The method to determine the probability of disease severity by bayesian statistical analysis in a small number of patient data.

点击翻译按钮获取中文摘要

本研究で，IgA腎症についてのデータを集積して，病態を確率的に解析する方法を確立する。検査で取得できた糸球体の数が少ない場合においては，ある程度の精度で進行段階を示すことができる場合もあるが，特に，半分程度が病変のある糸球体のように，あいまいさの残る場合に，想定する事前分布によって進行段階のgrade評価に対する影響の詳細に検討し，これらの問題を解決するために，ベイズ法を用いて病気の進行段階を確率的に明らかにする方法を検討した。さらに，病変の種類と予後の 関係等の経時的分析にも，ベイズ法による解析法を拡張し，どのような場合に進行が進みやすいのかについても検討した。さまざまの種類の病変が含まれる臨床データを用いたベイズ法を用いた解析において，どのような場合に予後が悪くなるのかを検討し，用いる事前分布の結果への影響を明らかにした。事前分布を考えるためには，検討する必要のあるすべての場合について多くのデータがあることが望まれるが，病変の種類も多く，これらの組み合わせを考えると非 常に多くのデータ数が必要となり，現実的には収集は難しい。そこで，回帰係数のいくつかを0にすることによって，スパース性を維持したマルコフ連鎖モンテカルロ法に適用した方法の検討も行った。この計算によって得られた結果を従来のMCMC法によって推定された事後分布と比較し，推定精度や予測精度がどのようになるかを詳細に調べ，実際の事後分布(確率)を明確にするとともに，病気の進行段階とその確率分布が、各パラメータ群からどのように求められるのかの検討を行っている。