者はマハラノビス距離を計算できないためです。 これは重要なポイントです。できるだけ多くのデータを使用することと、レビューであまりにも多くの主題を除外する可能性との間で、バランスの取れたアプローチをとる必要があります。早期に中止した被験者は、多数の欠測値があると予想されるため、データの大部分を考慮すると、一部の被験者を失うと予想される可能性があります。ただし、オプションを使用すると、欠落している値を含むすべての変数を除外できます。
上で計算された結果のデータセットは、マハラノビス距離の計算に使用されます。図1は、多変量分布の重心と比較した各被験者の距離測度の箱ひげ図を示しています。距離の測定値は、744個の可能な変数のうち268個から計算されます。 残りの変数には、5％を超える欠測データ率があり、分析から除外されました。いくつかのデータが欠落している15の変数のため、52人の被験者は距離測度を計算していませんでした。この図は、外れ値（長距離）または外れ値（小距離）を識別できます。赤い点線の参照線は、カイ二乗分布k（分析内の変数の数）の自由度。マハラノビス距離の2乗は、この分布に従います。
図2は、特定のサイトが極端であるかどうかを識別するための調査サイトごとのマハラノビス距離を示しています。これにより、分析された変数間で発生する可能性のあるデータエラーが明らかになる可能性がありますが、サイト全体の調査母集団の主な違いを説明することもあります。箱ひげ図の長さは、可変被験者が多変量平均の周りの特定のサイト内にどのようにあるかを示します。大きな変動は、追加のトレーニングの恩恵を受ける可能性のある多様な研究集団またはサイトを反映している可能性があります。変動性が低いことは、特に均質な母集団を反映している可能性があります。いずれにせよ、「目立つ」サイトは、さらに精査する必要があるかもしれません。
Evans、S。（2001） 詐欺の検出の統計的側面。で：ロック、S、ウェルズ、F＆ファーシング、M、eds。詐欺と不正行為：生物医学研究、第3版。BMJブックス。
