研究の特徴

• 観察研究
• 薬剤AとBのアウトカムを比較
• 関心のあるアウトカムは多数
• サンプルサイズは100ぐらい

解析記録

5/16（3h）

• データ確認
• データセット仕様書作成
• 関心のあるアウトカム、交絡因子と考えられる変数を研究者とピックアップ
  • このステップは大事

5/17（2h）

• データをRへ読み込み
• 罠の回避

データ読み込みの罠：欠測を示す語句が複数種類ある

回避方法

read_csvのna引数で指定する。

df00 <- read_csv("01_Data/hogehoge.csv",
                     na = c("", "NA", "/", "", "x", "とれない", "解析できず", "MA"))

5/19（8h）

• 解析計画書作成
• 解析用データセット作成
  • シンプル部分
  • 繰り返し部分の関数作成

https://zenn.dev/shuntarosato/articles/978c90061361eb

5/20（10h）

• 解析用データセット作成
  • 複雑部分
• 欠測データの確認
  • naniar packageの使用
  • おかしいデータがあれば、解析用データセット作成に戻る
  • rmarkdown (html)に出力

https://naniar.njtierney.com/index.html

https://nothing-without-poison.com/rtips2/

• 背景情報の要約
  • gtsummary packageの使用
  • おかしいデータがあれば、解析用データセット作成に戻る
  • rmarkdown (html)に出力
    • 論文に直接用いるため、転記ミスがないように、wordファイル(docx)に出力
    • と思ったけど、見づらいし、コピペも普通にできるので、html使用にする

https://www.danieldsjoberg.com/gtsummary/index.html

5/23 (10h)

• 有効性評価項目の分布の確認
  • 作図
    • rmarkdown (html)に出力
    • 論文に用いる図は、投稿雑誌規定に合わせて別にggsave関数で出力
      • したがって、早めに投稿雑誌の当たりをつけていると良い
  • 要約
    • 時点ごとに縦持ちしているデータはgtsummarypackageは使いづらい
    • 変数ごと、時点ごとに縦持ちさせて、summarise関数が良い
  • おかしいデータがあれば、解析用データセット作成に戻る

5/24 (6h)

• 有効性評価項目の主解析
  • 経時測定データなので、混合効果モデルを用いた
  • lme4とemmeanspackageを使用
    • 時点ごとの群間比較をするためにemmeans packageを使用
      • いろいろ考えたけど、これが使いやすいと思う
      • 公式のVignettesの情報が最も充実している
    • 使い慣れないため、時間を溶かす

https://cran.r-project.org/web/packages/emmeans/index.html

5/25 (5h)

• 有効性評価項目の主解析

  • モデル式の任意の変数を差し替える関数を作成

• 安全性評価項目の解析

  • 集計のみ

一回目報告

• closeするか？
• ここまでかかった時間は42時間
• 非常にスムーズにいった例だと思う

5/26 (3h)

• 共同研究者の疑問にこたえるため、追加解析

二回目報告

• おそらくclose
• ここまでかかった時間は45時間