FC2ブログ

合格した人だけ知っているだれでも国立大学医学部に合格できる裏技勉強法を全部紹介するブログ

偏差値40台をとったこともある国公立医学部医学科に合格した現役医師がお送りする大学受験勉強法ブログです。               最強の勉強法とは「二元論を使うべし」と「データベースを作るべし」

【初期衝動と芸術】これをやらないと次に進めないという感覚でものづくりをする。

芸術の秋ですが、ものづくりという点においては、音楽も芸術も文学もブログも同じ。

人生において、なにか困難や壁(ストレス源)にぶつかって苦しんだとき、「これをやらないと次に進めないという感覚」で昇華というか適応機制したくなることがある。

適応機制については、https://www.nhk.or.jp/kokokoza/radio/r2_hoken/archive/2016_hotai_18.pdf#search='%E9%81%A9%E5%BF%9C%E6%A9%9F%E5%88%B6'を参照。

この昇華活動が優れているからこそ、「芸術に触れて、感動する」わけ。

それでは、

初期衝動がすごいぞデータベース。

例1.ぼくのブログと電子書籍とYoutube動画
https://youtu.be/VfWGoRqfGbg
ストレス源:医学部医学科大学受験不合格

例2 宇多田ヒカル 花束を君に
ストレス源:母親との別れ

例3 小袋成彬 分離派の夏
ストレス源:大学卒業後の売れない時期、ニート時期の鬱憤

解説:ラジオでもよくおっしゃっているけど、芸術のコンテスト、コンクールに応募するときに、査読者というか審査員に印象に残るように一発かまそうというしている作品は見透かされて、落とされる。
初期衝動で作ったものが、大事なんだと。

例4 山崎まさよし ワンモアタイム ワンモアチャンス
ストレス源:失恋

例5 BUMP OF CHICKEN ダイヤモンド、ラフ・メイカー
ストレス源:不登校、アイデンティティ・クライシス

例6 ゲスの極み乙女。 僕は芸能人じゃない
ストレス源:ゲス不倫でマスコミに叩かれてへこむ、活動休止に追い込まれる

解説:最近の芸術作品の中で、これほど面白かったものはない。
川谷絵音さんはやっぱりすごい。
ストレス源をちゃんと音楽として昇華させて、いい音楽を作っている。
ドラムもベースも最高だし、これからもいい音楽作って欲しい。

この記事を書きたくなったのは、「僕は芸能心じゃない」を聞いたからです。
この曲を聞いたら、この記事を書かないと先に進めなくなってしまった。

例7 スティーブ・ジョブズ アップル創業
ストレス源:孤児、社会不適合、貧困

例8 川端康成 雪国
ストレス源:孤児

例9 宮崎駿 紅の豚
ストレス源:自己嫌悪、第二次世界大戦

すごい作品のうらには、作者のストレス源があり、それが不幸であればあるほど、生み出されて昇華される美しさは人を感動させる。

逆に言うと、幸せになってしまった芸術家は良いものを作れなくなってしまう。

「芸術家として、成功し、地位も名誉もあると、欲求不満がなくなってしまい、徐々にオワコン化していく。」

というのは避けられない。

これまで芸術作品や起業の例だったけど、医学論文も、ある種の昇華です。

例10 ぼくの論文
ストレス源:患者の死、治療の正当性のもやもや、いけてない上司へのイライラ

Rertrospectiveな論文しかできないけど、日常診療で出くわすいろんな悔しさやモヤモヤが医学論文や学会発表のストレス源であり、防衛機制、適応機制で昇華させて、形にしたいものになってくる。

単純に知りたいという欲求がそこにないもの、査読者に媚びへつらうものは、たいして良い論文じゃないんだろうなぁー。
電子書籍を2年ぶりに大改訂しました。

ページ数が1500ページと大幅に増えました。

同時に他の本を絶版にしています。

これ一冊ですべての知識が手に入ります。

このペースで増えていくと、そのうち、一万ページになってしまうかもしれませんが、お値段据え置きの500です!
【医学統計学】統計学も二元論でスッキリ使いこなす方法

【もくじ】どぞ。
1.総論
 1.1.統計学とわたし
 1.2.電子カルテから臨床情報を抽出して、統計原本を作る。
2.各論
 2.1. シロート統計学でEZRを学ぶ。
 2.2. エクセルで統計原本を作る技術

以下本題。

1.総論
 1.1.統計学とわたし

統計学は学問の王様であり、ずっと使いこなすことに憧れていたけど使えていなかった。
それが徐々に使えるようになってきたのでこの記事を書いてます。

今の大学教育(医学部に関して)は、統計学を教養科目として学ぶけど、「大学のかったるい授業」の域を脱してなくて、「帰無仮説とかp値の説明、t検定、カイ二乗検定でおわり。」
臨床研究や実臨床にもっとも大事である、EZRやHRや陽性尤度比の話は全然教えてくれない。

ぼくの統計学レベルは
レベル1 大学の教養課程の統計の授業を理解できる
レベル2 研修医のときに、総合診断科教授から臨床統計の授業を理解できる
レベル3 論文に書いてある統計学用語、統計結果を理解できる
レベル4 EZRで自分が持ったクリニカルクエッションに対して統計的に分析できる

の段階に成長できてきました。

つぎのレベルはさしづめ
レベル5 メタアナリシス、RCTなどの統計方法を実践する
レベル6 統計学部の博士号をとれる

かもしれません。
社会人になって、統計学の知識は本当に有用ですが、その大切さについて教えてくれるひとはあんまりいません。教授も勉強しとけっていう感じで実践的なことは教えてくれないし。

というわけで、ぼくが実感した統計学のありがたみをこの記事に書いていこうと思います。

 1.2.電子カルテから臨床情報を抽出して、統計原本を作る。

臨床研究において、FileMakerを使って、日頃からデータベースをWIKIで、つまり大人数で統計データベースを入力することをしていない医局に所属すると、自分でデータを電子カルテから情報を抽出する必要がある。

日頃から、FileMakerでデータベースを構築している医局ってどのくらいの割合で存在するのだろう。

抽出したデータはFileMakerが病院のパソコンにインストールできていないなら、エクセルに入力することになる。
エクセルのデータはたいていの病院内のサーバーに保存できるので、もっとも現実的なデータベース構築ソフト。

ファイルメーカーじゃないので、値の入力はそういうわけで、エクセルのセルに直接入力する。細かい入力のコツは2.2.で書いていく。

2.各論
 2.1. シロート統計学でEZRを学ぶ。

https://haru-reha.com/

まずは、上記リンクで、ハル先生のブログを御覧ください。長い間、医学の統計学をやってきて、ずっとモヤモヤしていたんですが、

やっと、二元論ユーザーの先達に出会えました。先生がこの世に文章を残す前 vs 後で世界は変わりました。

(先生がおすすめしている
①初心者でもすぐにできる フリー統計ソフトEZRで誰でも簡単統計解析 著者神田 善伸
②EZRでやさしく学ぶ統計学 EZRでやさしく学ぶ統計学~EBMの実践から臨床研究まで 著者神田善伸
③みんなの医療統計 多変量解析編 
の本を立ち読みしかしてないっていうのが最大の原因かもしれませんが。)


今までのぼくの勉強法は、いかにも、分析的で総合されていなかった。micro noteばっかりで、MACRO noteが作れなった。

先生は以下のように、医学統計学を総合させています。

「医学統計学は以下の11しかない。

①独立した2群間の連続変数を比較する

②対応のある2群間の連続変数を比較する

③独立した2群間の比率を比較する

④対応のある2群間の比率を比較する

⑤独立した3群以上の間の連続変数を比較する

⑥対応のある3群以上の連続変数を比較する

⑦2つの連続変数の相関を評価する

⑧比率についての多変量解析を行う

⑨連続変数についての多変量解析を行う

⑩2群間の生存曲線を比較する

⑪生存曲線についての多変量解析を行う」

以上。

しかも、それぞれをさらに二元論で、エレメント、要素をまとめています。

①「独立してる,independent」vs「独立していない、従属である、対応のある、depedent」
独立:A群 vs otA群
例:二重盲検してA群とnotA群でわける。

従属:A群 vs A'(えーぷらいむ)群
従属パターンはTime(同一人物の治療前vs治療後)とか

②「2群」vs「3群以上」

 ①の例は2群

3群:
A群 vs 群 vs 群

あるいは
A vs A' vs A''(えーだぶるぷらいむ)
治療前 vs 治療1年後 vs 治療5年後

③「連続変数 Continuous Variable(定量的)」vs「離散変数 discrete variable(定性的)、名義変数(nominal variable)、順序変数(ordinal variable) 」 nd 「比率、ratio」
(http://www.statisticshowto.com も参照しました。)
連続数:年齢、体重、期間
vs
名義変数:Gender、生き死に、Event発生有無
順序変数:PS、Child-Pugh分類、TNM分類
順序変数は比率を使わず、中央値や平均値で連続化して扱われる。

このうち、
名義変数の比率(離散数の連続化ともいえる)

つまり、

「①である②の③を評価する」ってこと。

次。

④相関 vs 多変量解析 vs 生存曲線

●相関:独立あるいは従属しているかもしれない、2つの連続変数の関連の強さを定量する。

従属していれば、正あるいは負の相関があり、

独立していれば、相関がない。

●多変量解析:「原因→function→結果」のFunctionがどんだけ強いかを定量する。

原因→結果にはいろんな交絡因子が入ってくるので、その雑音みたいなものを除去するのが多変量解析の役割。

           年齢        性別  
           ↓           ↓  
分子標的薬した →→→→→→→→→→→→→→ とある重大な副作用でた
           ↑    ↑          ↑
           S  以前化学療法   後療法

連続変数も比率も多変量解析はできる。

●生存曲線:エベント発生するまでの期間を定量する

治療したA群 vs 治療していない not A群の生存期間比較

は最もよく見るやつ。そして、RCTしたときのインパクトがもっともでかい。NEJMとかにのっちゃうやつ。

           年齢        性別  
           ↓           ↓  
分子標的薬した →→→→→→→→→→→→→→ 生存期間のびた
           ↑    ↑          ↑
           S  以前化学療法   後療法

次。

「EZRで検定を選んでぽちっとする。」
11の調べたいことに対して、EZRで押すべきボタンはなにかというと検定名です。
検定名が多いので、11の調べたいことに対して、どの名前を選べばいいのかわからなくなる。
即刻、すべての名前をナンバリングして、
t検定は第一検定、対応のあるt検定は第2.0検定、Wilcoxon~検定は第2.1検定とかしたくなりますね。

無駄に人名とか記号で命名するとか、本当に統計屋さんはセンスがないです。

「パラメトリックparametric」 vs 「non-parametric」
パラメーター:parameter

parametricは正規分布にもどついている vs on-parametricは非正規分布

nが50以上あれば、グラフがジグザグしていないきれいな統計がとれるので、parametric

nが25くらいしかないような希少疾患を相手にする統計では、non-parametric

あるいは、変数が順序変数で5-6個しか変数がないなら、non-parametric

ってこと。


データをEZRで分析させる。

●データ要約する。

「統計解析」→「連続変数の解析」→「連続変数の要約」→「連続数をぽちっ」→「層別して要約」→「群をぽちっと」

A群とnotA群の平均値、標準偏差、四分位範囲、n数がわかる。

いままでエクセルでnを数えさせていたし、平均値、中央値とかもエクセルの関数でやっていました。お恥ずかしい限りです。

こんなに便利だったとは。さずがEZR。


●パラメトリックかどうかチェックする。
「グラフと表」→「ヒストグラム」→「連続数ぽち」→「群をぽち」
これで山になってたらOK

あるいは、
「統計解析」→「連続変数の解析」→「正規性の検定」→「● == “○”」
●は群の種類:たとえば、chemotherapy
○はそのうちの1つの群の名前:たとえば、CDDP

これでたとえば、化学療法でCDDPつかった群が正規分布かどうかわかる。p値が0.05より大きければ大きいほど、正規分布っぽいという余事象です。

もうひとつの群、たとえば:TC
TC群が正規分布かわかる。一個ずつ調べる。

あるいは、

「グラフと表」→「QQプロット」→「連続変数ぽち」
これで、y=xに近い分布ならOK

●等分散かチェックする。
t検定で群どうしを比較するときは、どっちの群もデータの散らばりが同じくらいでなければならないので。

これで準備おしまい。

「①独立した2群間の連続変数を比較する」 を実行できるようになる。

ここで、あらためて、11の比較、評価の方法のうち、パラメトリックvsノンパラメトリックの二元性で検定名を一覧にして目次整理します。

【目次】

①独立した2群間の連続変数を比較する
パラメトリック:t検定
ノンパラメトリック:Mann-Whitney U 検定

②対応のある2群間の連続変数を比較する
パラメトリック:対応のあるt検定
ノンパラメトリック:Wilcoxon符号付順位和検定

③独立した2群間の比率を比較する
パラメトリック:Fisherの正確検定
ノンパラメトリック:カイ2乗検定

④対応のある2群間の比率を比較する
パラメトリック:なし
ノンパラメトリック:McNemar(マクネマー)検定

⑤独立した3群以上の間の連続変数を比較する
パラメトリック:分散分析(ANOVA)
ノンパラメトリック:Kruskal-Wallis検定

⑥対応のある3群以上の連続変数を比較する
パラメトリック:反復測定分散分析(repeated-measures-ANOVA)
ノンパラメトリック:Friedman(フリードマン)検定

⑦2つの連続変数の相関を評価する
パラメトリック:pearsonの積率相関係数
ノンパラメトリック:spearmanの順位相関係数

⑧比率についての多変量解析を行う
パラメトリック:なし
ノンパラメトリック:ロジスティック回帰分析

⑨連続変数についての多変量解析を行う
パラメトリック:重回帰分析
ノンパラメトリック:なし

⑩2群間の生存曲線を比較する
パラメトリック:生存期間の比較(Logrank検定)
ノンパラメトリック:なし

⑪生存曲線についての多変量解析を行う
パラメトリック:Cox比例ハザード回帰分析
ノンパラメトリック:なし

以上で目次おわり。


「統計解析」→「連続変数の解析」→「2群の等分散性の検定」→「目的変数を連続数でぽち」→「グループを群の名前でぽち」

●パラメトリックで、等分散だったら、安心して、①独立した2群間の連続変数を比較することができる。


●①独立した2群間の連続変数を比較する
パラメトリック:t検定

「統計解析」→「連続変数の解析」→「2群間の平均値の比較」→「連続変数ぽち」→「群の名前ぽち」

これでP値がわかります。AとnotAで平均値に差があるかどうかわかる。

nが30くらいあれば、ぎりぎりパラメトリックで等分散なので、①独立した2群間の連続変数を比較することができそうだということ。

●①独立した2群間の連続変数を比較する
ノンパラメトリック:Mann-Whitney U 検定

独立した2群間の連続変数を比較したけいど、
 ①2群間で順序尺度を比較する場合
 ②数が少なすぎて、正規分布に従わない2群間の連続変数を比較する場合

は、「統計解析」→「ノンパラメトリック検定」→「2群間の比較」→「nの少ない連続変数あるいは順序変数ぽち」→「群の種類」

これでP値がわかります。AとnotAで中央値に差があるかどうかわかる。

この検定は平均値ではなくメディアンで比較してくれます。


次、

●②対応のある2群間の連続変数を比較する
パラメトリック:対応のあるt検定

*先にパラメトリックかどうかチェックする。

時間軸で、前 vs 後

で比較する。

「統計解析」→「連続変数の解析」→「対応のある2群間の平均値の比較」→「前の連続変数ぽち」→「後の連続変数ぽち」


たとえば、治療前の腫瘍の大きさが REセンチメートル vs 治療後の大きさが OSTセンチメートル

p値が3.61E-10。つまり、10のマイナス10乗で、

「これって超有意差のある治療だよね」ってこと。

論文ではこの形式で書かれるのはあんまり見かけないのは、多変量解析のほうが正確だからかもね。治療後って治療して何ヶ月で、何cmなんだよっていうツッコミが来る。

●②対応のある2群間の連続変数を比較する
ノンパラメトリック:Wilcoxon符号付順位和検定

対応のある2群間の連続変数を比較するのうち、連続変数が順序変数の場合は

「統計解析」→「ノンパラメトリック検定」→「対応のある2群間の比較」→「前の順序変数ぽち」→「後の順序変数ぽち」

たとえば、治療前の腫瘍のステージが RE期 vs 治療後のステージが OST期

p値が3.61E-10。つまり、10のマイナス10乗で、

「これって超有意差のある治療だよね」ってこと。

これもあんまり見ないかなぁ。

次、

●③独立した2群間の比率を比較する
パラメトリック:Fisherの正確検定


「統計解析」→「名義変数の解析」→「分割表の作成と群間の比率の比較」→「行の変数を「名義変数」、列の変数を「群の種類」ぽちぽち」→「パーセントの計算ぽち」→「Fisherの正確検定ぽち」

2かける2=4のボックス

よく見るのが、RCTのCharacteristics

新薬 vsコントロール群で男女比に差があるかどうか調べたいときに使う。

ときどき、キャラクターで差が出ちゃう残念なRCTがあるけど、nが大きければ大きいほど、差が出ない。

③独立した2群間の比率を比較する
ノンパラメトリック:カイ2乗検定

nが100以上だと、「Fisherの正確検定ぽち」の代わりに、「カイ2乗検定」を使うらしい。理由がよくわからない。

次、

●④対応のある2群間の比率を比較する
パラメトリック:なし
ノンパラメトリック:McNemar(マクネマー)検定

「統計解析」→「名義変数の解析」→「対応のある比率の比較(二分割表の対称性の検定, McNemar検定)」→「行の変数を「PREの名義変数」、列の変数を「POSTの名義変数」ぽちぽち」

治療前後で、名義変数が変わるかわかる。

割合が治療前後で変わるかどうかっていう検定は、あんまり見たことないなぁ。

次、

●⑤独立した3群以上の間の連続変数を比較する
パラメトリック:分散分析(ANOVA)

「統計解析」→「連続変数の解析」→「3群以上の間の平均値の比較(一元配置分散分析one-way ANOVA)」→「目的変数は連続変数、比較する群の種類ぽちぽち、等分散は「はい」ぽち」→「tukeyの多重比較ぽち」


「統計解析」→「ノンパラメトリック検定」→「3群以上の間の比較(Kruskal-Wallis検定)」→「目的変数はノンパラメトリックな連続変数あるいは、順序変数、比較する群の種類ぽちぽち」→「Steel-Dwass法ぽち」

●⑤独立した3群以上の間の連続変数を比較する
ノンパラメトリック:Kruskal-Wallis検定

3群で値がバラバラすぎる場合はKruskal-Wallis検定

たとえば、がんなら、「CDDP」vs「TC」vs「分子標的薬」で治療後の腫瘍の大きさの縮小率に差が出るかとかね。

ふつう、患者ごとに縮小率が違うから。

次、
●⑥対応のある3群以上の連続変数を比較する
パラメトリック:反復測定分散分析(repeated-measures-ANOVA)

「統計解析」→「連続変数の解析」→「対応のある2群以上の間の平均値の比較(反復〔経時〕測定分散分析」→「連続変数は時系列のT1、T2・・・CTTLで全部選択、群の種類を選ばない。」→「Bonferroniの多重比較ぽち」

たとえば、ある治療をして、時系列でIQが落ちていくとか、肝障害があがるとかがわかる。

一本調子であがるかさがるかがわかるってこと。

次、
●⑥対応のある3群以上の連続変数を比較する
パラメトリック:反復測定分散分析(repeated-measures-ANOVA)

「統計解析」→「連続変数の解析」→「対応のある2群以上の間の平均値の比較(反復〔経時〕測定分散分析)」→「連続変数は時系列のT1、T2・・・CTTLで全部選択、群の種類を選ぶ!」→「Bonferroniの多重比較ぽち」

たとえば、ある治療した群としていない群を比較をして、時系列でIQが落ちていくとか、肝障害があがるとかがわかる。

今回の検定では「介入」と「時間経過」に交互作用があるかどうかがわかる。

時間とFactorと介入のFactorの独立具合がわかる。

⑥対応のある3群以上の連続変数を比較する
ノンパラメトリック:Friedman(フリードマン)検定

「統計解析」→「ノンパラメトリック検定」→「対応のある3群以上の間の比較(Friedman検定)」→「繰り返しのある変数」は「時系列などで変化する対応のあるT1~Tn」を全てぽちる。(Ctrlキーを押しながらクリックして複数選択)→「Bonferroniの多重比較ぽちる」

ぼくの専門分野での医学論文ではほとんどみたことない。

抗癌剤治療とかって、たいてい複数の時系列で追うことがないからね。1ヶ月後、2ヶ月後の治療効果の比較とかあんまり意味ないから。

⑦2つの連続変数の相関を評価する
パラメトリック:pearsonの積率相関係数

「統計解析」→「連続変数の解析」→「相関係数の検定(Pearsonの積率相関係数)」→「連続変数の種類をふたつぽちぽち」

こうすると、散布図で視覚的に相関があるかがわかる。p値は相関の確からしさがわかる。強さはわからない。

相関の強さを表すのは「相関係数」で、x、y平面の傾きをあらわしている。

相関係数は-1~1までの値を取る。
1に近いほど「正の相関が強い」。y=xの比例
-1に近いほど「負の相関が強い」。y=-xの比例
相関係数の絶対値が
0.2未満:ほとんど相関なし
0.2~0.4:弱い相関あり
0.4~0.7:相関あり
0.7以上:強い相関あり

たとえば、FDG異常集積の強さ vs 生存期間 とか。

がんの大きさ vs 生存期間 とか。

この統計手法の欠点は3つ。

1.相関はこのような交絡因子の存在を無視してしまう可能性
2.因果関係の順序が不明
3.たまたま相関しているかも

そういうわけで、nが少なくて多変量解析が行えない場合に関連性あるかもっていうのに使える程度。
1対1対応のかなり因果関係が単純なものにしか使えない。

この弱点を克服したのが多変量解析ともいえる。

あるいは、1対1対応を証明するのが多変量解析ともいえる。


⑦2つの連続変数の相関を評価する
ノンパラメトリック:spearmanの順位相関係数

記載なし。

⑧比率についての多変量解析を行う
パラメトリック:なし
ノンパラメトリック:ロジスティック回帰分析

多変量解析とは、ある結果を表す変数をその他の変数によってどの程度説明(予測)できるかを解析するツール。

ある結果→従属変数または目的変数
他の因子→独立変数または説明変数

目的と説明というテクニカルタームはとても文学的な響きがするので、使わないことにします。数学で使い慣れた、従属と独立でいいですよね。

従属変数=独立変数+独立変数+独立変数+独立変数+独立変数+独立変数+・・・

独立変数+独立変数+独立変数+・・・=従属変数

ぼくのWikihikagle勉強法で

学習能力=理解力×記憶力×ノート力×ノート整理力×時間管理力

とか書いてますが、同じ理屈です。+という記号か*という記号化の違い。

重回帰の場合、独立変数の種類は(サンプル数÷10)個と決まっている。

Nが100の統計なら、10種類までの独立変数の評価が可能ということ。

多変量解析のときは、みやすさのために、名義変数を全部0vs1で表現する。どうやるかっていうと、

「アクティブデータセット」→「変数の操作」→「データセット内の変数を一覧する」

すべての種類がINT、つまり整数の連続変数になっているので、変換する必要がある。

「アクティブデータセット」→「変数の操作」→「連続変数を因子に変換する」→「変数で種類をえらび」→「因子水準で数値で ぽち」

こうすると選んだ変数がFACTORになり、0vs1で表現できるようになった。

準備おしまい。

「統計解析」→「名義変数の解析」→「二値変数に対する多変量解析(ロジスティック回帰)」→「目的変数に従属変数の種類ぽち」→「説明変数に独立変数の種類をダブルクリックしまくる」

結果の解釈:
●モデル全体のP値 これで予測式が意味があるかどうか分かる。

●VIFは独立変数間での相関(多重共線性)を調べる指標。
VIFが
5以上:多重共線性の可能性あり
10以上:多重共線性の可能性がかなり高い

●オッズ比
オッズ比が 1以上 : 合併症の可能性を上げる
1 : 合併症に影響しない
1以下 : 合併症の可能性を下げる

「0 と比べて 1 のオッズ比」を表している。なし と比べて、あり はオッズ比が●だ といえる。

たとえば心筋梗塞かどうかの陽性尤度比。問診してオッズ比がどんどんあがるイメージ。

(心筋梗塞かどうか)=(吐き気がある)+(冷や汗をかいている)+(動悸がある)+(胸が痛い)
            =2×3×1.5×3
問診すれば、心筋梗塞の陽性尤度比がわかるというやつですね。

95%信頼区間が1をまたいじゃうと、p値が0.05よりでかいってことになる。


⑨連続変数についての多変量解析を行う
パラメトリック:重回帰分析
ノンパラメトリック:なし

「統計解析」→「連続変数の解析」→「線形回帰(単回帰、重回帰)」→「目的変数に独立変数の種類を選ぶ」→「説明変数に従属変数の種類を多く選ぶ。」

結果の解釈:
●モデル全体のP値 これで予測式が意味があるかどうか分かる。

●「Adjusted R-squared」「決定係数(R²)」 に近いほどモデルの当てはまりが良い

●Estimateとは「回帰係数推定値」
Aは「-k」、Bは「-l」、Cは「+m」、そしてIntercept(切片)は「i」。これはXが以下のような予測式になったことを表す。

X=(-k*A)+(-l*B)+(+m*C)+I

ABCのそれぞれのP値がわかり、それぞれがどれくらい影響を与えるのかがわかる。InterceptのP値は関係ない。

ABCの値を代入すれば、Xが求まるってこと。

たとえば、

(あるガンの生存期間)=(+k*PS)+(-l*Stage)+(+m*年齢)+I
とかね。

●VIFは独立変数間での相関(多重共線性)を調べる指標。
VIFが
5以上:多重共線性の可能性あり
10以上:多重共線性の可能性がかなり高い

●どの独立変数を選ぶか問題

●重回帰 総症例数を15で割った数まで
●ロジスティック回帰 イベントありとなしの小さい方を10で割った数まで
●Cox比例ハザード回帰 イベントありの数を10で割った数まで
●何がアウトカムと因果関係をもつかを、データを見ずに先行文献や医学的観点から考え、アウトカムとの関連性の上で重要なものから選んでいく(ぼくが自然にやって身につけていたことを、この本で指摘してくれています。)
●タブーは・データ解析後にP値などをみて独立変数を選ぶ・ステップワイズ法によって独立変数を選ぶ


⑩2群間の生存曲線を比較する
パラメトリック:生存期間の比較(Logrank検定)
ノンパラメトリック:なし

生存期間だけは特別扱いする変数。
なんでかっていうと、イベント発生有無 vs イベント発生するまでの期間
のふたつが入ってくるから。

生きてる0、フォロー切れ0 vs 死んだ 

「統計解析」→「生存期間の解析」→「生存曲線の記述と群間の比較(Logrank検定)」→「観察期間変数にOS」→「10の変数に VENTを選び」→「At riskのサンプル数を表示する ぽち」→「生存率を表示するポイント 3年生存なら36、5年生存なら60を入力」

これで古き良き定番グラフであるKaplan-Meier(カプランマイヤー)曲線が描かれる。

生存曲線に時々縦線が入っているのは、打ち切りサンプルを表している。死ぬとかくっと下がる。

生存期間中央値、Median survivalもわかる。

中央値が計算できないとNAとなり、論文では「未到達」と表現されたりする。

⑪生存曲線についての多変量解析を行う
パラメトリック:Cox比例ハザード回帰分析
ノンパラメトリック:なし

「統計解析」→「生存期間の解析」→「生存期間に対する多変量解析(Cox比例ハザード回帰)」→「時間はOS、イベントはEVENT、説明変数は独立変数をダブルクリック」→「比例ハザード性の分析を行う」にチェック

GENDERなどは vs1化してFACTORとして扱っておく。

これでハザード比,Hazard ratio,HRがわかる。

「イベントの発生と、発生するスピード、時間経過を加味した相対的なリスク」

1より大きい:リスクを上げる
1 :リスクは同等
1より小さい:リスクを下げる

Cox比例ハザード回帰の場合、比例ハザード性が保たれていることが解析の前提になる。
p値が0.05より大きければ問題ない。
    小さいと、比例ハザード性が保たれない場合、2つの生存曲線はどこかでクロスする。

●傾向スコアマッチングとは「疑似RCT」
Nが多い研究ならやってもいいけど、ぎりぎりなnだと目減りしてよくわからない統計結果になるかも。

「グラフと表」→「サンプルの背景データのサマリー表の出力」→「群別は比較したい群の種類名」→「カテゴリは比較したい名義変数や順序変数」→「比較したい連続変数選ぶ」

こうすると、勝手にA群とB群で単純な比較をしてくれる。
OSがAとB群で違ったとして、PSや年齢が偏っていたから差が出てしまったのではないかという交絡因子を疑ってしまう。

この疑念を払拭する。

まずは傾向スコアを算出し、それをデータセットに追加する。

「統計解析」→「名義変数の解析」→「二値変数に対する多変量解析(ロジスティック回帰)」→「目的変数に群の種類」→「説明変数にOS以外の背景因子を全部ましまし」→「モデル解析用に解析結果をアクティブモデルとして残す」

*傾向スコアマッチングの場合は、説明変数は交絡因子となりそうなものを全部ましましにする。OS以外を。

「標準メニュー」➡「モデル」➡「計算結果をデータとして保存…」→「予測値」だけにチェックをつけてOK(デフォルトは全てにチェックが入っている。予測値以外は外す)

これで傾向スコアがデータセットに追加された。

次に、傾向スコアによって、2群をマッチングする。

「統計解析」→「マッチドペア解析」→「マッチさせたコントロールの抽出」→「比較する群の変数を選び」→「マッチさせる変数に:fitted.GLM.2 を選択」→「マッチしないケースを削除するか」→「削除する」→実行すると→「データセットが劇的ビフォーアフターに!」

なんということでしょう~。匠の技により、nは大幅削減に!

これでOS以外の背景因子がすべてRCTしたように有意差がなくなります。

この状態でOSを比較すると、レトロでも、リアルガチで介入したかどうかでOSが変わったかがわかる。

 2.2.エクセルで統計原本を作る。

電子カルテから臨床情報を抽出して、統計原本を作ります。

まず、統計をとるためにエクセルをつかうんですが、最近、コツが溜まってきました。横断的に書き連ねます。

2.2.1 下準備系
2.2.2 入力系
2.2.3.出力系
2.2.4.分類不可能系

に分類してみます。

2.2.1 下準備系
②患者のピックアップは医療情報センターの事務さんにやらせる。(電子カルテ導入前のデータは捨てるしかない。医局でデータベースソフトを導入していないと、後ろ向き研究は自力では無理。)
紙カルテでレトロスペクティブスタディをやるのは実質的に不可能です。
データの信頼性が低いから。
字も汚いし。読みづらいし。検索しづらいし。

③連結化させる。パスワードをかけるのも忘れずに。
エクセルは名前をつけて保存のときに、オプションで選択する。
USBとパソコンとエクセルに全部パスワードをかける。
連結化についてはそれぞれの病院で規則があるので、それを参照してください。

④担当患者登録に患者の通し番号で数字で登録する。(富士通の電子カルテだったら)。このとき、半角英数で入力しないと、ソートがうまくいかないので注意。短い期間で全員登録すれば、期間を指定するだけで全員一覧化できる。患者を二度調べるときに、役に立つ。エクセルで患者IDをコピペしないですむだけでかなり楽。(クリップボードにコピーだと、このエラーがでないらしい。日本語を日本語として名義変数として使える)。

⑤そのときに、最初に、OSだけ全員分登録する。他のデータを逐一入れてると発狂するから。

⑥生年月日、性別、Last visitは医療情報の事務で登録してもらう。
なるべく多く、事務ができることはやってもらう。

⑪調べるべき、連続変数や名義変数、順序変数はすでに存在している先行論文、とくにインパクトが強いやつを真似する。そのインパクト強い論文が引用している論文も参考にして調べるべき値をさらに真似する。
このとき、COXで多変量解析している名義変数をしっかり調べるべき。それ以外は無視していい。
たいして良いデータが出ない可能性が高いから。

⑫まずは、日本のガイドラインをよく読む。そして、その引用している論文を全部チェックする。なぜ、ガイドライン作成委員会のひとがその論文を選んだのか、気持ちを汲み取る。偉い先生なら、なぜそれを選んだのか書いてくれている。たとえば、「nが30未満は入れなかった」と書いてくれれば、nが35になるような論文を作れば、ガイドラインに入れてもらえるってこと。
⑬最新のレビューを探す。ガイドラインに載る前の最新の動向は偉い教授がレビューを投稿してくれている。レビューはPUBMEDで簡単に見つけられる。でも、キーペーパーは初心者には見つけられない。とりあえず、レビューを読めば、どれがキーペーパーなのかすぐにわかる。




2.2.2 入力系
①背景色を黒っぽい色を付けると、ブルーライトカットできる。
ダークモードがエクセルにも標準でついていればいいんですけどね。

②セル内の一番上の行は日本語でいい。
日本語にしないと、一覧性が悪くなるから。
ただし、中身の数字や名義変数は英語で統一する。
エクセルファイルをEZRでインポートするときに、一番上の行だけ変更すればいいから。

男と女は male vs female
生死は dod vs alive vs lost
大文字と小文字は区別されない。

コメント欄は日本語でいい。

⑧データが取れなかったら、とりあえず、NAと入力して先に行く。
ひとりの患者に20分以上時間がかかると発狂しうる。煮詰まる。


2.2.3.出力系
⑦実際データが揃ったら、EZRが日本語および、ローマ字の全角入力に対応していないために、エクセルのコピペができないので、エクセル内のすべてのセルを半角英数に書き換える。
例えばB(日本語フォントのB)とB(英数のB)が両方とも区別できず、エラーがでて取り込めないという状態に陥らないように、名義変数は半角英数で入力すべき。
日本語入力と併存が一番良くない。
どちらか迷ったら、列をひとつ増やせばいい。

⑨パラメトリックに統計できる30例を先にガチで調べて、有意義なデータになるかどうか試す。それで、有意義な値にならないデータは捨てる。そうすれば、残りの70例くらいは調べずに済む。このとき、最初にOSを出しておくことが効いてくる。OSが長いひとのほうが、いろいろ学ぶことが多いから。

⑩なるべく、2回、同じ患者を開かないで済むように、⑨を実践し、短い期間で全部調べるべき。じゃないと、間延びして、データを忘れてしまう。



2.2.4.分類不可能系
①【最重要】Office 365をAMAZONで買う。
下記リンクをクリックしたあとに買ってください。



ぼくはクラウドに思い出の動画データを大量に保存したいので、1TBのクラウドが必要なんです。
必要経費というか。
Office 365はそのクラウドサービスにプラスして、無料でSkypeの無料通話と最新のWord、Excel、パワポがダウンロードできます。
MACもWINDOWSも使い放題。


続きます。
最近、勉強の仕方がややさらに進化しました。

iPad pro、iPad(2018以降)はApple Pencilを用いてほぼリアルに字が書ける。

これによって、マインドマップというか、インフォグラフィカルなノートが簡単に作成できるようになりました。新しい文明の利器で効率的に学習し、余った時間で遊びましょう。

【目次】
●下準備
 0.テストにでる内容を理解し、プール問題を抽出し、To doをリストアップする。
 ① 勉強したい、マスターしたい本を自炊してPDFにする。
 ②GoodNotesというアプリを購入する(寄付する)。
●理解段階
 ③本を読むか、自炊したPDFビューワーで読んで理解する。
●記憶の最適化段階
 ⑤コピー&ペーストした図に適宜、理解した内容を書き込む
  ⑤.①自分で新しい図を作るかという問題
●レコーディング段階
 ⑥レコーディングする。理解が深まる。他人に説明できるようになる。
●メンテナンス段階
 ⑦できたGoodnotesファイルをPDFにしてエクスポートしてDropboxに保存。それを空いた時間に携帯やPCで眺める。速聴する。

この(アルティメット)ルーチンをやっているうちに、どんな学習対象もマスターできます。
ルーチンの方向性が決まった段階で、大学受験合格、資格試験合格したのも同然です。
Donate please!!

それだけじゃありません。人生におけるあらゆる到達目標を達成できます。
競争的資金である科研費もとれるし、論文もアクセプトされる。
電子書籍も大ヒットして売れまくるかもしれない【未】
Youtuberにもなれるかもしれない【済】
https://www.youtube.com/channel/UCkZoiOrdyREAezAyAmO2xig/featured

Youtubeで今回の記事内容をマインドマップ化していく過程を動画で説明しています。
チャンネル登録が1000人になるまでは登録お願いします。

以下本文。

0.テストにでる内容を理解し、プール問題を抽出し、To doをリストアップする。
プール問題の重要性についてはすでに書いていますので、その記事を参照。

① 勉強したい、マスターしたい本を自炊してPDFにする。

本を自炊するには、裁断機とスキャンスナップが必要ですが、簡易的にはiPhone,iPad で写真を撮ることでもできます。
全ページを取る必要はありません。
インフォグラフィカルのネタになる図が入っていればよいので、下準備はそんなに時間をかけないでください。
自炊自体にかかる時間、労力は人生の無駄です。

PDFデータまたはJPEGデータをdropbox に保存する。

②GoodNotesというアプリを購入する




【CM】
どうせ買うなら、上記か右記リンクをクリックしたあとに24時間以内に買っていただくと、ぼくに数十円の寄付したことになります。
上記のアプリ以外でも、iBooksでもMAC専用アプリ、apple musicでも、なんでもかまいません。
その分、学習法の情報公開がより多彩になっていきます。動画コンテンツづくりとか、絵入りで説明するとか。
なによりやる気につながります。
お恵みを。

(Goodnotes4が今の所、最新のGoodnotesのようです。)
【CM終わり】

JPEGまたはPDFをPDF viewer(adobe acrobatでもなんでも良い)で開く。

ぼくは無料のPDF viewerっていうそのまんまのアプリを使っています。adobe acrobatアプリの最大の欠点はTab表示できず、PDFをたった1個しか表示できない点です。致命的です。

複数のPDFを比べながら読みたいときに圧倒的に面倒。

③本を読むか、自炊したPDFをビューワーで読んで理解する。

最近はビデオ講義で勉強する機会も多くなっていますよね。●サプリとか。
そういう動画もスクリーンショットでキャプチャーして画像を貼り付けるのも良いアイデアだと思います。
板書を移すのはビデオ講義の意味がない。
ビデオ講義なら倍速で(?)再生できたりして、時間の節約になるし。

④Adobe AcrobatのようなPDFビューワーで理解し終わった内容を即、特に図や表をスクリーンショット撮影して、左下に縮小されたものをすぐに長押しして、コピーを選択し、 GoodNotes のノートの中で長押ししてペーストする。

(スクリーンショット撮影については別記事でもっとも効率的なやり方を書いていますので参照してください。 →http://ndthikaru.blog74.fc2.com/blog-entry-627.html Goodnotesに備わっているなげなわツールで昔は画像を取り込んだりしたのですが、徐々に使わなくなり、iPadのiOSにもともと備わっているスクリーンショット撮影機能を利用するようになりました。なげなわツールのデメリットは場所を指定して、トリミングしなくてはならないことと、アップルペンが必ず必要になることです。ペンを持ち替えるのが面倒だし、トリミングが面倒。スクリーンショット撮影なら、クローズアップした状態にしてからスクリーンショット撮影すれば自然にトリミングできるし、余計な部分が入っても気にしなければいいので。トリミングに時間をかける必要はない。)

トリミングしてペーストするときは、すばやくPDF viewerからGoodnotesに切り替えて、長押し、ドラッグアンドドロップでコピペの手間が少し減ります。
ホームボタンの近くに、アプリ選択が来るようにアプリボタンの位置を右下に移動しましょう。指の移動距離が少なくてすみます。

ペーストしたページをどれくらいの大きさにするかは議論の余地があります。
ぼくは今の所、『最大限ズームアップしたときに、ページ全体が見渡せる大きさ』にしています。

この大きさにすると、だいたい縦に4行、横に8-10列で30-40ページを貼れます。

デフォルトのページは横長です。罫線はスタンダードなものにしています。

横長のほうがマインドマップっぽくなります。

キツく配列してしまうとメモるスペースがなくなるので余裕があったほうがいい。また、配列自体にも意味を醸し出す必要があるので、20ページ位がちょうどいいと思います。

追伸。

20ページ程度を貼るのに適しているのは、膨大な大きさを作ろうとしたときのみです。

ミクロノートを作りたい場合は、8ページが妥当だと思います。

20ページはると、ファイルが重たくなるのと、拡大するまでかくかくしたりもっさりしたりするので、8ページくらいが心地よいと最近は思っています。

追追伸

大量にコピペしたいとき、iPad Proでコピペを繰り返すのはイライラします。反応が遅いから。

大量にコピペしたいときは、PCかMACでコピペしたほうが効率的です。

PCならWinshotというアプリを実行して、ショートカットキーを適当に設定し、トリミングでクリップボードにコピー。(MACならGrabというアプリ。両方共無料です。)

それを横A4のパワポに貼ります。最近のお気に入りのサイズはA4に8枚切りです。

こうしてコピペしたスライドを今度は、PDFとしてエクスポートして、Dropboxに保存。

それを、Goodnotesで「下に読み込む」してやると、PDFが読み込めます。

上記の方法であればさくさくコピペできて、ストレスが軽減されます。

追追追記
上記の方法で色々試し結果
ひとつのマインドマップに大量のイメージを書くのはあまり良い方法ではないということがわかってきました

最も頭の中のイメージに起こりやすいのは一つ一つのイメージが明確に文字と対応した時です

書き写すのがめんどくさいからといって教科書の文字をそのままコピペしてもほとんど頭の中に残りません

最も必要なのは教科書の言葉の中から1番適切なキーワードを抽出してそれを羅列することです

この羅列したキーワード同士が関係性を持っている場合はとても記憶を想起しやすくなります

もし全くキーワード同士が関係性を持っていない場合、ごろ合わせを利用したり茶化したりすることで半分強制的に関係性を持たせることができます

マインドマップ特有のノートの位置による記憶、言葉と文字の1対1対応のイメージ、関係性を持たせることによるキーワード同士の相対的な関係と言った要素を持つことにより簡単に記憶できるマインドマップが出来上がります

結論としてはやはり時間をかけてでも手書きのマインドマップを作成するほうが時間の節約になるということです。

この結論が出たので現在YouTubeで公開している動画をそのうち作り直します

追記終わり

⑤ペーストした図に適宜、理解した内容を書き込む
絵を描く。もじる。茶化す。覚え方を書きまし続ける。

ページ同士がお互いにグルーピングしたりして、関係性がでるように配列し、かつ、理解した内容をApple Pencilで書き込みます。

追記。

病棟や医局で勉強したいっていうときに、普通MACでやりますよね。

MACをいじっているかぎり、仕事をしている感がでるのは不思議です。

MACユーザーであれば、GoodnotesをmacOSで動かせます。

コピペしやすいのが利点です。また、コピペした画像の配置編集もiPad Proも数段やりやすいです。

マウスとキーボードのほうが編集に向いているんですよね。

細かい絵や字を書き込むのはApple Pencilでしかできないので、一長一短です。これはWWDC2018のキーノートスピーチでもやってましたが、融合できないんです。

(Goodnotesを使わずに、iPad ProのKeynoteとMACのKeynoteで同じことをやろうと思えばできるのですが、Goodnotesで勉強することをおすすめします。Keynoteでどれだけできるか試してみましたが面倒くさいことがわかりました。Keynoteのほうがさくさく動くので見やすいんですけどね。何が困るって、絵や字を書くのが面倒臭すぎる。なんで鉛筆もマジックペンも同じ色になっちゃうんだよ。コピペした画像をさわるとすぐに動いちゃうし。ちょっとだけ工夫してくれれば、Goodnotesはいらなくなるのですが惜しいです。しかもボイスレコーダー機能もキーノートは標準装備して音を貼れる。再生速度を3倍速まで調整できる機能をつけたら、完全にぼくの勉強法を可能にするアプリになりうる。キーノート。本当に惜しいです。ちょっと変えるだけなのに。最高の勉強アプリになる素質が十分にあります。)


⑥レコーディングする。理解が深まる。他人に説明できるようになる。
マインドマップ化したら、レコーディング。
レコーディングについては、右上のぼくが書いた電子書籍を読んでいただくか、このブログ内を検索して、速聴写真記憶法について参照してください。
ボイストレックがキーデバイスです。

⑦できたGoodnotesファイルをPDFにしてエクスポートしてDropboxに保存。それを空いた時間に携帯やPCで眺める。薄めを開けながら速聴する。
速聴はもちろん2.5-3倍速で。速聴については記憶法の記事を参照してください。

以上です。このルーチンを繰り返しているうちに気づいたら合格しています。

iPadで勉強する利点としては、

①図や表を書き直すことがない。つまり、コピペできる。
写真データもそのまま使えるので、普通のノートよりもややリッチな感じになる。

既存の図や表がわかりにくかったら、シェーマ化したり、書き込んでそれをドラフトとして使い、簡単に新しい図や表を作れる。

(②スプリットビューで理解しながら、そのまま書き込める。)
コピペしてその図に書き込むので結局、スプリットビューを最近、まったく使っていません。

スプリットビューを利用したスクリーンショットのコピペはトリミングが必須なので、おすすめできません。

③iPadさえあれば勉強できるので、場所を選ばない。

ぼくは基本、ソファーの上で勉強してます。iPadさえあれば勉強できるので、机に座る意味がない。

しかも、Apple Pencilは筆圧の概念がないので、机がなくても問題なく書ける。部屋が真っ暗闇でも書ける。

④知識の拠り所となるデータベースをすべてPDFとして落とし込める。PDFは文字の小ささの概念がないため、コピペした図はどんなに小さくても、拡大すれば読むことがデキる。→文字を小さくすれば、ものすごく巨大なマインドマップを作成できる。

⑤昔自分で書いたアナログなノートを自炊して取り込んで、新しいGoodnotesのPDFファイルのマインドマップの一部として活用できる。学生レベルの知識と専門医的な知識を融合できる。

このできたノートを、ボイスレコーダーに吹き込んで、薄眼を開けながら3倍速くらいで聴き続けてさい。

これで記憶を定着できます。

この方法で勉強していて、徐々にわかってきたことがあります。

この④が実はものすごい利点だと思い始めてきました。

今までの常識からすると、一覧性があって、見読性がないとだめなせいで、A4ノートのサイズで見える大きさで字を書く必要があった。そのため、マインドマップの大きさに限界があって、細切れで書く必要があった。

Goodnotesを使えば、最大限拡大して読もうと思えば、普通のA4サイズで考えると30枚分くらいは一枚のPDFのページに書き込める。(手書きでメモるときに、ペンの太さにおいて、細さに限界があり、それ以上、細かい文字を書けないため、これが縮小率における律速になる。おすすめの大きさは、最大限ズームアップしたときにページ全体が収まる大きさでしたね。)

自分で吹き込んだ音声はその一枚一枚のA4サイズで拡大しながら想起されるため、全体を俯瞰しつつ、クローズアップするような写真記憶を形成可能になる。

⑤についても、かなりのメリットがあります。

専門医試験は国家試験的なトリビアな、広範囲にわたる重箱の隅系の知識が必要になることが多いので、国家試験のときに覚えたゴロなどを引っ張り出してきて、再度覚える必要がある。
昔の知識と現在の専門医的な知識を融合できるのは、この方法でしかありえません。

昔理解したことも、手書きのマインドマップで書いたあるので、すぐに思い出せて、高速に理解しなおせます。

【振り返り】

今回の勉強の方法はぼくがiPad pro 10インチとApple penを購入したことによって成立しました。
10インチのiPad Proが2017年の春に発売されなければ実現できなかった。
それ以前は同じようなことができたかもしれませんが、デカイiPad Proではでかすぎて勉強する気にならなかったし、ペンタブレットWindowsでもここまで集中して勉強に使いこなせなかった。(Toshibaのタブレットでやったことあったんですが、ここまでうまくいかなかった)

結局、マジカルデバイスとそれを利用しやすいソフトとそれを利用するに値する勉強方法が三位一体でないとこの勉強革命はおこらなかった。
2017年の春までは生まれにくい状態だったというわけ。
そして、2018年の春にはノーマルのiPadで、廉価に勉強できるようになった。
時は満ちました。

アップルの製品発表会もアメリカの高校の講堂でやったというのも、アップルが教育に本気で取り組んでいるという証です。

実は、このマジカルデバイスの登場により、勉強の仕方が変わるというのは、すでに10年前に体験していました。
オリンパスのボイスレコーダー、ボイストレック。
3倍速で再生できるボイストレックが発売されるまで写真速聴記憶法がこの世に生まれなかったのと似ています。

Apple PencilとノーマルiPad、ボイストレック。これだけで高速に効率的に勉強できる時代になりました。
1万+4万+1万
合計、6万の投資。

そのリターンは1.2億円くらいです。



【CM】
どうせ買うなら、お恵みをシリーズ。スクリベナー。論文作成に必須です。今度また、使い方を書きます。
上記リンクをクリックしたあとに買っていただくと、ぼくに数十円の寄付したことになります。
その分、学習法の情報公開がより多彩になっていきます。動画コンテンツづくりとか、絵入りで説明するとか。
なによりやる気につながります。
お恵みを。
【CM終わり】



【CM】
どうせ買うなら、お恵みをシリーズ。コンプリートアナトミー。これがないと正常解剖が理解できません。利用の仕方を今度かきます。
上記リンクをクリックしたあとに買っていただくと、ぼくに数十円の寄付したことになります。
その分、学習法の情報公開がより多彩になっていきます。動画コンテンツづくりとか、絵入りで説明するとか。
なによりやる気につながります。
お恵みを。
【CM終わり】



【CM】
どうせ買うなら、お恵みをシリーズ。OBKR。宇多田ヒカル初プロデュース。J-WAVEの番組を初回から聞いていますが、まさか、こんなにメジャーになるとは。がんばれオブクロ。

042616 @London という曲の中で、なぜ作品を夜に出すのかについて誰かさんが語っているんですが、ぼくがこのブログを書き始めた初期衝動をまさに言葉にしてくれていて、やや涙がでました。(久しぶりに書きたいなぁと思うようになったはそういう理由です。)

文章を書くのが好きでも得意でもなかったし、人に教えたり、プレゼンテーションするのがしたいわけでもなかった。

でも、この世の中にブログや書籍として自分が書きたいことを残したいという初期衝動がこのブログを作るきっかけでした。

小袋さんもこのアルバムを作ったのは、作らなければならないという初期衝動があったからなんだろうなと思う。

いっぱいインプットしたら、アウトプットしたくなるのが初期衝動。作らないと先に進めないという必然性があった。

苦しんだ分だけ、その苦しみを味わった過去の自分を浄化させるようなカタルシス(アウフヘーベン)が必要だった。

本当に心を打つ芸術作品は、やはり苦しんでいる若者にしか作れないのかもしれない。

今の僕には、このブログの拍手をもっともたくさんいただいたあの記事は絶対に書けない。

大学受験を何度も失敗して苦しんだあのときの自分に宛てて書いた手紙みたいなものだから。

【CM終わり】


【追記】
Wikihikagleネーム れもんさんから以下のお便りをいただきまいた。

「この記憶法をアレンジして活用させてもらっています。とても参考になります。私はipadのボイスレコーダー アプリとbluetoothイヤホンを取り入れてます。ipad一台でボイスレコーダー、ファイル管理、再生、全てを完結してできるので、捗ります。documents by readdleというアプリがとても便利でおすすめです。」

ということで、お便りありがとうございます。

ぼくの発明した記憶法をご愛顧いただいているようでありがとうございます。
documents by readdleを紹介していただきました。

さっそく使ってみました。たしかに、音声ファイルを2倍速で再生できたりして、音楽ファイルとPDFファイルを統合できるので、完結していて良いですね。
Dropboxとの相性もいい。

イマイチな点は、
●2倍速までしか再生できない。(倍速に対応しているだけでも奇跡的だが)
●一曲リピートができない。
●PDFを見ながら、音声再生というのは実質的に無理。
●PDFのページ選択がサムネイル表示なので600ページとかあるとスワイプしまくらないと、最後のページまでいけない。
くらいでしょうか。

このアプリだけで、ぼくのやり方をやるのは難しかったです。少し工夫するだけでできるようになるので、アプリ会社にはやはり僕がプロデューサーとしてヘッドハントされないとだめなようです(切実)

ファイルマネージャーとしてはかなり優秀でした。documents by readdleをご紹介くださったレモンさん。
ありがとうございました。
チャンネル登録してください(切実)

【追記】
れもんさんより、さらにお便りをいただきました。ありがとうございます。以下、引用です。

自分のやりやすい方法で暗記するのがベストだと思っておりますので、押し付けがましいとお思いでしたら、聞き流してもらって構いません。あくまでも私のアレンジ法です。ただ、事実と異なることが書かれていますので補足しておきます。
●2倍速までしか再生できない。(倍速に対応しているだけでも奇跡的だが)
→おっしゃるとおりです。そこが最大の欠点です。
(黒柳追記)2倍でもないよりはましですね。
●一曲リピートができない。
→MP3、WAV以外の形式では確認してませんがが、MP3、WAVでは、1曲リピート可能です。
(黒柳追記)できました。リピートボタンをもう一回押すと変わりました。ご指摘ありがとうございます。
●PDFを見ながら、音声再生というのは実質的に無理。
→MP3形式であれば、PDFを見ながら、バックグラウンドで再生可能です。また、Split viewを使用することで、PDFを見ながら録音するということも可能です。
(黒柳追記)スプリットビューを利用するというのは思いつきませんでした。たしかに。音声再生プレーヤーとしてしか使わないというアイデアだったんですね。
●PDFのページ選択がサムネイル表示なので600ページとかあるとスワイプしまくらないと、最後のページまでいけない。
→表示形式は上下スクロールなどに変更可能です。
(黒柳追記)上下スクロールがとても面倒なんです。PDF viewerなら即、飛べます。

言い忘れてましたが、PDF expertという、Documents by readdleの互換拡張アプリを入れてないと、できないこともあるかもしれません。
PDF ExpertとDocumentsをsplit viewで使うと、1画面で2つのPDFを同時に閲覧することが可能で、これも大変便利です。

以上です。
お便りありがとうございました。

どんな方法にせよ、点数アップすれば良いんです。
たぶん3倍速にできるアプリもありますので、Documents by readdleでファイル管理して、3倍速可能なアプリで速聴して、スプリットビューで思い出すというのもいいかもしれません。

レコーディングから速聴までのひと手間が面倒というのは永遠の課題です。

【追記】
オリンパスのICレコーダーは高いモデルしか3倍速にできなくなってしまいした。
それはいいとして、Bluetoothで聞けないというのはデメリットですよね。



このGadgetというかBluetoothトランスミッターでICレコーダーからの音声を飛ばし、



片耳ワイヤレスイヤホンで聴くというのをやっています。

紐がないというだけで、かなり ながら速聴をしやすいです。また速聴で勉強をしているということがバレません。
【診察も二元論】正しく症状を整理する唯一の方法

「初期研修医にささぐ。」

診察も二元論でわけて項目をわけていくと、正診率が上がります。

●①原因→結果

患者:病気の原因→症状がでて困っている

医者:症状→原因
医者:病歴、既往歴→原因
医者:画像→原因
医者:血液検査→原因
医者:生検→原因

・・
・・・・ を探りに行く。

上記のそれぞれの原因→結果の中にさらに二元論がある。

これらは互いに独立事象であり、陽性尤度比の掛け算であるので、「症状」がないから安心だねということでは必ずしもない。

症状がないのは確率が下がっただけで、他のたとえば「血液検査」で確率がものすごくあがるということがいくらでもある。

●②致死的、不可逆的 vs 待てる
これは
プライマリーサーベイ vs セカンダリーサーベイといってもいい。

やばいやつを先に見つける必要がある。

これは、人間の集中力が続かないという性質からきている。

テストでもまずは簡単なものから解いていくという法則がある。重要性が高いものから原因を探る。

CTを読影しようが、ACLSだろうが同じ。

症状で致死的なものがなくても、CTで致死的なものがうつっているということはいくらでもあるから。

●③直接的所見 vs 間接的所見

たとえば、前立腺肥大のMRI画像

前立腺がでかい は直接的所見

vs

膀胱に肉柱がある は間接的所見

間接所見がとれるようになったら、一人前の医者。

●④所見のなかにある 陽性 vs 陰性 所見

たとえば、心筋梗塞

前胸部 痛い vs 痛くない
肩に放散痛が ある vs ない
どきどきする vs しない
吐き気がある vs ない

全部、所見を取らないと尤度比の計算の掛け算ができない。

だから、陰性についても探しに行く必要がある。

陰性所見が全部取れるようになったら、専門医。

●⑤未来 vs 過去

今、所見がなくても、これからでるかもしれない。

治ってるかどうかは、Time will tellの法則

北朝鮮が核を本当に放棄したかどうかは、100年後くらいにしかわからない。もしかしたら、技術だけ隠して、秘密基地に隠し持ってるかもしれない。

でも、そんなことは証明できないし、する必要もない。Time will tellだから。

わからなかったら、Fail safeを用意する。

外来を予約して、もう一回来てもらう。



二元論が5個あれば、そこからこぼれおちる正しさは限りなくゼロに近い。

これをルーチンにやっていれば、誤診、治療の失敗の確率を下げられる。

ルーチンを怠ると、ブラックペアンみたいにペアンを腹腔内に置き忘れることにつながる。


ルーチンを教えてくれない上級医は、指導医ではない。ただ自分より早く医師免許を取得しただけ。

それぞれの疾患ごとにルーチンが存在するし、それぞれの治療手技ごとにルーチンが存在する。

ルーチンを外れたときの違和感に、難渋疾患が隠れており、医学の進歩や論文作成のヒントが隠れている。
Neisseria meningitidis