Enviar pesquisa
Carregar
再発事象の解析をやってみる
•
2 gostaram
•
8,248 visualizações
Atsushi Hayakawa
Seguir
Tecnologia
Design
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 22
Baixar agora
Baixar para ler offline
Recomendados
Analysis of clinical trials using sas 勉強用 isseing333
Analysis of clinical trials using sas 勉強用 isseing333
Issei Kurahashi
JupyterLabを中心とした快適な分析生活
JupyterLabを中心とした快適な分析生活
Classi.corp
TokyoR98_BeginnersSession1.pdf
TokyoR98_BeginnersSession1.pdf
kotora_0507
生存時間分析の書き方
生存時間分析の書き方
Yasuyuki Okumura
Tokyo r #37 Rubin's Rule
Tokyo r #37 Rubin's Rule
Hiroki Matsui
自由エネルギー原理と視覚的意識 2019-06-08
自由エネルギー原理と視覚的意識 2019-06-08
Masatoshi Yoshida
因果推論の奥へ: "What works" meets "why it works"
因果推論の奥へ: "What works" meets "why it works"
takehikoihayashi
自由エネルギー原理(FEP)とはなにか 20190211
自由エネルギー原理(FEP)とはなにか 20190211
Masatoshi Yoshida
Mais conteúdo relacionado
Mais procurados
英語での論文執筆の基礎② 方法・結果・考察・結論
英語での論文執筆の基礎② 方法・結果・考察・結論
Yasuyuki Okumura
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
Masatoshi Yoshida
ベータ分布の謎に迫る
ベータ分布の謎に迫る
Ken'ichi Matsui
スーパーコンピュータとアプリケーションの性能
スーパーコンピュータとアプリケーションの性能
RCCSRENKEI
生存時間分析数理の基礎
生存時間分析数理の基礎
Koichiro Gibo
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
Koichiro Gibo
EEG analysis (nonlinear)
EEG analysis (nonlinear)
Kenyu Uehara
時系列分析による異常検知入門
時系列分析による異常検知入門
Yohei Sato
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
Yasuyuki Okumura
研究発表用
研究発表用
Noboru Kano
落合流先生流の論文要旨フォーマット
落合流先生流の論文要旨フォーマット
森 哲也
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
Ken'ichi Matsui
道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際
Ichigaku Takigawa
Rの高速化
Rの高速化
弘毅 露崎
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
「明日話したくなる「素数」のお話」第1回プログラマのための数学勉強会 #maths4pg
「明日話したくなる「素数」のお話」第1回プログラマのための数学勉強会 #maths4pg
Junpei Tsuji
研究発表を準備する
研究発表を準備する
Takayuki Itoh
確率統計-機械学習その前に v2.0
確率統計-機械学習その前に v2.0
Hidekatsu Izuno
研究室リテラシー教育スライド
研究室リテラシー教育スライド
Nobutaka Shimada
Mais procurados
(20)
英語での論文執筆の基礎② 方法・結果・考察・結論
英語での論文執筆の基礎② 方法・結果・考察・結論
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
感覚運動随伴性、予測符号化、そして自由エネルギー原理 (Sensory-Motor Contingency, Predictive Coding and ...
ベータ分布の謎に迫る
ベータ分布の謎に迫る
スーパーコンピュータとアプリケーションの性能
スーパーコンピュータとアプリケーションの性能
生存時間分析数理の基礎
生存時間分析数理の基礎
分割時系列解析(ITS)の入門
分割時系列解析(ITS)の入門
EEG analysis (nonlinear)
EEG analysis (nonlinear)
時系列分析による異常検知入門
時系列分析による異常検知入門
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
JMDC Claimsデータベースとレセプト情報・特定健診等情報データベースを活用した臨床疫学研究の事例と留意点
研究発表用
研究発表用
落合流先生流の論文要旨フォーマット
落合流先生流の論文要旨フォーマット
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
道具としての機械学習:直感的概要とその実際
道具としての機械学習:直感的概要とその実際
Rの高速化
Rの高速化
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
「明日話したくなる「素数」のお話」第1回プログラマのための数学勉強会 #maths4pg
「明日話したくなる「素数」のお話」第1回プログラマのための数学勉強会 #maths4pg
研究発表を準備する
研究発表を準備する
確率統計-機械学習その前に v2.0
確率統計-機械学習その前に v2.0
研究室リテラシー教育スライド
研究室リテラシー教育スライド
Destaque
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
Shota Kubo
121218 zansa13 for web
121218 zansa13 for web
Zansa
Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html
Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html
Zansa
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
Zansa
Zansa0802
Zansa0802
Yoshifumi Seki
【Zansa】第17回 ブートストラップ法入門
【Zansa】第17回 ブートストラップ法入門
Zansa
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
Takashi J OZAKI
社会の意見のダイナミクスを物理モデルとして考えてみる
社会の意見のダイナミクスを物理モデルとして考えてみる
takeshi0406
幾何を使った統計のはなし
幾何を使った統計のはなし
Toru Imai
PythonによるDeep Learningの実装
PythonによるDeep Learningの実装
Shinya Akiba
補足資料 財務3表の基礎知識
補足資料 財務3表の基礎知識
horihorio
統計と会計 - Zansa#19
統計と会計 - Zansa#19
horihorio
Google's r style guideのすゝめ
Google's r style guideのすゝめ
Takashi Kitano
独立成分分析 ICA
独立成分分析 ICA
Daisuke Yoneoka
tokyor29th
tokyor29th
Mikiya Tanizawa
独立成分分析とPerfume
独立成分分析とPerfume
Yurie Oka
Destaque
(16)
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
Zansa第12回資料 「ソーシャルゲームでは、データがユーザーを理解する!」
121218 zansa13 for web
121218 zansa13 for web
Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html
Zansa アト テクノロシ-ー業界の分析という仕事について http://zansa.info/materials-11.html
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
Zansa0802
Zansa0802
【Zansa】第17回 ブートストラップ法入門
【Zansa】第17回 ブートストラップ法入門
ビジネスの現場のデータ分析における理想と現実
ビジネスの現場のデータ分析における理想と現実
社会の意見のダイナミクスを物理モデルとして考えてみる
社会の意見のダイナミクスを物理モデルとして考えてみる
幾何を使った統計のはなし
幾何を使った統計のはなし
PythonによるDeep Learningの実装
PythonによるDeep Learningの実装
補足資料 財務3表の基礎知識
補足資料 財務3表の基礎知識
統計と会計 - Zansa#19
統計と会計 - Zansa#19
Google's r style guideのすゝめ
Google's r style guideのすゝめ
独立成分分析 ICA
独立成分分析 ICA
tokyor29th
tokyor29th
独立成分分析とPerfume
独立成分分析とPerfume
Mais de Atsushi Hayakawa
tidyverse.orgの翻訳
tidyverse.orgの翻訳
Atsushi Hayakawa
Zepp play soccerで測ってみた
Zepp play soccerで測ってみた
Atsushi Hayakawa
dataclassとtypehintを使ってますか?
dataclassとtypehintを使ってますか?
Atsushi Hayakawa
トライアスロンとgepuro task views V2.0 Japan.R 2018
トライアスロンとgepuro task views V2.0 Japan.R 2018
Atsushi Hayakawa
バンクーバー旅行記
バンクーバー旅行記
Atsushi Hayakawa
Analyze The Community Of Tokyo.R
Analyze The Community Of Tokyo.R
Atsushi Hayakawa
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
トライアスロンと僕 - Japan.R 2017
トライアスロンと僕 - Japan.R 2017
Atsushi Hayakawa
simputatoinで欠損値補完 - Tokyo.R #65
simputatoinで欠損値補完 - Tokyo.R #65
Atsushi Hayakawa
useR!2017 in Brussels
useR!2017 in Brussels
Atsushi Hayakawa
Japan.R 2016の運営
Japan.R 2016の運営
Atsushi Hayakawa
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Atsushi Hayakawa
統計的学習の基礎 4.4~
統計的学習の基礎 4.4~
Atsushi Hayakawa
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Atsushi Hayakawa
最近のクラウドストレージの事情と私情
最近のクラウドストレージの事情と私情
Atsushi Hayakawa
gepuro task views
gepuro task views
Atsushi Hayakawa
nginxのログを非スケーラブルに省メモリな方法で蓄積する
nginxのログを非スケーラブルに省メモリな方法で蓄積する
Atsushi Hayakawa
implyを用いたアクセスログの可視化
implyを用いたアクセスログの可視化
Atsushi Hayakawa
イケてる分析基盤をつくる
イケてる分析基盤をつくる
Atsushi Hayakawa
らずぱいラジコン
らずぱいラジコン
Atsushi Hayakawa
Mais de Atsushi Hayakawa
(20)
tidyverse.orgの翻訳
tidyverse.orgの翻訳
Zepp play soccerで測ってみた
Zepp play soccerで測ってみた
dataclassとtypehintを使ってますか?
dataclassとtypehintを使ってますか?
トライアスロンとgepuro task views V2.0 Japan.R 2018
トライアスロンとgepuro task views V2.0 Japan.R 2018
バンクーバー旅行記
バンクーバー旅行記
Analyze The Community Of Tokyo.R
Analyze The Community Of Tokyo.R
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
トライアスロンと僕 - Japan.R 2017
トライアスロンと僕 - Japan.R 2017
simputatoinで欠損値補完 - Tokyo.R #65
simputatoinで欠損値補完 - Tokyo.R #65
useR!2017 in Brussels
useR!2017 in Brussels
Japan.R 2016の運営
Japan.R 2016の運営
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
Rstudio上でのパッケージインストールを便利にするaddin4githubinstall
統計的学習の基礎 4.4~
統計的学習の基礎 4.4~
Splatoon界での壮絶な戦い&Japan.Rの宣伝
Splatoon界での壮絶な戦い&Japan.Rの宣伝
最近のクラウドストレージの事情と私情
最近のクラウドストレージの事情と私情
gepuro task views
gepuro task views
nginxのログを非スケーラブルに省メモリな方法で蓄積する
nginxのログを非スケーラブルに省メモリな方法で蓄積する
implyを用いたアクセスログの可視化
implyを用いたアクセスログの可視化
イケてる分析基盤をつくる
イケてる分析基盤をつくる
らずぱいラジコン
らずぱいラジコン
Último
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
Ayachika Kitazaki
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
ssuser370dd7
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
Matsushita Laboratory
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
Tetsuya Nihonmatsu
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
arts yokohama
2024 03 CTEA
2024 03 CTEA
arts yokohama
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
arts yokohama
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
Shumpei Kishi
2024 04 minnanoito
2024 04 minnanoito
arts yokohama
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
ssuser539845
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
Industrial Technology Research Institute (ITRI)(工業技術研究院, 工研院)
Último
(11)
20240326_IoTLT_vol109_kitazaki_v1___.pdf
20240326_IoTLT_vol109_kitazaki_v1___.pdf
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
2024 03 CTEA
2024 03 CTEA
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
2024 04 minnanoito
2024 04 minnanoito
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
再発事象の解析をやってみる
1.
第16回 zansaの会 再発事象の解析をやってみる @gepuro
3.
データサイエンティスト界を騒がす 話題の本
4.
発表前の様子
5.
発表後の様子 俺達もデータサイエンティストに!!
6.
本題に入ります。
7.
再発事象(recurrent events)とは ● 時間をかけて、何度も繰り返し発生するような事象 のことを言う。 ●
例:がんの再発、ソフトウェアのバグが出る、クレー ムが何度もあるetc
8.
Rで再発事象を解析しよう ● 利用するパッケージは、”survival” ● サンプルデータ: ●
bladder: 個人の再来院データ ● rats: ねずみの乳腺腫瘍のデータ ← 今回はこれ! ● などなど
9.
データの取得と読み込み
10.
データの説明 ● Id: ねずみの個体番号 ●
Start: 観測開始 ● Stop: 観測終了 ● Status: 1=腫瘍, 0=打ち切り ● Trt : 1=drug, 0=control ● ...
11.
データの外観1 赤線はdrug、黒線はcontrolされているデータ 点は、腫瘍が発生した時点 時間 マウスid
12.
左:drug,右:control 横軸は時間で、縦軸は腫瘍の発生を累積したもの
13.
生存関数(累積ハザード法) どれぐらい事象が発生してないか
14.
累積強度関数(t時間までの強度関数を 累積したもの) 強度関数:次の瞬間に事象が発生する確率
15.
手法 ● 比例ハザードモデルを利用する。
16.
結果
17.
比例ハザードモデル
19.
参考 ● The Statistical
Analysis of Recurrent Events http://sas.uwaterloo.ca/cook-lawless/ ● 講義ノートhttp://stat.inf.uec.ac.jp/dokuwiki/doku.php? id=dm:2013 ● 比例ハザードモデルはとってもtricky! http://www.slideshare.net/takehikoihayashi/tricky ● 信頼性概論 http://avalonbreeze.web.fc2.com/38_01_02_reliability outline.html
20.
おまけ
21.
library("survival") # wget http://sas.uwaterloo.ca/cook-lawless/rats.dat rats
<- read.csv("rats.dat", header=F, sep=" ") names(rats) <- c("id","start","stop","status","enum","trt", "rtrunc") head(rats) rats$total <- NA for(i in unique(rats$id)){ rats.id <- subset(rats, rats$id==i) rats[which(rats$id==i),]$total <- cumsum(rats.id$status) } kaidan.plot <- function(rats){ plot(rats$stop, rats$total, xlim=c(0,125), ylim=c(0,13),sub="腫瘍の再発", type="n") for(j in 1:nrow(rats)){ rats.j <- rats[j,] segments(rats.j$start,rats.j$total-1, rats.j$stop, rats.j$total-1, col=rats.j$id) segments(rats.j$stop, rats.j$total-1, rats.j$stop, rats.j$total, col=rats.j$id) } } kaidan.plot(rats) kaidan.plot(subset(rats, rats$trt==1)) kaidan.plot(subset(rats, rats$trt==0)) data.plot <- function(rats){ plot(seq(1,max(rats$stop),length.out=48),1:48, type="n",xlab="",ylab="") abline(h=24:48) abline(h=1:23,col="red") rats.status1 <- subset(rats, rats$status==1) points(rats.status1$stop, rats.status1$id) } data.plot(rats)
22.
# 強度関数の推定 par(mfrow=c(2,1)) NPfit.1 <-
coxph(Surv(start,stop,status)~1, data=rats, subset=(trt==1),method="breslow") KM.1 <- survfit(NPfit.1, conf.int=.95, type="aalen") plot(KM.1,sub="drug") NPfit.2 <- coxph(Surv(start,stop,status)~1, data=rats, subset=(trt==0),method="breslow") KM.2 <- survfit(NPfit.2, conf.int=.95, type="aalen") plot(KM.2,sub="control") # 累積強度関数 par(mfrow=c(1,1)) NA.MF.1 <- data.frame(time=c(0,KM.1$time), na=-log(c(1,KM.1$surv))) plot(NA.MF.1, type="l", lty=1,ylim=c(0,8), xlim=c(0,120)) NA.MF.2 <- data.frame(time=c(0,KM.2$time), na=-log(c(1,KM.2$surv))) lines(NA.MF.2, type="l", lty=2) legend(locator(1), c("drug","control"), lty=1:2) # 比例ハザードモデル NPfit <- coxph(Surv(start, stop, status)~factor(trt)+cluster(id), data=rats, method="breslow") summary(NPfit) KM <- survfit(NPfit, type="aalen") NA.MF <- data.frame(time=c(0,KM$time), na=-log(c(1,KM$surv))) lines(NA.MF, type="l", lty=4) legend(locator(1), c("drug","control","全部"), lty=c(1:2,4))
Baixar agora