以斯帖統計顧問公司

[程式]

函數說明:
>>>>平均值:AVERAGE(A2:A30)
>>>>中位數:MEDIAN(A2:A30)
>>>>眾數: MODE(A2:A30)
>>>>標準差:STDEV(A2:A30)
>>>>變異數:VAR(A2:A30)
>>>>峰度:KURT(A2:A30)
>>>>偏態: SKEW(A2:A30)
>>>>最小值:MIN(A2:A30)

　　在資料探勘(Data mining)領域中，決策樹(Decision Tree)和類神經網路(Artificial Neural Network)，都是常見的方法。隨著電腦資訊科技的發展，大型資料的分析已成了必然的趨勢，而資料探勘即是將大型資料中，較具有代表性之變數萃取出的技術。例如在醫學研究上，對某種特定的疾病(糖尿病，代謝症候群等)找出可以前期篩檢分類，或是預測的因子時，就常以決策樹的方法來進行。如同類神經網路方法，在進行分析的過程中，通常也會先以建模資料建立模式，再將驗證資料代入建立完成的模式以確認其預測力高低。而決策樹較爲不同之處在於以圖像化來呈現結果，即使不了解背後理論，仍可解讀及下判斷。

　常見的決策樹分析方法有兩種：CART(Classification And Regression Tree)及CHAID(Chi-squared Automatic Interaction Detection)，其最大的差異在於CART可以處理連續或是類別型的變項，而CHAID僅能處理類別變項；所以如果連續型變項要使用CHAID方法，要先轉成類別型資料。進行決策樹分析要注意的是，當樣本數太少，類別太多時，不易正確分類。在實際執行上，統計分析軟體大多都有可進行決策樹分析的套件，如常見的SAS, R, SPSS等.

Reference:
Hastie, T., Tibshirani, R., Friedman, J. H. (2001). The elements of statistical learning : Data mining, inference, and prediction. New York: Springer .
Rokach, Lior; Maimon, O. (2008). Data mining with decision trees: theory and applications. World Scientific Pub Co Inc.

在醫學研究上，針對感興趣的結果變項(outcome)去找出影響因子常會使用到線性迴歸模式(linear regression model), 邏輯斯迴歸模式(logistic regression model)等方法，而其目的除了要找出顯著的影響因子外，有時還須評估模式的預測能力。例如：研究者欲找出影響代謝症候群的因素，所以建立一邏輯斯迴歸模式，而模式一旦建立後，如有一新個案的資料，代入影響因子的值，即可預測其有代謝症候群的可能性有多高。而交叉驗證(Cross-Validation)可以用來檢視模式預測能力的好壞。


常見的交叉驗證方法有二折交叉驗證(2-fold cross-validation)，十折交叉驗證(10-fold cross-validation)，而以十折交叉驗證較常被運用。其想法即爲將原始的資料先分割成十等份，取其中九等份(training data)來進行建模分析(model building)，而留下的一等份則爲驗證資料(validation data)；也就是說，用來驗證模式預測的精確度。以邏輯斯迴歸來說，即是進行十次的建模，以及驗證過程，再將十次結果的精準度(accuracy)取平均，最後再呈現平均的精準度。一般而言，在分析軟體方面，R提供了k-fold cross validation的套件，可以直接套用進行分析。

Reference:
Kohavi, Ron (1995). "A study of cross-validation and bootstrap for accuracy estimation and model selection". Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence 2 (12): 1137–1143.

 『你們作研究的都是「骯髒齷齪」的！』

      站在某大醫院的健檢室，在一排黑鴉鴉的受檢人群中，一個公安事件受害者毫不掩飾內心的憤怒向我抱怨著。我沒有退後三步，只是抱著問卷無語地聽她繼續發洩，「你們把我們當成什麼？！實驗室裡的白老鼠？從我們身上得到你們想要的資料，也不管我們的感受，轉身就走，然後一頭栽進你們的升等，栽進你們的論文發表！你們作研究的通通都一樣！都是『骯髒齷齪』的！」

   政府的疏失與廠商的貪婪負了他們，連我們這些自命清高的學術人也被視為共犯，「御用學者」成了我們的另一個污名。

    那段日子，我常常要抱著問卷與手寫板走進醫院，甚至走入受害者的家庭，進行挨家挨戶的家庭訪視，只為了收齊事件發生時的部份訊息與之後的健康狀況資料。脖子掛著某某大單位的識別證，走在醫院的大廳裡，心情總是沉甸甸的，胸口一陣緊悶，而跨出去的每一個步履總顯得有些遲疑。可是，有時卻有一股不知打哪來的熱情，彷彿岸邊的浪拍打上來， 將心中隱忍著的為難捲入海中。

在臨床試驗中，多中心臨床試驗(Multicenter trial)爲較常採取的方式，其原因在於相較於單一中心(single center)的收案，多中心的收案其個案來源爲更廣的範圍，樣本更具有代表性。但同時，由於個案並非來自同一中心，在統計分析時就面臨到了不同中心可能有異質性(heterogeneity)的問題，在處理分析時變得更加地複雜。

正因爲如此，有學者建議 (Chakravorti and Grizzle, 1975)不同中心的效應(center effect)應視爲隨機效果(random effect)較爲合理；也就是說，將不同中心所得到的資料設定爲異質，再以混合模式(mixed model)來分析，得到最後的總治療效果(overall treatment effect)。除此之外，通常還需要呈現各中心所收集個案的基本資料，起點測量值(baseline value)，以及組別間的平均差異值(difference in mean)。在統計圖形的部份，則需將各中心所分別計算出的治療效果放在同一張圖中以做比較(標示出兩組的平均差異值，以及其95% C.I.)，才能看出是否有某一中心其結果較爲極端，需要加以探討。

Reference:
U.S. FDA Guideline for the Format and Content of the Clinical and Statistical Sections of an Application, 1988

在存活分析中, 除了要比較不同組之間(例如不同的治療方式或是否有用藥)存活率是否有顯著的差異之外，通常還需去了解危險因子(risk factors)爲何。這時就要進行迴歸分析(regression analysis)，而對於存活資料而言，最常用的模式爲Cox比例風險模式(cox proportional hazard model)。不過，使用Cox比例風險模式時，有一基本假設必須要符合，即等比例風險假設(Proportional hazard assumption, PH assumption)；也就是說，針對某一危險因子而言其風險比，不能隨著時間而有所改變，必須要固定。所以當此假設違反時，將Cox比例風險模式做一些修正是必要的，其中最重要且常用的爲分層cox 迴歸模式(Stratified cox regression)。

所謂的分層cox 迴歸模式即是將研究者較不感興趣，或較不重要的干擾因子(confounding factors)(而且這些因子並不符合等比例風險假設)，當成”分層”變數，在不同層的基線危險函數(baseline hazard function)是不同的，而其它在模式中的危險因子，皆爲等比例風險。雖然，分層cox 迴歸模式在違反等比例風險假設時，仍可以進適當的分析，但是其缺點在於分層的層數若太多，統計檢定力(statistical power)會降低。目前較常見的統計軟體，例如，SAS, R, STAT, SPSS等皆可用來進行分層cox 迴歸模式分析。


Reference:
J. Klein and M. Moeschberger, Survival Analysis: Techniques for Censored and Truncated Data. Springer, second ed., 2003.

每年9月10日為「世界自殺防治日」，全國自殺防治中心的最新自殺防治認知抽樣調查發現，全國15歲以上民眾，其中7.3％有情緒困擾(約134萬人)，曾因深受情緒困擾而動過輕生的念頭有52.4％，但是，實際求助醫療診所的比例卻不到25％，推測原因可能與社會大眾的偏見和誤解相關。

另外，美國一項研究發表於「身心醫學研究期刊」(Journal of Psychosomatic Research)結果發現，經常壓抑負面情緒的人，罹患癌症機率比起時常將內心情緒表達出來的人高出70%，早死機率也較高。此研究為美國哈佛大學(Harvard University)與羅徹斯特大學(Rochester University)於1996年針對729名平均年齡約44歲的人為研究對象，進行問卷訪談，了解其壓抑情緒的程度。而於12年後實施第二次調查時，受訪者中已有111人死亡，研究團隊調查後發現，大部分的人皆死於癌症或心臟疾病，且死亡率較高的為平時較壓抑負面情緒的受訪者。研究團隊發現，較會壓抑負面情緒的族群，早死機率比起較表達情緒的族群高出35%，罹患心臟病的風險高出47%，而罹患癌症的機率更是高出70%。

目前還無法瞭解常壓抑情緒的族群早死機率較高的原因，研究人員推測，可能是因該族群會利用吸菸、酗酒、吃高熱量或不營養的食物等不健康的方式抒發負面情緒，導致身體產生不好的影響；另一個原因可能是因該族群的人時常將負面情緒及想法壓抑在心裡，而擾亂自身體內的荷爾蒙平衡狀態，進而對身體細胞造成傷害。

資料來源:

1. Benjamin P. Chapman, Kevin Fiscella, Ichiro Kawachi, Paul Duberstein, Peter Muennig. Emotion suppression and mortality risk over a 12-year follow-up. Journal of Psychosomatic Research, 2013. DOI:10.1016/j.jpsychores.2013.07.014.

SAS的資料轉置依資料的結構與轉置的目的不同, 語法略有不同, 以下介紹Transpose資料直轉橫的簡單語法。

[程式一] 是健保資料庫常見的資料型態, 同一個人在不同時間有好幾筆就醫記錄, 在資料檔中AA中包含ID(身份證號), SEX, AGE, FEE(費用), IN_DATE(住院日期)等欄位。

[ 程式一]
data aa;
input id $ sex $ age fee in_date yymmdd10.;
format in_date yymmdd10.;
cards;