橋を架ける −ボストン・チャールズリバー編−

- If you want to go fast, go alone. If you want to go far, go together -

Promising Jazz Musicians

Music Life

先日（10月30日）、Barkely音楽院でのジャズライブに行きました。

大学院の校舎の中の小さな教室のような、でもとても雰囲気のある会場で、将来有望なジャズミュージシャンの卵の演奏を聞くことがきた（なんと無料！）。ピアニストのオリジナル曲とウェイン・ショーターのカバー。どちらも素敵だったけど、オリジナル曲のメロディーがとても気持ちよくて好きになったな。

 

1時間弱のライブだったけど、Befor/Afterでずいぶんスッキリしたと言うか、モチベーションが上がった気がする。その後勉強してしまったし。

 

ボストンでは＄0から＄20でかなり良質なライブを体験することができる。これから寒くなり、暗くなり嫌な季節になるけど、そのぶん音楽を楽しむぞ、と決めました。

 

いずれにせよ、

Thank you, Karen Shiraishi Trio and Guests !!!  I really like your peformance. 

f:id:R3A:20181101234522j:plain

 

www.berklee.edu



バイオマーカーと敗血症　（１）

Biomarker Medicine

Developing Biomarker Medicine (BM) in Sepsis

バイオマーカー（以下BM）の定義や分類はについてへFDAから出されたBest Resourceがわかりやすく書かれています。

 

FDA-NIH Biomarker Working Group. BEST (Biomarkers, EndpointS, and other Tools) Resource. Disease Markers. 2016;14(4):187-334. doi:10.1155/1998/698239.

 

BMの重要な役割の一つに”診断”があります。バイオマーカーの診断能を評価するときにはROC analysisを用いてAUCで評価することが多いです。例えば単一のBMのカットオフ値を定めて、BM陽性／陰性と疾患有り／無しの 2 by 2 tableを作り、感度・１−特異度を計算します。カットオフ値をいろいろな値にずらしていくことでそれぞれのカットオフ値で、感度・１−特異度を算出することで、ROC曲線（Receiver Operating Characteristic Curve）を書くことができ、Area Under the Receiver Operating Characteristic Curve を算出することができます。

実臨床では単一のBMで診断を下すことはほとんどなく、２つ３つのBMで診断を下すことがおいでしょう。

新しくできたBMの臨床的意義を評価するときも、それ単一で評価することに加えて、既存のBMにその新規BMを加えた時にどれだけ診断性能が上がるを評価をすることも重要です。その評価指標としてIDI(Integrated Discrimination Increment)やNRI(Net Reclassification Improvement)が代表的です。この考え方については下記文献でわかりやすく書かれています。

Holder D, Schipper M. STATISTICAL ISSUES IN BIOMARKER RESEARCH. Biomarkers. 2017;24(3):1-20. doi:10.1002/9780470918562.ch22.

Steyerberg EW, Vedder MM, Leening MJG, et al. Graphical assessment of incremental value of novel markers in prediction models: From statistical to decision analytical perspectives. Biom J. 2014;57(4):556-570. doi:10.1002/bimj.201300260.

 

さらに、例えば、BMを２つ、３つ、４つと増やしていったら

例えば敗血症の診断について、

１．WBC

２．WBC+CRP

３．WBC＋CRP+PCT

４．WBC＋CRP＋PCT＋Presepsin

とBMの数を増やしていったときにはそれぞれのモデルも診断性能をどう評価したら良いでしょうか？

いづれはその点について触れたいとも思います。

コンピューターサイエンスが急速に発達しているこの時代に、マシーンラーニングのメソッドも取り入れながら、実臨床で臨床医にとって役に立つBMの使い方を、データサイエンス、生物統計学、疫学、実臨床での有用性にもとづいて、考えていきたいと思います。

 

Machine Learning

Machine Learning

グーグルよりマシーンラーニングとはなにか、よく勉強になるスライドです。

 

マシーンラーニングの手法を使って、臨床で使用できる予測モデルを作ることができます。

スライドの作り方もとても参考になる。こんなスライドを作れたらいいな。

docs.google.com

LM→GLM→GLMM

Statitical Inference

統計の勉強

ハワイで頑張っている友人に教えてもらって買いました

とてもわかり易いし、読者がつまづかないような心配りがたくさんあるように感じる

 

データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)

データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)

 

 

勉強になります

再開

Study Design

大学時代の友人から発破をかけてもらった。

見ている人がいることがわかって、再開しようと決めました。

あまり気張らず短い文章で、少しづつやっていこうと思います。

 

今日は、MITで取った授業の教官メールしてくれた論文を読んでます。二つ。

一つは

www.ncbi.nlm.nih.gov

もう一つは

www.ncbi.nlm.nih.gov

敗血症における、臓器不全は metabolic-bioenergetic shutdownによるもの。
bioenergetic shutdown　は　an adaptive response to critical ilness。