ベイズ推計メタアナリシス：75歳超でのスタチン投与ベネフィット

事前確率推定した上でのベイズ推計手法でみると、各種リスク要素を具有する確率の多い75歳超でのスタチン投与の真の有益性がわかるのではないか？





Meta-analysis of Usefulness of Treatment of Hypercholesterolemia with Statins For Primary Prevention in Patients Older Than 75 Years
John B. Kostis, et al.
The American Journal of Cardiology
Published:January 27, 2020
DOI:https://doi.org/10.1016/j.amjcard.2020.01.020
https://www.ajconline.org/article/S0002-9149(20)30061-8/fulltext




American College of Cardiology (ACC)/American Heart Association (AHA) guidelineでは75歳超での一次予防のためのスタチン使用を推奨していない。" 2019 Task Force for the management of dyslipidemias of the European Society of Cardiology (ESC) and European Atherosclerosis Society (EAS)"では IIb推奨として、高リスクなら75歳超での一次予防のためのスタチン使用開始が推奨される。
75歳超対象に、ベイズ解析にて改めて35のRCTを解析


Methodの一部

Twenty one of the 35 studies included data on persons ＞75 years as well as ＜75 and 14 studies had only data on persons ＜75.
The studies were analyzed using both the frequentist and Bayesian approaches. For all-cause death, the log of the risk ratio (treatment/placebo) was modeled by a normal distribution.　The prior distribution was assumed to have a mean equal to a weighted average of the logarithm of risk ratio (RR) with weights equal to the inverse of the sum of the estimates of between study variability and within study variability plus a drift term.　 The prior variance was divided into two components, an estimate of between-study variability and an estimate of within-study variability.
 The posterior distribution was calculated using Bayes’ rule and the 95% confidence interval was determined using the highest posterior density region. 

In toto, 192,079 individuals and 18,260 deaths were included in this analysis and were subdivided into 2 groups: patients aged 75 or younger versus patients older than 75. Data were extracted by two reviewers (JBK, MG) independently and disagreements were adjudicated by face to face discussion.

米国および欧州の臨床ガイドラインでは、75歳以上の高コレステロール血症患者の初期予防のためにスタチンによる治療を推奨していません。 一次予防のためのスタチン療法をプラセボまたは通常のケアと比較したこの年齢層の35件のランダム化比較試験のデータを分析しました。 結果として全死因を使用して、2種類の分析を実行しました： frequentist とBayesian。
Frequentist analysis＜頻度確率解析＞では、症例（スタチン）と対照（プラセボまたは通常のケア、p = 0.16）の死亡率に有意な差は示されませんでした。
しかし、ベイジアン分析では、75歳以上の人はスタチン治療による死亡率が低かった（p = 0.03）。
結論として、ベイジアン分析は、75歳以上の人における一次予防のためのスタチン治療の明確で統計的に有意で臨床的に関連するベネフィットを示しています。

For all-cause death frequentist analysis indicated a non-significant effect for treating patients older than 75 with statins. However, using Bayesian analysis,a significant benefit in terms of all-cause death is observed.
Redline is the prior distribution
Blackline shows data in studies on patients older than 75
Greenline is posterior distribution after consideration of the prior distribution and the data available on patients older than 75 using Bayes’rule

ベイズ理論：概念的学習から初めよ

今の医学生はベイズ理論を用いた臨床推計を学ぶはず

概念的な教育が有効なようだ


Effect of Teaching Bayesian Methods Using Learning by Concept vs Learning by Example on Medical Students’ Ability to Estimate Probability of a Diagnosis
A Randomized Clinical Trial
John E. Brush Jr,et al.
JAMA Netw Open. 2019;2(12):e1918023. doi:10.1001/jamanetworkopen.2019.18023

質問：初学的臨床家は、明示的概念教育あるいは反復例示を含む教育手法を用いることで診断確率をより正確なベイズ理論revsionを用いるよう教育できるか？

知見：61名の医学生のランダム化臨床トライアルで、ベイズ理論化や概念についての明示的概念的インストラクションにより初学的臨床家への検査後確率推定の正確性を有意に改善した。診断可能性推定確率は、三つの実験コンディション（明示的教育、反復演習、対照）全てで予測より優秀であった。

意義：明示的理論的インストラクションは診断確率のbayesian revsionの改善を有意にもたらし、初学臨床家への診断的reasoningを教育する上での示唆を与える


Importance  Clinicians use probability estimates to make a diagnosis. Teaching students to make more accurate probability estimates could improve the diagnostic process and, ultimately, the quality of medical care.

Objective  To test whether novice clinicians can be taught to make more accurate bayesian revisions of diagnostic probabilities using teaching methods that apply either explicit conceptual instruction or repeated examples.

 teaching bayesian updatingとdiagnostic reasoning教育２手法の ランダム化臨床トライアル
web-ベースプラットフォームを用い、各介入の効果の同意、ランダム化、介入、検証
t McMaster UniversityとEastern Virginia Medical Schoolでの６１名の医学生 2018年5月1日から9月30日
介入：ランダム化
(1) receive explicit conceptual instruction regarding diagnostic testing and bayesian revision (concept group)
(2) exposure to repeated examples of cases with feedback regarding posttest probability (experience group)
(3) a control condition with no conceptual instruction or repeated examples.

主要アウトカムと測定項目　3群の医学生について、negative or positive test結果に関する診断確率をupdateする能力検証
確率revisionを比較
Bayes ruleを用いそして、既知感度・特異度を用い計算した検査後確率と比較して、この確率revsionを計算



結果　61名の被験者のうち、concept 群　22名、演習群 20名 、対照群 19名
平均年齢 25歳、2名の被験者は1年、37名は2年、12名3年、10名は4年

concept群学生の平均(SE)確率は他の2群より、bayesisan確率計算に近似 (0.4%; [0.7%] vs 演習群 3.5% [0.7%]; 対照, 4.3% [0.7%]; P < 0.001)
統計学的に有意だが、群間差は比較的少なく、全ての学生のパフォーマンスは文献報告に基づく予測より良好であった。

Trial Registration  ClinicalTrials.gov identifier: NCT04130607

---

stanを導入してベイズ推計の深みにはまる必要があるかは？