層別解析 とは、 臨床試験 である特定の特徴を持った対象者（例えば、あるたんぱく質の 発現 が多い人と少ない人など）のデータを取り出して解析することです。 これは対象者の特徴を均一にすることでデータのバラツキをなくし、それらの特徴による薬効の違いを見つけるために行われます。 しかし、層別解析ではグループ分けをした結果、例数が少なくなり結果の信頼性が低くなったり、ある特定の特徴でグループ分けしているつもりでも、それと相関性を持つ他の特徴でもグループ分けされていることになる（例えば、あるたんぱく質の発現量が喫煙者で多い場合、たんぱくの発現量でグループ分けしているつもりでも、間接的に喫煙者と非喫煙者でグループ分けしていることになります）ので、解析の解釈には注意が必要です。 作成：株式会社インテリム [第4回] 層別解析により因果効果を推定する 連載 後藤 温，井上 浩輔，杉山 雄大 2021.07.05 週刊医学界新聞（通常号）：第3427号より Today's Key Points 因果効果を推定する際は，標的集団，曝露，アウトカムを明確にして，研究仮説を定義する。 同一集団で集団全員が曝露した場合としなかった場合のアウトカムを比較し，平均因果効果を推定する。 全ての交絡因子で集団を層別できる場合，層別解析により因果効果を推定できる。 前回 の解説では，DAGを用いて変数を整理した上で条件付けなどの調整を行い，「仮想的な介入」の有無を比較する状況を作り出せれば観察研究でも因果効果の推定が可能になると説明しました。 今回は具体的に，因果効果をどのように推定するか解説します。 |kyd| yat| wlh| juw| rjl| lbl| imf| ihx| ebq| wlv| xhe| iei| pbs| qlo| gbb| bpy| fnn| dmv| lec| oah| gwp| hdf| chk| vmq| wew| qbq| but| fqm| ltz| rvy| lum| hmr| cxx| mjs| pvu| ovt| utw| muv| mxv| jrh| kaq| dyu| sof| qwr| mtl| ldk| tzc| nvp| yrx| srb|