ホームページ上で公開している資料庫です。
お好きにダウンロードしてください。
※アプリ更新の影響で以前の資料が開けなくなっていましたのでページを修正しました(2022/01/25)。
「お知らせ」からのアクセスも一部できなくなっていますので、こちらから開き直してください。
タイトルの下にファイル内容の説明、タイトルの横に資料の[Link]を貼っています。
グラフ理論とネットワーク科学に関する超基礎編の資料です。これから始めたい人向けに用語の解説と基本的な考え方をメインに紹介しています。社会科学や脳科学に限らず多くの領域で適用できる理論です。心理学でも関心が高まっているので幅広く利用されていくと良いなと思います。
前半が用語の説明、中盤にCOVID-19の感染予測の研究や心理学での提案例、後半に脳科学での使用例や各指標の解釈について記載しています。
キーワード:グラフ理論(Graph theory)、ネットワーク科学(Network Science)、脳ネットワーク(brain networks)
アップロード日:2021/06/14
近年マルチモーダルな多次元データセットが多く扱われるようになり、再び関心が高まっている正準相関分析(Canonical Correlation Analysis)について、機械学習などでもよくとられる正則化を組み込んだ方法について紹介しています。
解析過程で得られる情報の種類から、解析目的自体が様々にとられることが多く、これまで実態を掴みづらいところもあったのですが、順番に勉強していくと結構おもしろそうな解析でした。
資料では自身の関心のあるfMRIデータを使った論文例を入れていますが、fMRIデータに限らず、もちろん心理学での色々なデータに適用できる解析です。
キーワード:正準相関分析(Canonical Correlation Analysis)、正則化(Regularization)、リッジ正則化正準相関分析(Ridge-regularized Canonical Correlation Analysis)、Hyperalignment
アップロード日:2020/01/20
第33回REQUIRE「ネットワークメタ分析」での発表資料をアップロードしました。
近年トップジャーナルでもたびたび目にするネットワークメタ分析について,レポーティングガイドラインであるPRISMA-NMA(Hutton et al., 2015)を中心に,ネットワークメタ分析の論文報告の仕方を発表しました。
ネットワークメタ分析の概要や報告事例等については他の発表者方の資料をご覧ください。
1.ネットワークメタ分析の要約 松田正典先生 (済生会川口総合病院)
2.ネットワークメタ分析の入門 国里愛彦先生 (専修大学人間科学部)
3.ネットワークメタ分析の報告事例 市倉加奈子先生 (北里大学医療衛生学部)
キーワード:
ネットワークメタ分析(network meta-analysis),PRISMA声明(Preferred Reporting Items for Systematic Reviews and Meta-analyses),PRISMA-NMA(PRISMA extension for Network Meta-Analysis),多重治療ネットワーク(network of multiple treatments),間接治療比較(indirect treatment comparison),混合治療比較(mixed treatment comparison),ベイジアンアプローチ(Bayesian)
アップロード日:2018/12/17
Bayesian Network Meta-analysis(ベイジアンネットワークメタアナリシス)に関する発表資料です。
1.通常のメタアナリシスからベイジアンネットワークメタアナリシスへの基本的発想の概略
通常のペアワイズのメタアナリシスからネットワークメタアナリシスへの拡張,ベイズ流の事前分布の導入をかなりの駆け足で紹介しています。
2.ベイジアンネットワークメタアナリシスを使った論文の紹介
うつ病への7種類の心理療法の効果を比較した論文(Barth et al., 2013; PlosOne)から関連する記載内容をメインに紹介
3.Rを使ったベイジアンネットワークメタアナリシスの実施例
RのパッケージであるGeMTCを使って実際にやってみた感じを紹介しています。
【最初に読むと良いと思った論文】
Comparative efficacy of seven psychotherapeutic interventions for patients with depression: a network meta-analysis.
今回の資料で紹介しています。単純に発表者の関心領域であるためお勧めしています。
Comparative efficacy and tolerability of 15 antipsychotic drugs in schizophrenia: a multiple-treatments meta-analysis.
非常に細かい情報が載っているのでネットワークメタアナリシスを勉強する際にとても勉強になると思います。多くの資料で引用されています。Suppelementary appendixもとても参考になると思います。
Consistency and inconsistency in network meta-analysis: concepts and models for multi-arm studies.
ネットワークメタアナリシスで理解しておく必要があるConsistencyについて詳しく解説されています。
キーワード:ベイジアン・ネットワークメタアナリシス,Bayesian Network Meta-analysis,Rでネットワークメタアナリシス,GeMTC,consistency,異質性
アップロード日:2018/06/13
統計モデリング勉強会(2017.08.25)での発表資料です。
「実践ベイズモデリング ―解析技法と認知モデル―」(朝倉書店)の内容をいくつか抜粋しながら,①認知モデルの記述でよく用いられるプレート表現の復習,②異質性を考慮した二項分布の解析例(階層モデルとベータ二項分布モデル),③二項分布の階層モデルを使用した論文例,をまとめさせていただいています。
解析結果は実際にこちらで回した結果ですので,原本とは若干数値が異なっています。
キーワード:ベイズ,認知モデル,ベイジアン認知モデリング,二項分布の階層モデル,ベータ二項分布モデル,プレート表現
アップロード日:2017/08/25
記憶研究会で紹介した「Construing trauma as a double-edged sword」の資料をアップロードしました。
(少し前ですが,資料整理をしていたら出てきたのでアップします)
トラウマティックな出来事を「どれだけ自分にとって中心的な出来事であるか」と解釈することで,その後の結果に与える影響度が違うといったことをテーマにした内容です。
その中で,この出来事中心性が高いとPTSD等の悪い結果を招く可能性が高い一方で,その後の回復(外傷後成長:PTG)等をもたらす結果にもつながるという“出来事中心性の諸刃性”を紹介しています。
記憶研究会で輪読している「Clinical Perspectives on Autobiographical Memory」の9章が主な内容になっています。
キーワード:トラウマ,PTSD,PTG(post traumatic growth,外傷後成長),出来事の中心性(Event Centrality),トラウマ後の認知,ナラティブ
アップロード日:2017/08/01
統計モデリング研究会でのLTセッションで発表した「世はまさにデータシェアリング時代!!!」の資料です。
研究データシェアリングに関する最近の動向について代表的なところをまとめています。
キーワード:データシェアリング,RDA(Research Data Alliance),ICSU-WDA(International Council for Science-World Data System)
アップロード日:2017/07/07
Nilearnを使ったfMRIデータ処理 ーscikit-learnとの連携による機械学習までー
機械学習勉強会でのLT発表資料&Pythonコードをアップロードしました。
PythonのパッケージであるNilearn(http://nilearn.github.io/)を使ってfMRIデータを読み込み,scikit-learnに渡して機械学習させ,その結果を再びNilearnで画像化する方法です。
一連の処理をすべてPythonで簡単に行うことができるのでかなり便利です。
Nilearnの使用感としてはMATLABでやるより速い・簡単・グラフィックスが良い等がひとまずの実感です。
Pythonの豊富なパッケージとスムーズに連携できるのも◎
※資料中はコードを一部省略しているので完全版は添付のものをご参照ください。
※使用しているfMRIデータは共有できないのでお手持ちまたはダウンロード可能なデータをご利用してください(ディレクトリ書換えが必要)。
キーワード:Python,Nilearn,scikit-learn,fMRI,画像解析,機械学習(machine learning),サポートベクターマシン(SVM),階層的凝集クラスタリング
アップロード日:2017/05/21
Pythonによるデータの次元削減ーPCA,線形判別,カーネル化PCAー
『Pythonによるデータの次元削減ーPCA,線形判別,カーネル化PCAー』を公開しました。
下記参考図書から,高次元のデータを新しい低次元の特徴部分空間に写像して,データの次元数を削減する特徴抽出の概要と,それをpythonで実装するコード類の紹介です。
本来のコード等はGitHub上(リンク)で公開されていますのでそちらをご参照ください。
参考図書:Python機械学習プログラミング 達人データサイエンティストによる理論と実践
キーワード:Python,機械学習,次元削減,主成分分析(PCA),線形判別分析(LDA),カーネル化PCA
アップロード日:2017/04/04
第28回REQUIRE「ベイズ統計を用いた臨床試験:ベイジアンアダプティプ・デザイン」での発表資料をアップロードしました。
臨床試験をあらゆる面で効率化することを目的としたアダプティブデザインについて,特にベイズ統計をデザイン設計に取り入れた方法論が話題として扱われました。
本資料はその中で「4.フェーズII/IIIにおけるベイジアン・アダプティブ・メソッド」として,主にフェーズIIIについてベイジアンアダプティブな臨床試験の方法をご紹介しています。
ベイズ統計の基礎や,ベイジアンアダプティブデザアインを用いた臨床試験の報告事例,フェーズI/IIでの方法論の紹介ついては他の発表者方の資料をご覧ください。
1.ベイズ統計の基礎 国里愛彦先生 (専修大学人間科学部心理学科)
2.ベイジアン アダプティブ・デザインを用いた臨床試験の報告事例 清水沙友里先生 (医療経済研究機構)
3.フェーズI/IIにおけるベイジアン アダプティブ・メソッド 竹林由武先生 (福島県立医科大学医学部)
キーワード:ベイジアンアダプティブデザイン,適応的試験デザイン,ベイズ統計,第III相試験,第II/III相シームレスデザイン
アップロード日:2017/03/20
2016.12.27に広島大学で開催されたPEACE2ndにて発表をした「縦断データに対するマルチレベルモデルの概要」資料です。
本資料は定期的に開催している統計モデリング研究会での内容を再構成した資料です。
作成にあたっては研究会にて発表された複数の方の資料を参考にしております。
またこの研究会は『縦断データの分析〈1〉変化についてのマルチレベルモデリング』の内容を扱っております。
本資料は上記書籍のうち第6章までの内容をもとに,主にモデル設計の基本的な考え方に焦点をあてているため,推定やモデル選択などの詳細は省略しておりますので,あらかじめご了承ください。
また,共同発表者の神原広平さん(広島大学教育学研究科)が自身のデータを用いた解析例の資料を,難波修史さん(広島大学教育学研究科)がRの魅力に関する資料をそれぞれ公開してくれています。
その他にも非常に有用な資料をいくつもあげてくださっているので,お二人のHPもぜひお尋ねください。
介入データに対する線形混合モデルを用いた分析(神原さん)
Rはいいぞ!むしろなぜ使わないのか!!(難波さん)
キーワード:マルチレベルモデリング、縦断データ、PEACE研究会
アップロード日:2017/01/05
統計モデリング勉強会(2016.09.28)での発表資料です。
『縦断データの分析〈1〉変化についてのマルチレベルモデリング』から,第6章の非連続あるいは非線形の変化のモデリングの内容をご紹介させていただきました。
非連続な変化の移行がある軌跡や非線形な成長曲線など対するマルチレベルモデルの概略を記載しています。
縦断データの分析〈1〉変化についてのマルチレベルモデリング:https://www.amazon.co.jp/dp/4254121911
キーワード:マルチレベルモデリング、縦断データ、非連続,非線形,成長
アップロード日:2016/09/29
FMRIBグループが開発している解析ソフトのFSL(http://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FSL)ですが,MacやLinuxでのインストールに比べてWindowsはちょっと手数が多く,日本語での情報も少ないので,自分の環境でインストールした手順をひとまずまとめてみました。
基本的にはFSLのHP上で細かく紹介してくれています。
ですので,この資料は「英語めんどくさい」とか「とりあえず手っ取り早く動かしたい」とかそういう人向けです。
参照:http://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation/Windows
キーワード:FSL,脳画像解析,Windows,インストール
アップロード日:2016/06/06
第21回REQUIRE「項目反応理論を用いた尺度運用 PROMISの試みとその原理の理解」での発表資料をアップロードしました。
今回はNIH主導のPROMISプロジェクト(http://www.nihpromis.org)の取り組みに関する内容とその原理である項目反応理論が扱われました。
本資料はその中で実際のPROMISの取り組み内容に関する事例報告となっています。
理論や取リ組みの全体像については他の発表者の先生方の資料をご覧ください。
①項目反応理論: 土屋政雄先生 (労働安全衛生総合研究所作業条件適応研究グループ 研究員)
②項目反応理論を使った尺度運用: 竹林由武先生 (統計数理研究所リスク解析戦略研究センター 特任助教)
③POMISの取り組み: 国里愛彦先生(専修大学人間科学部心理学科 准教授)
キーワード:PROMIS,患者報告式アウトカム,項目反応理論,コンピュータ適応型テスト
アップロード日:2015/07/27
第2回統計モデリング勉強会での発表資料です。
久保 拓弥先生の『データ解析のための統計モデリング入門』から,第3章・第6章の一般化線形モデルの内容をご紹介させていただきました。
(※一部,内容変更がございます)
すでに複数の方が多く研究会情報・発表スライド等をweb上でご公表されておりますので,そちらのスライド等も合わせてご参照いただければと思います。
データ解析のための統計モデリング入門:http://hosho.ees.hokudai.ac.jp/~kubo/ce/IwanamiBook.html
キーワード:一般化線形モデル、統計モデリング、ポアソン回帰、ロジスティック回帰、R
アップロード日:2015/03/24
第2回Python勉強会で発表した「Pythonで実験課題を作ろう!~Psychopy(超入門編)」を公開しました。
本資料は,超入門編ということで「Pythonをほとんど触ったことがない」,「完璧に理解できなくても課題を動かせればいい」といった初級者向けの内容になっております。
スライドにでてくるコードはそういったレベルのものですので,熟練者からみたコードに関する違和感等についてはご了承ください((+_+))
キーワード:Python、psychopy、認知課題作成、python入門
アップロード日:2014/10/27
第16回REQUIREでの「臨床的有意性に関する事例報告」の発表資料をアップロードしました。
本資料は臨床的有意性を用いた論文の内容紹介ですので、「臨床的有意性」の詳細は吉田先生が公開されているファイルをご参照ください。
キーワード:臨床的有意性、Clinical significance、Smallest detectable change、clinically important difference、COSMIN、Anchor-based、Distribution-based
アップロード日:2014/08/06