バーチャルアイドルが教えるやさしい統計学(全20回)

お試し番組をご視聴いただけます。

医学論文を読むために必要な統計学。ちゃんと理解しているかと言われれば首を傾げてしまう人も多いのでは？この番組では「信頼区間」や「P値」など毎回キーとなる統計用語を取り上げて、医学論文を読むための統計学をコンパクトに解説していきます。
バーチャル講師・紅井さつきがCareNeTV初登場！難解で手を出しにくい統計学だからこそ彼女がやさしく簡潔にお教えします！

医学論文などでよく目にする「信頼区間95%」という表記。臨床検査などのグラフにp値と併記されることも多くなりました。目撃頻度が高いのでなんとなくわかったつもりでいても実際は説明できない人が多いのでは？今回は信頼区間の意味と、上限値・下限値の求め方を視覚的に理解できるよう、バーチャル講師が解説します。

エラーバーとは棒グラフや折れ線グラフにおいて値から上下に伸びているアルファベット「I」のような線のことです。臨床試験結果などでもよく目にするかと思います。エラーバーは標準偏差や標準誤差などを表すもので多くの場合が上下左右対称ですが、ときに非対称であったり、片方しかなかったりする場合もあります。今回はイレギュラーなケースも含めてエラーバーを簡潔に説明します！

アンケート調査を行う際にどれくらいの人数に答えてもらうべきかを考えたことがありますか？統計学的調査におけるサンプルサイズいわゆるnは、アンケートを行う前に適正な人数を設定する必要があります。nの値によって調査の信頼区間、つまり誤差の大きさが変わってきてしまうからです。今回は調査設計者としても、結果を見る者としても必要なサンプルサイズを決める方法について解説します。

標準偏差、標準誤差、信頼区間に続くエラーバーが表す4つ目の範囲となるパーセンタイル。得られたデータを昇順に並べたとき4分割した地点をそれぞれパーセンタイル25%、50%、75%と呼びます。つまりパーセンタイル50%は中央値ということ。今回はそれぞれのパーセンタイルの値の計算方法に加え、四分位範囲と箱ひげ図についても解説します。

新薬の効果を実証するために臨床研究では仮説検定が行われます。 仮説検定は確かめたい事象の逆の「帰無仮説」を立て、それがほとんど起こらないことを検証します。 そこで求める代表的な検定統計量の1つがp値です。 今回はこのちょっとややこしい仮説検定とp値について解説します！

新薬の効果を実証するための臨床試験では一部の患者に治療が試されるわけですが、そのサンプルサイズはどのように決められているのでしょうか？nは小さ過ぎても、大き過ぎてもそれぞれエラーが発生してしまいます。今回は臨床研究を読む際に注目したいサンプルサイズについて5分で解説します！

仮説検定では有意水準と比べてp値が小さければ仮説を立証することができます。 では臨床試験で仮説検定を行なった場合、p値が小さいほど効果があったと言えるでしょうか？ 2つの異なる試験を比較するとき、p値の大きさに注目すべきでしょうか？ p値が何を表しているか改めて考えてみましょう。

統計的仮説検定では2つの薬剤の効果に差があることは証明できても、 効果が同等であることを証明することはできません。 しかし信頼区間を使って2剤の同等性を示す方法があるんです。 今回は後発医薬品開発に欠かせない同等性試験について解説します！

非劣性試験という試験結果をよく目にするようになりました。最近はプラセボではなく既存薬との対照試験が多く行われているためです。 非劣性試験は最低ラインを超えればいいという一見単純な試験のようですが、実は簡単になりすぎないよう厳しいルールも存在します。 今回は非劣性試験の方法を楽しく5分で解説します！

リスク比とオッズ比はガイドラインや医学論文でよく見かける指標で、どちらも喫煙などの説明因子が結果に影響するかどうかを判断することができます。 そして重要なのはその解釈の仕方です。簡単な例を題材にリスク比とオッズ比の計算方法と解釈について説明します

オッズ比はガイドラインや医学論文でよく見かける指標ですが、リスク比のように「どちらの方が何倍危険がある」という解釈ができません。 ではどんな時にオッズ比を使うのでしょうか？今回はその答えを理解する前提となるケースコントロール研究と、コホート研究について簡単に説明します。

生存率の分析手法に「カプランマイヤー法」「Cox比例ハザードモデル」があります。ある事象が起こった群と起こらない群の2群に対して、時間的な要素を考慮して解析する方法です。とくにカプランマイヤー生存曲線は臨床試験でもよく目にしますよね。今回はこの2つの生存率の分析手法の違いについて説明します。

生存率の分析手法としてよく目にするカプランマイヤー法とCox比例ハザードモデル。 カプランマイヤー法が時間による生存率の変化のみを分析するのに対して、Cox比例ハザードモデルは調査対対象の年齢や性別、喫煙の有無といった他の要因が生存率に影響するかどうかを評価することができます。今回は比例ハザード、モデル、そして回帰分析というキーワードに分けて、ひとつ一つ丁寧に解説します！

前回説明したCox比例ハザードモデルの結果として算出されるのが比例ハザード比です。つまり比例ハザード比の値の大きさによって、喫煙や処方薬剤などの説明因子が、分析対象の生存率に影響するかどうか判断することができるのです。今回はその基準となる値と評価の方法について解説します。

Cox比例ハザードモデルの結果として算出されるハザード比は1が基準であり、1より大きければアウトカム発生のリスクが高くなり、1より小さければリスクも低くなると前回説明しました。しかし実際はハザード比は、同時に算出される信頼区間と合わせて評価されなければなりません。例えば「95%信頼区間0.9〜1.1」と1を挟んでいる場合、どう評価しますか？

統計ソフトなどを使用したCox比例ハザード分析の結果のなかに「wald」という項目を見たことはありませんか？このwaldはハザード比と同じように処方薬剤や喫煙などの説明因子の影響を評価するワルド検定という手法で用いられる統計量です。今回はそのワルド検定についてさくっと解説します！

カプランマイヤー生存曲線は時間経過に伴う累積生存率を示すグラフです。 では累積生存率が実際どういうものかを正しく理解できていますか？臨床試験では患者によって観察開始時期や期間が異なるため、各時期によって死亡者数とリタイヤ数を考慮する必要があります。今回は生存曲線を描くために必要な期別生存率、累積生存率について解説します。

カプランマイヤー生存曲線の縦軸となる累積生存率の算出方法をご存知ですか？ 臨床試験では病状によってリタイヤしてしまう患者がいるため、ある時点で生存している患者数ではなく、時期ごとの生存率を知る必要があります。今回は対象患者10例という簡単な事例を用いて、カプランマイヤー法による期別生存率と累積生存率を計算してみましょう。

カプランマイヤー生存曲線を描いたことはありますか？最終回は、前回計算した各時期の累積生存率をグラフに描いてみます。値をプロットする記号や、期別対象者数の表記などカプランマイヤー生存曲線を描く際のルールについても解説。カプランマイヤーを実際に描いてみることで「やさしい統計学」を締めくくりましょう。