quantitativeresearch by 2bEj7R5

VIEWS: 0 PAGES: 36

									            量的デザインの研究の基本

                   中山和弘(聖路加看護大学
    第12回日本看護研究学会東海地方会学術集会 3/15/2008


1               中山和弘(聖路加看護大学)
内容
 仮説検証にはしっかりした変数測定とその関
  連の統計的分析が必要
 変数測定でのポイント
 変数間の関連の統計的分析のポイント
 問題のあるケースと第3の変数のチェック
 サンプル数は十分か
 まとめと探索的データ解析のすすめ




2         中山和弘(聖路加看護大学)
今日のパワーポイントはサイトで公開
 私の運営するサイト
 ナースに役立つ種類のサイトとは?
 http://www.geocities.jp/kazu_hiro/
 Googleなどで「ナースに役立つ」で検索
 画面下で探してください




3                 中山和弘(聖路加看護大学)
    仮説検証にはしっかりした変数測定とその
           関連の統計的分析が必要




4          中山和弘(聖路加看護大学)
仮説検証、エビデンスが主目的
 仮説:原因と結果=因果関係があるのか
 未検証の仮説の発見は大変→先行研究、十
  分な観察、聞き取りをもとに
 たとえば、患者への意思決定支援度が高い
  ほど患者のQOLが高いという仮説の検証
 仮説を表現する目的変数と説明変数の用意
 それだけでなく仮説発想(問題発見)も可能で、
  それも大事!→最後に

5         中山和弘(聖路加看護大学)
エビデンスの必要性
 ある少数の患者で続けて観察されただけで関
  連の有無を判断するリスク
 0と1を無作為に500個ならべる→10個中8個
  の1または10個中8個の0がある確率は高い
1100001010000100100011111001101101111
 専門家の意見=その領域には詳しいがそれ
  以外は疎い=視野が狭いリスク
 事例的に見られる現象が、一般化、普遍化で
  きるのか
6               中山和弘(聖路加看護大学)
仮説:おぼろげな変数測定とその関連

    説明変数?     ?

            ?
    説明変数?            目的変数?
            ?
    説明変数?

7           中山和弘(聖路加看護大学)
仮説:意思決定支援とQOLの関連

意思決定支援?       ?

            ?
    説明変数?               QOL?
            ?
    説明変数?

8           中山和弘(聖路加看護大学)
    変数測定でのポイント




9   中山和弘(聖路加看護大学)
変数測定の信頼性と妥当性確認
   信頼性=誤差が少ない
       観測結果=真の値+誤差
       複数回の測定による平均値にして誤差を減らす
   妥当性=測りたいものを測っているか
       その定義と測定内容の比較
       他の変数との関連から何に似ているか検討
   意思決定支援度とQOL尺度の測定の信頼性
    と妥当性の確認


10               中山和弘(聖路加看護大学)
変数は既存の尺度か、量的か質的か
    QOL尺度の種類、類似も多く、保険で複数測定
    同じ対象で信頼性と妥当性が多く確認されているも
     のなら詳細に検討する手間が省ける
    対象が違ったり、内容妥当性など不十分ならオリジ
     ナルの測定が必要→尺度開発または測定の試行
    量的か質的か(数字である必要性の有無) →関連を
     みる統計的手法が違う
    量的は情報量多い→量ー反応関係=強い因果関係、
     量は質に変換可能なのでなるべく量的に測定


    11         中山和弘(聖路加看護大学)
質問者や対象者の思いの影響
 質問紙調査は、自記式かインタビューか→質
  問者、回答者によって答えにくい状況(逆も)
 信頼できる回答を得られる質問紙か→しっか
  りとしたコミュニケーションがとれているのか、
  質問者や回答者の質問に対する過剰な思い
  が反映されていないか
 介入研究の場合、対象者にどちらかを知らせ
  ないマスキング(盲検化)
 調査はコミュニケーション!

12        中山和弘(聖路加看護大学)
変数測定が大丈夫そうなら次は

意思決定支援度      ?

     説明変数   ?
                            QOL
            ?
     説明変数

13          中山和弘(聖路加看護大学)
 変数間の関連の統計的分析のポイント




14      中山和弘(聖路加看護大学)
変数間の関連の統計的分析
   目的変数と説明変数の関連
       意思決定支援度とQOLの有意な関連の確認
   量的か質的かの変数の種類の組み合わせで
    方法を選択
       量と量=相関係数(無相関の検定)
       量と質=平均値の差(t検定、一元配置分散分析)
       質と質=クロス表(χ2検定)
       多変量解析の種類もこの組み合わせで決まる


15               中山和弘(聖路加看護大学)
有意とは=統計的検定(test)
    研究は標本(サンプル) →母集団に一般化?
    平均値の差なら:母集団では差がないと仮定したとき
     そこから無作為抽出した標本で差が起こる確率がわ
     かっている→t分布
    サンプル数が多いほど大きな差が生じる確率は低い


差
が
起
こ
る
確
率
        ←差の大きさ     0      差の大きさ→
16               中山和弘(聖路加看護大学)
起こるはずもないことが起きたら
 前と後ろに座っている人の身長の差
 ほんとは差がないだろうと思っているのに考
  えにくい大きな差が出たら
 前5人と後ろ5人で5cmの差なら?
 前50人と後ろ50人で5cmの差なら?
 前1000人と後ろ1000人で2cmの差なら?
 ほんとは差があるのでは?と考える差




17         中山和弘(聖路加看護大学)
有意な差があると判断する
        差がないという仮説=帰無仮説
        そう考えたとき起こりにくい大きな差が出た
        起こりにくさはα=0.05未満で判断(赤い部分)
        帰無仮説を棄却→「有意」な差という




                 0        ↑ 大きな差
18               中山和弘(聖路加看護大学)
有意な差の意味
 差がゼロでないと考えても誤りでないだろう
 有意な差がなくても「差がない」とは言えない
  →研究者も間違える
 「有意な差がある」=「効果がある」ではない
 その差を効果と考えるかは、専門家、臨床家、
  あるいは対象者の判断




19        中山和弘(聖路加看護大学)
       問題のあるケースと
      第3の変数のチェック




20   中山和弘(聖路加看護大学)
有意な関連の確認 パチパチ?

意思決定支援度       有意


     説明変数   ?
                            QOL
            ?
     説明変数

21          中山和弘(聖路加看護大学)
有意でなくてもだが、
分析前後にはずれ値の検討
 量的データは正規分布し、その全体から離れ
  た「はずれ値」がないか
 グラフを描いて判断
 計算してみると結果を乱すケースがあり得る
 全体と違う傾向を示すケースは、削除してみ
  て結果が大きく変わるなら分析から外すことも




22        中山和弘(聖路加看護大学)
はずれ値の例
傾き=相関係数が大きくなる




23      中山和弘(聖路加看護大学)
 関連がある時のチェック
 みせかけの相関を生む交絡変数の検討

    意思決定支援度
                     有意
           ?
?                  ?
         セルフケア能力                   QOL
                   ?
    コミュニケーション能力


    24             中山和弘(聖路加看護大学)
 関連がある時のチェック
 なぜ?直接の関連?媒介変数?

    意思決定支援度
                   有意
          ?
?        意思決定の   ?
                                 QOL
          満足度
                 ?
         医療への
         信頼感

    25           中山和弘(聖路加看護大学)
有意な関連なし ガックリ?

意思決定支援度       有意でない


     説明変数   ?
                            QOL
            ?
     説明変数

26          中山和弘(聖路加看護大学)
関連がない時のチェック
なぜ?対象や場合による?調整変数?

意思決定支援度
             有意でない
?    ?
     問題の   ?
                           QOL
     大きさ
           ?
 支援の必要性

27         中山和弘(聖路加看護大学)
第3の変数の存在とそれへの対処
 本当は関連がないのに見せかけの関連を生
  む交絡変数は常にありえる
 それとは別に、目的変数と説明変数の間の因
  果の流れに影響する変数(媒介変数と調整変
  数)がありえる
 どうするか?
 交絡変数:それが影響しない研究デザイン
 その他:それを分析に取り入れた多変量解析
  (気をつけることがたくさんあるので注意)
28       中山和弘(聖路加看護大学)
第3の変数が影響しない
研究デザイン

 説明変数の違いで第3の変数の状況に違い
  がないようにする=説明変数の違い以外は
  条件はみな同じにする
 セルフケア能力やコミュニケーション能力に
  よって意思決定支援度に差がないようにする
 観察研究ではマッチング
 介入研究では無作為化割り付け


29        中山和弘(聖路加看護大学)
説明変数と目的変数で1対1(さしで勝負)


意思決定支援度



      ×                      QOL


     第3の変数

30           中山和弘(聖路加看護大学)
      サンプル数は十分か




31   中山和弘(聖路加看護大学)
関連がない時のチェック
なぜ?サンプル数は足りたのか?

意思決定支援度       有意でない


     説明変数   ?
                            QOL
            ?
     説明変数     関連は十分だったが
              N=8 少なくない?
32          中山和弘(聖路加看護大学)
サンプリングと検出力
 その関連の強さで有意になるだけのサンプル
  数があったか(検出力、サンプルパワー)
 関連の有無が対象によって異なる場合は、関
  連のある対象から十分なサンプルを
 必要なサンプル数は、関連の強さや差の大き
  さ(効果サイズ)などがわかれば計算可能(パ
  ワーアナリシス)
 関連がかなり弱くてもサンプル数が十分多け
  れば有意にできる(まさにサンプルパワー)
33        中山和弘(聖路加看護大学)
     まとめと探索的データ解析のすすめ




34        中山和弘(聖路加看護大学)
まとめ 量的研究の実施に必要なもの
    仮説を生む観察・インタビュー能力、文献レビュー能
     力(図表を批判的に見る力)
    仮説をあらわす目的変数と説明変数
    仮説があてはまると予想する母集団の特定
    そこからの十分なサンプル数(できれば無作為)
    第3の変数の影響を考慮したデザイン
    統計学の知識(不確実な現象を理解するために、そ
     れを数量化し偶然をコントロールすることで一般化)
    観察研究や介入研究の方法選択の知識(今回省略)
    対象者の協力、関係者の理解、統計ソフト、お金・・・
    35         中山和弘(聖路加看護大学)
さらに仮説修正とあらたな仮説発見へ
探索的データ解析のすすめ
    データをすべて検討しつくせ!
    仮説が検証されないように見えたら仮説の修正
    測定した変数の見直し(量を質になど)
    目的変数と説明変数の組み合わせの見直し
    ただし、あらたな仮説で検定を繰り返すと、有意
     なものが発見される確率が高まる
    仮説が検証されたように見えても常に疑い、確認
     する
    一人ひとり事例の検討も大事

    36        中山和弘(聖路加看護大学)

								
To top