Enviar pesquisa
Carregar
バイアスについて
•
12 gostaram
•
4,947 visualizações
Takashi Fujiwara
Seguir
バイアスについて(院内講義資料)
Leia menos
Leia mais
Saúde
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 32
Baixar agora
Baixar para ler offline
Recomendados
STROBE/STARDの解説
STROBE/STARDの解説
Takashi Fujiwara
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
Satoshi Hara
協力ゲーム理論でXAI (説明可能なAI) を目指すSHAP (Shapley Additive exPlanation)
協力ゲーム理論でXAI (説明可能なAI) を目指すSHAP (Shapley Additive exPlanation)
西岡 賢一郎
特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙
Satoshi Hara
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
Recomendados
STROBE/STARDの解説
STROBE/STARDの解説
Takashi Fujiwara
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
Satoshi Hara
協力ゲーム理論でXAI (説明可能なAI) を目指すSHAP (Shapley Additive exPlanation)
協力ゲーム理論でXAI (説明可能なAI) を目指すSHAP (Shapley Additive exPlanation)
西岡 賢一郎
特徴選択のためのLasso解列挙
特徴選択のためのLasso解列挙
Satoshi Hara
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
Takayuki Itoh
ナレッジグラフ推論チャレンジの紹介
ナレッジグラフ推論チャレンジの紹介
KnowledgeGraph
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法
Satoshi Hara
4 データ間の距離と類似度
4 データ間の距離と類似度
Seiichi Uchida
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
差分プライバシーとは何か? (定義 & 解釈編)
差分プライバシーとは何か? (定義 & 解釈編)
Kentaro Minami
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
論文紹介「A Perspective View and Survey of Meta-Learning」
論文紹介「A Perspective View and Survey of Meta-Learning」
Kota Matsui
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
Takami Sato
統計学勉強会#2
統計学勉強会#2
Hidehisa Arai
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
わかりやすい利益相反:臨床研究を成功させるために
わかりやすい利益相反:臨床研究を成功させるために
Masahiko Hara
費用対効果分析とは?
費用対効果分析とは?
Takashi Fujiwara
Mais conteúdo relacionado
Mais procurados
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
Takayuki Itoh
ナレッジグラフ推論チャレンジの紹介
ナレッジグラフ推論チャレンジの紹介
KnowledgeGraph
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法
Satoshi Hara
4 データ間の距離と類似度
4 データ間の距離と類似度
Seiichi Uchida
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
差分プライバシーとは何か? (定義 & 解釈編)
差分プライバシーとは何か? (定義 & 解釈編)
Kentaro Minami
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
論文紹介「A Perspective View and Survey of Meta-Learning」
論文紹介「A Perspective View and Survey of Meta-Learning」
Kota Matsui
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
Takami Sato
統計学勉強会#2
統計学勉強会#2
Hidehisa Arai
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
Mais procurados
(20)
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない~機械学習を支援する情報
ナレッジグラフ推論チャレンジの紹介
ナレッジグラフ推論チャレンジの紹介
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法
4 データ間の距離と類似度
4 データ間の距離と類似度
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
差分プライバシーとは何か? (定義 & 解釈編)
差分プライバシーとは何か? (定義 & 解釈編)
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
機械学習の理論と実践
機械学習の理論と実践
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
論文紹介「A Perspective View and Survey of Meta-Learning」
論文紹介「A Perspective View and Survey of Meta-Learning」
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
統計学勉強会#2
統計学勉強会#2
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
Destaque
わかりやすい利益相反:臨床研究を成功させるために
わかりやすい利益相反:臨床研究を成功させるために
Masahiko Hara
費用対効果分析とは?
費用対効果分析とは?
Takashi Fujiwara
診断研究におけるGRADEアプローチ
診断研究におけるGRADEアプローチ
Takashi Fujiwara
3診断精度系統的レビューのための系統的検索
3診断精度系統的レビューのための系統的検索
SR WS
161017 コホート研究批判的吟味
161017 コホート研究批判的吟味
Takashi Fujiwara
適応外使用について
適応外使用について
Takashi Fujiwara
Destaque
(6)
わかりやすい利益相反:臨床研究を成功させるために
わかりやすい利益相反:臨床研究を成功させるために
費用対効果分析とは?
費用対効果分析とは?
診断研究におけるGRADEアプローチ
診断研究におけるGRADEアプローチ
3診断精度系統的レビューのための系統的検索
3診断精度系統的レビューのための系統的検索
161017 コホート研究批判的吟味
161017 コホート研究批判的吟味
適応外使用について
適応外使用について
Semelhante a バイアスについて
20140408 EBMに基づく判断 for 愛媛大学
20140408 EBMに基づく判断 for 愛媛大学
Takashi Fujiwara
くすりと母乳育児:相談のための基本知識
くすりと母乳育児:相談のための基本知識
Naoto Yamaguchi
母乳で育つ赤ちゃんの発育のバリエーション~健診で気になる母と子、家族への支援~
母乳で育つ赤ちゃんの発育のバリエーション~健診で気になる母と子、家族への支援~
Naoto Yamaguchi
06_gnash.pdf
06_gnash.pdf
keiodig
予防医学・ヘルスプロモーション ポートフォリオ
予防医学・ヘルスプロモーション ポートフォリオ
Takuya Aoki
【No.2】発達障害児童向けのケアサービス事業におけるニーズと市場分析
【No.2】発達障害児童向けのケアサービス事業におけるニーズと市場分析
etic_sal
【No.4】「学生によるベビーシッター」事業における顧客ニーズ・事業課題とサービス導入方策(1)
【No.4】「学生によるベビーシッター」事業における顧客ニーズ・事業課題とサービス導入方策(1)
etic_sal
愛着形成
愛着形成
nagatomo goh
母乳育児における父親の役割と父親への支援を考える
母乳育児における父親の役割と父親への支援を考える
Naoto Yamaguchi
こどもを尊重したかかわりを求めて~抱っこ採血を実施してこどもを待つことで見えたこどもの力~
こどもを尊重したかかわりを求めて~抱っこ採血を実施してこどもを待つことで見えたこどもの力~
かなざきこどもクリニック
Semelhante a バイアスについて
(10)
20140408 EBMに基づく判断 for 愛媛大学
20140408 EBMに基づく判断 for 愛媛大学
くすりと母乳育児:相談のための基本知識
くすりと母乳育児:相談のための基本知識
母乳で育つ赤ちゃんの発育のバリエーション~健診で気になる母と子、家族への支援~
母乳で育つ赤ちゃんの発育のバリエーション~健診で気になる母と子、家族への支援~
06_gnash.pdf
06_gnash.pdf
予防医学・ヘルスプロモーション ポートフォリオ
予防医学・ヘルスプロモーション ポートフォリオ
【No.2】発達障害児童向けのケアサービス事業におけるニーズと市場分析
【No.2】発達障害児童向けのケアサービス事業におけるニーズと市場分析
【No.4】「学生によるベビーシッター」事業における顧客ニーズ・事業課題とサービス導入方策(1)
【No.4】「学生によるベビーシッター」事業における顧客ニーズ・事業課題とサービス導入方策(1)
愛着形成
愛着形成
母乳育児における父親の役割と父親への支援を考える
母乳育児における父親の役割と父親への支援を考える
こどもを尊重したかかわりを求めて~抱っこ採血を実施してこどもを待つことで見えたこどもの力~
こどもを尊重したかかわりを求めて~抱っこ採血を実施してこどもを待つことで見えたこどもの力~
Mais de Takashi Fujiwara
プログラム(医療機器含む)による拡張された診療
プログラム(医療機器含む)による拡張された診療
Takashi Fujiwara
補聴器に関する法規等
補聴器に関する法規等
Takashi Fujiwara
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
Takashi Fujiwara
統制語、シソーラス、MeSH?に基づく医学論文の検索
統制語、シソーラス、MeSH?に基づく医学論文の検索
Takashi Fujiwara
160604 メディカルカフェ
160604 メディカルカフェ
Takashi Fujiwara
医療情報の発見的&系統的文献検索
医療情報の発見的&系統的文献検索
Takashi Fujiwara
診断研究メタアナリシス報告事例
診断研究メタアナリシス報告事例
Takashi Fujiwara
診断研究のメタアナリシスをやってみる(みたい)。
診断研究のメタアナリシスをやってみる(みたい)。
Takashi Fujiwara
愛大学生用、メタアナリシスについて
愛大学生用、メタアナリシスについて
Takashi Fujiwara
EBM文献検索
EBM文献検索
Takashi Fujiwara
140115 GRADEについて
140115 GRADEについて
Takashi Fujiwara
Mais de Takashi Fujiwara
(11)
プログラム(医療機器含む)による拡張された診療
プログラム(医療機器含む)による拡張された診療
補聴器に関する法規等
補聴器に関する法規等
医療データベース研究におけるバイアスと交絡への対処法
医療データベース研究におけるバイアスと交絡への対処法
統制語、シソーラス、MeSH?に基づく医学論文の検索
統制語、シソーラス、MeSH?に基づく医学論文の検索
160604 メディカルカフェ
160604 メディカルカフェ
医療情報の発見的&系統的文献検索
医療情報の発見的&系統的文献検索
診断研究メタアナリシス報告事例
診断研究メタアナリシス報告事例
診断研究のメタアナリシスをやってみる(みたい)。
診断研究のメタアナリシスをやってみる(みたい)。
愛大学生用、メタアナリシスについて
愛大学生用、メタアナリシスについて
EBM文献検索
EBM文献検索
140115 GRADEについて
140115 GRADEについて
バイアスについて
1.
私たちを混乱させるバイアス -主に臨床医学関連で- 大原記念倉敷中央機構 倉敷中央病院耳鼻咽喉科 & 臨床研究支援センター 藤原崇志
2.
3.
1. Selection bias(選択バイアス) 2.
Information bias 3. Co-factors
4.
Selection Bias
5.
Selection Bias(選択バイアス) 観察する集団が母集団を正しく繁栄していないために 生じてしまうバイアス。 自分自身が“ある治療”や“ある検査”が有効かどうか調べた い時に、全然違うヒトを対象にした研究だった場合、その結果 は参考にならない、など。
6.
ご褒美と学習効果の研究における 選択バイアス
7.
子どものご褒美は何がよいか? • 例えばこんな介入試験 学習意欲 UP! 小さな子どもに勉強頑張ってもらうために、 頑張ったらトロフィーあげるよ、といったら頑張ってくれるかもしれない。 幼稚園児がトロフィー(400円相当)で学習意欲向上するというデータも。 学力の経済学 中室牧子
(Discover社)
8.
子どものご褒美は何がよいか? • 例えばこんな介入試験 学習意欲 UP! 学習意欲 UP! 幼稚園児がトロフィー(400円相当)で学習意欲向上する・・・ だからといってその効果が小学生(異なる対象)でも得られるとは限ら ない。(小学生はトロフィーより同額の400円、現金の方がよいかも・・・) 学力の経済学 中室牧子
(Discover社)
9.
実際のダイエットの臨床試験における 選択バイアス 極端な虚構を例に・・・
10.
どうやったらダイエット成功しますか? いつもダイエットに失敗してしまいます。 何かいい方法はありませんか? そんな難しいことはしなくて大丈夫。 毎日1時間走れば大丈夫。 このダイエットした10人中10人が痩せたよ! (それが出来たら痩せてるよ。。。) 他の誰かが成功したダイエットが、自分にもできるとは限らない。 もしかしたら無理な運動で、体重が膝の負担になり膝を痛めるかも、 それに急に無理な運動をすると心筋梗塞になるかもしれない。
11.
どうやったらダイエット成功しますか? 他の誰かが成功したダイエットが、自分にもできるとは限らない。 もしかしたら無理な絶食で体を壊すかもしれない。 ダイエットに成功しても体を壊しては意味がない・・・。 スポーツマンに聞いてもろくなダイエット教えてく れなくて。何かいい方法ないかな? 2週間も水だけで生活していれば 自然と無駄な脂肪はなくなるよ。 (やっぱりそういう回答か、、。)
12.
脱落バイアス(選択バイアスのひとつ) 治療を受けなかった人 (ダイエットなし 100人) 治療しなかった人 (ダイエットあり 100人) ある治療の 対象者 誰も体重減尐なし (但し体重増加もなし) 100%の人 が体重減尐! ある治療法(今回ならダイエット)の効果を見るときに、 治療を続けられなかった人を省いてしまうと、 治療効果を過剰に評価してしまうかもしれない。(脱落バイアス)
13.
脱落バイアス(選択バイアスのひとつ) 治療を受けなかった人 (ダイエットなし 100人) 治療しなかった人 (ダイエットあり 100人) ある治療の 対象者 誰も体重減尐なし (但し体重増加もなし) 100%の人 が体重減尐! ま、100%っていってもダイエットを続けられた 100人中10名だけどね。 この10名はちゃんと体重減ったから嘘じゃないし。 90人のうち10名が膝を痛めて、運動できなくて むしろ体重が増えたけど。彼らはダイエットして ないから数にいれなくていいよね。 10人
14.
実際のダイエットの臨床試験における 選択バイアス ・・・先ほどの例は極端なので
15.
ガルシニアはダイエットに有効ですか? ガルシニアはヒドロキシクエン酸(HCA)を有効成分として、肥満抑制を 標榜するダイエット食品やサプリメントに使用されている1)。 試験官実験や動物実験では脂肪代謝の抑制を示す結果も2) 。 上記の疑問に答えるためにランダム化比較試験を施行 対象: 135人の肥満患者(平均約39歳、平均BMI
31程度) 治療: 介入群 通常の食事ダイエット + HCA 1500mg/day 治療: 比較介入群 通常の食事ダイエット + プラセボ(偽薬) 1) 食品成分有効性評価及び健康影響評価プロジェクト解説集 ガルシニアについて http://www0.nih.go.jp/eiken/chosa/saito.html 2) ウィキペディア ヒドロキシクエン酸 https://ja.wikipedia.org/wiki/%E3%83%92%E3%83%89%E3%8 通常のダイエット +HCA 1500mg/day 通常のダイエット +プラセボ(偽薬) 135人 肥満患者 体重減尐する? 体重減尐しない?
16.
ガルシニアはダイエットに有効ですか? +1 0 -1 -2 -3 -4 -5 体重変化(kg) 0 2 4
6 8 10 12 治療開始からの期間(week) HCAはダイエットによさそう、やろうかな。 ヒドロキシクエン酸(HCA) 薬を使った → やせた → だから、薬が効いたに違いない!!!
17.
ガルシニアはダイエットに有効ですか? 薬を使った → やせた
→ だから、薬が効いた! とは限らない。 わざわざ研究に参加する人はダイエットを頑張る人が参加するため、 HCAを飲んでも飲まなくても結局ダイエットに成功するかもれない。 (ちゃんと飲まなかった人と比較しないといけない) +1 0 -1 -2 -3 -4 -5 体重変化(kg) 0 2 4 6 8 10 12 ヒドロキシクエン酸(HCA) プラセボ(偽薬) ・・・あれ?
18.
運動でやせるのは大変? 体重減尐における運動療法を比較したランダム化比較試験のまとめ。 運動内容 頻度 期間
効果 脱落 Anderssen 1996 ウォーキング/ ジョギング/ エアロビクス 週3日 52週 BMI 1.01減尐 1% Hellenius 1993 ジョギング 週2-3日 1回30-45分 26週 BMI 0.60減尐 1% Stefanick 1998 エアロビクス 週3日 1回60分 52週 体重 1.15kg 減尐 3% Wood 1988 ジョギング 週3回以上 1回40-50分 52週 体重 4.60kg 減尐 15% 効果がよくでるWoodの研究をみると15%の人がダイエットを継続できてない。 やっぱり効果がえられる激しい運動は、続けられる人は尐ないのだろうか? http://onlinelibrary.wiley.com/doi/10.1002/14651858.CD003817.pub3/abstract
19.
ランダム化比較試験の効果が 目の前の患者にも当てはまるのか?
20.
RCTを解釈する時の選択バイアス ある治療(薬など)の効果が、ランダム化比較試験でみとめられたとする。 でも、ランダム化比較試験で組み入れられた患者さんもリスクが一定とは 限らない。実際にはハイリスクの患者さんだけ効果がえられていても、一 見全員が効果がえられたかのように錯覚してしまう。
21.
22.
Information Bias Teach-ICT.com Checkpoint
7より http://www.teach-ict.com/ks3/year8/information_reliability_bias/quick_8points/point7.htm
23.
思い出しバイアス(Recall bias) 病気の原因を探る際に、病気になった人とならなかった人を、 原因(疑い)があったかどうか比較する。このときに、 ● 病気になったかどうか覚えているか ●
薬を飲んだかどうか覚えているか は個人の記憶に頼むので、都合のいいことしか覚えてなかったりして、誤った結 果が導かれることも。 病気になった人 病気にならなかった人 昔ある 治療し てた してない して ない して た
24.
思い出しバイアス(Recall bias) 辞めた前の職場のことを、あの頃は良かったとか思うのとか、過去の美化とか。 オレが若いころは もっと頑張ってたぞ!
25.
• 例えばこんな症例対象研究 バカは本当に風邪をひかないか? この冬、風邪をひいた人 風邪をひかなかった人 Not バカ バカ バカ バカは風邪を本当にひかないのだろうか? それとも風邪に気づかないだけ?? -
Recall bias (思い出しバイアス)- 「風邪をひきましたか?」と本人に聞くだけでは思い出しバイアスが生 じかねない。風邪の定義(体温38度以上+咳嗽)など基準をはっきり させ、毎日体温を測定するなどしてバイアスをさける必要がある。 Not バカ
26.
バスケットにおいてシュートの成功が 次の成功につながり、 成功が続くとリラックスして自信もつき、 乗ってて、もうシュートをはずさない現象。 多くの人(?)が信じる“波に乗る”は本当? But... シュート前の連続成功回数に関わらず シュート成功率は一定というデータも。 連続成功したことをより強く覚えているだけ? - Recall bias
(思い出しバイアス)- 人間この信じやすきもの T.ギロビッチ (新曜社) 第2章 「波に乗っているときには、自信が湧くんだ。誰にも止められないぞとい う感じがする。まず、最初のショットを決めることが大事だ、特に最初の をリングに当てずにスポット入れてやることが。そうすれば、次のショット も決まる。そうなれば、もう怖いものなしだ。」 W.B.フリー(プロバスケットボール選手)
27.
四肢のアザラシ状奇型とサリドマイド 1960年頃に睡眠薬や胃腸薬としてサリドマイドは販売されたが、妊婦が使用 すると奇形児が生まれるため販売が停止。(現在は多発性骨髄腫に対して再承認) 1回目の調査 1960年頃に西ドイツで奇形児が大量に生じた際、原因を調査するため奇形 児の母親に聞き取り調査を行った。 の母親がサリドマイド(コルテガン)を使用したと報告。 2回目の調査 サリドマイドが原因と疑われ、1回目の調査を行った人に再調査。 の母親がサリドマイド(コルテガン)を使用したと報告。 多くの患者たちが、1回目の調査の時は まったく安全だと思って書かなかったと述べた。 統計科学序説Ⅰ 社会の中の統計学 池田貞雄、西田英郎
内田老鶴圃 ウィキペディア サリドマイド https://ja.wikipedia.org/wiki/%E3%83%92%E3%83%89%E3%83%AD%E3 20% 50%
28.
そのほかのInformation bias
29.
大学生において試験前になると祖母が死んで 忌引きが多くなるのはホントなのか? The Dead Grandmother/Exam
Syndrome. Mike A. (Annals of improbable research 1999) 試験の当日 試験のない日 大学生達 やけに欠席してない? 出席してる 試験の当日になると本人のストレスが最大限増悪し、 その結果、血縁者にも悪影響(死亡等)が生じて、 欠席者(忌引き)が増えるんじゃないか? → 調べてみよう!
30.
家族の急死(death/100 students)は - 試験がない時
0.054 - 中間テスト前 0.574 - 期末テスト前 1.042 大学生において試験前になると祖母が死んで 忌引きが多くなるのはホントなのか? But... テスト前は祖母が死んでも報告してないだけ? (忌引きする意味がないから報告してない?) - 報告バイアス - そもそも大学生の死亡報告は本物なのか? - 報告バイアス - The Dead Grandmother/Exam Syndrome. Mike A. (Annals of improbable research 1999) *約20倍!
31.
赤ちゃんが生まれると、「目元がお母さん にそっくり」「この子の鼻は父親の家系に そっくりね」と、子どもが両親に似ているこ とを口にする。 But... 産まれてきた子どもは親にそっくり? “似ている”の定義が曖昧であることによる 玉虫色の解釈と、玉虫色の期待 人間この信じやすきもの T.ギロビッチ (新曜社)
第2章 「おもしろいことに、赤ちゃんが養子の場合でもそれを知らない 人は、同じような指摘をしがちである」 「親と子の遺伝的なつながりがまったく無い場合でも、無数の 身体的行動的特徴の中から、よく似た部分をみつけてくる。」 人間この信じやすきもの T.ギロビッチ (新曜社) 第4章
32.
• To be
continue… よい実例があったら教えてください。
Baixar agora