日・米・EUの三極で組織されたInternational Conference on Harmonization (ICH)での合意に基づき,厚生省は1998年に「臨床試験のための統計的原則」というガイドラインを公にした(厚生省医薬安全局審査管理課長,1998).このガイドラインは,試験治療の効果を評価する検証的臨床試験において,まず治療と施設の交互作用がないモデルで試験治療の効果を調べ,効果が認められる場合でも交互作用を吟味して,真に効果を認めて良いかどうかを判断するよう勧めている(ICH型解析方法).これは交互作用が大きい場合,平均的には試験治療の効果が認められても,その結果の一般性には疑問が残るので,試験治療の効果を認めにくくするという方針に基づいている。
この方針は,はじめに交互作用の有無について予備検定を行い,その結果によってモデルに交互作用を入れるかどうかを決め,その上で治療効果すなわち治療の主効果の検定を行ない,有意なときには主効果を認める,という応用統計学の分野で伝統的に使われているやり方(従来型解析方法)と違っている.それにもかかわらず上記ガイドラインはQ＆Aでこの違いについて定性的な説明をしているのみで,定量的な評価をどこにも示していない.
そこで著者らは本論文で,この2つの解析方法の差異を定量的に評価した.すなわち,いくつかの条件の下で,試験治療が対照治療に比べて効果があると判断される確率(受容率)を調べた.その結果によると,交互作用がなくて試験治療の効果があるときは,ICH型解析方法の受容率の方が低くなるが,それは約20分の1にすぎない.それに対して交互作用があるときはその受容率が従来型解析方法に比べてはるかに小さくなる。総合的にはICH型解析方法がその方針をよく反映していることが確かめられたと言える.

抄録全体を表示

Neural networks have received considerable attention as useful tools for analyzing data with complex structure. We consider the use of radial basis function networks in constructing nonlinear regression models.
Suppose that we have n observations {(y_i, x_i);i=1, ..., n}, where yi are independent random response variables and xi are vectors of d explanatory variables. Consider the regression model
y_i=u(x_i)+ε_i, i=1, ..., n,
where u(·) is an unknown smooth function and the errors εi are independently distributed n(0, σ²). Our aim is to estimate the function u(·) from the observed data, for which we use the radial basis function (RBF) network
u(x_i)= ∑ω_kφ_k(x_i)+ω₀
where φk(x) is the basis function given by
φ_k(x)=exp(-||x-c_k||²/2vs²_k), k=1, ..., M.
We introduce the Gaussian basis function with hyperparameter v that adjusts the amount of overlapping basis functions.
In the first stage the centres ck_kand scale factors s²_k of the basis functions are determined by using the k-means clustering algorithm based on the input data set {x_i;i=1, ..., n}. In the second stage we estimate the weights ω_k by the regularization method which maximizes the penalized log-likelihood
$sum;logf(y_i|x;ω, σ²)- λ/2 ω'Qψ,
where ω=(ω₀, ω₁, ..., ω_M)', λ is a smoothing parameter and Q is some fixed (M+1)×(M+1) nonnegative-definite matrix.
A crucial issue in the RBF network regression model is the choice of smoothing parameters v, λ and also the number of basis functions that control the smoothness of the fitted function by regularization. We present an information-theoretic criterion for evaluating the nonlinear regression model based on the RBF network. The information criterion proposed is applied to choose the smoothing parameters and the number of basis functions.
We use Monte Carlo experiments and a real data example to examine the performance of the RBF network nonlinear modeling. The simulation results show that our nonlinear modeling performs well in various situations, and that clear improvements are obtained for the use of the hyperparameter in the radial basis functions.

抄録全体を表示

本論文は,高齢者のQOLの構造を検討する基礎として,痴呆老人病棟における臨床データを分析し,QOLの構造を研究したケース・スタデイである.ここでわれわれは,患者本人の回答に基く主観的なQOLの議論は非常に困難であるとみなし,患者の様態,行動を看護,介護などの客観的な立場から測定したデータに基いてQOLを分析する方針をとった.
QOLに関して9項目を測定し,それに連関すると考えられるADLに関して9項目および知的機能を測定する1項目を加え,3つの変数セットからなる19項目による測定を行った.測定は経時的に,6ケ月間隔をおいた2期に亘る.
この臨床データ・を統計学的な立場から分析し,QOLの空間的構造とクラスター構造を導出した.これに基く医学的な解釈を行い,知的機能,ADLおよびQOLの連関構造を総合的に把握する知見を得た.最後に,知見の意義と限定性を検討し,様々な視点から本研究の妥当性と信頼性を考察した.

抄録全体を表示