MDPI社が発行するジャーナルSustainabilityのセルフサイテーションがひどいという論文をみかけました。

ジャーナル自身が自己引用することによるインパクトファクターの押し上げ

Journal Impact Factor = Citations in 2020 to items published in 2018 and 2019  / Number of citable items in 2018 and 2019

=  (18,186+20,818) /(4,815 +7,184)

= 39,004 / 11,999 = 3.251

Journal Impact Factor without self cites =(Citations in 2020 to items published in 2018 and 2019 − Self Citations in 2020 to items published in 2018 and 2019 ) / Number of citable items in 2018 (4,815) and 2019 (7,184)

= (18,186+20,818) – (4,066+6,677) / (4,815 + 7,184)

=(39,004 − 10,743)/11,999=2.355

(jcr.clarivate.com)

上の例でみると、10745/39004 = 27.5%がセルフサイテーションになっています。これによってインパクトファクターが押し上げられているわけですね。

1. Sustainability (MDPI) 2020 JOURNAL IMPACT FACTOR 3.251

MDPI社の別の雑誌INTERNATIONAL JOURNAL OF MOLECULAR SCIENCESで同様にみてみると、

2020 JOURNAL IMPACT FACTOR 5.923

JOURNAL IMPACT FACTOR WITHOUT SELF CITATIONS 5.356

とやはりセルフサイテーションの有無で大きな差があります。2年分の引用数61,237のうち自己引用が5,865件で、割合でいえば、9.6％になります。Sustainability誌ほどではないですが、IJMSも引用件数およそ10%がセルフの引用なんですね。他の出版社のジャーナルの場合はどうなのかを見てみますと、nature communicationsの場合、

2020 JOURNAL IMPACT FACTOR 14.919

JOURNAL IMPACT FACTOR WITHOUT SELF CITATIONS 14.526

であまり大きな差はありません。2年間の引用数157,111のうち 4,134件がセルフ。割合は2.6％に過ぎません。やはりIJMSの10%は大きな数字だと思います。

状態空間モデル・時系列解析・階層ベイズなどを解説したYOUTUBE動画

階層ベイズ＆MCMC講義 （久保拓弥）　難易度★★ 2014/07/31 統計数理研究所

状態空間モデル・時系列解析などの教科書

1. 赤池 弘次, 北川 源四郎 編『時系列解析の実際I(新装版) (統計科学選書)』2020/2/17 　朝倉書店
2. 島田 直希 『時系列解析: 自己回帰型モデル・状態空間モデル・異常検知 (Advanced Python) 』2019/9/7 共立出版　ARIMA、カルマンフィルタ・粒子フィルタ・HMM、ChangeFinderによる異常検知
3. 萩原 淳一郎　ほか『基礎からわかる時系列分析 ―Rで実践するカルマンフィルタ・MCMC・粒子フィルター (Data Science Library) 』2018/3/23 技術評論社
4. 久保拓弥『データ解析のための統計モデリング入門: 一般化線形モデル・階層ベイズモデル・MCMC』岩波書店、 2012　　＊買った
5. 沖本 竜義『経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 』 2010/2/1 　朝倉書店
6. Jacques J.F. Commandeur, Sime Jan Koopman『状態空間時系列分析入門』2008/9/1
7. James D. Hamilton『時系列解析〈上〉定常過程編 』2006/3/1 沖本 竜義, 井上 智夫　訳
8. 北川 源四郎 『時系列解析入門』2005/2/24　岩波書店

統計モデルの教科書

1. 松浦 健太郎『StanとRでベイズ統計モデリング (Wonderful R) 』 2016/10/25 　良さげ
2. Annette J.Dobson『一般化線形モデル入門 原著第2版』 2008/9/8 共立出版　1993年出版「統計モデル入門」の改訂版　＊これはうちの図書館も所蔵。MUST READ

階層ベイズ法の実際の適用例

1. 「階層ベイズ法」によるツキノワグマ生息数推定の批判的検討―状態空間モデルとの関連からの再考―　山上俊彦　2018年7月　日本福祉大学経済学部経済学科　Discussion Paper Series, DP-2018-01

状態空間モデル・時系列解析などウェブ記事等

1. 時系列データを用いた広告効果測定の実際　2015年5月29日 JMRX勉強会[公開版] 青島弘幸 (株)ビデオリサーチ マーケティング事業推進局 猪狩良介 慶應義塾大学大学院経済学研究科／日本学術振興会特別研究員　スライドシェア
2. SARIMAで時系列データの分析（PV数の予測）2018-05-08　kumilog.net

周期的な測定データを回帰モデルで表現する場合にMidline estimating statistic of rhythm (MESOR)というものが登場することがあります。

回帰モデル式　Y(t) = M + A*cos (2*pi*t / τ + φ) + e(t)

M: the MESOR (Midline Statistic Of Rhythm, a rhythm-adjusted mean

A: the amplitude (a measure of half the extent of predictable variation within a cycle)

φ: the φ is the acrophase (a measure of the time of overall high values recurring in each cycle)

τ: the period (duration of one cycle)

e(t): the error term

参考　Cosinor-based rhythmometry　Germaine Cornelissen　Theoretical Biology and Medical Modelling2014,11:16

1. Cosinor-based rhythmometry　Germaine Cornelissen　Theoretical Biology and Medical Modelling2014,11:16
2. REFINETTI et al. Procedures for numerical analysis of circadian rhythms. Biol Rhythm Res. 2007; 38(4): 275–325. doi: 10.1080/09291010600903692

http://www2.tba.t-com.ne.jp/nakada/takashi/bayes/idea.html#mrbayes
https://www.jstage.jst.go.jp/article/kagakutoseibutsu1962/44/3/44_3_185/_pdf/-char/ja
https://www.jst.go.jp/nbdc/bird/jinzai/literacy/streaming/h21_4_3b.pdf
https://www.researchgate.net/publication/319965471_A_biologist’s_guide_to_Bayesian_phylogenetic_analysis　

【ベイズ推定】GMR（Gaussian Mixture Regression）入門 -GMMによるクラスタリングから回帰分析まで-

https://www.sciencemag.org/site/feature/data/1050262.pdf
https://www.pnas.org/content/116/11/5027　
http://cse.naro.affrc.go.jp/minaka/cladist/tamagawa2011-3.pdf　
ttps://www.unisys.co.jp/tec_info/tr115/11503.pdf
https://learning-with-machine.hatenablog.com/entry/2020/03/09/083000　
https://qiita.com/isuya/items/59ab13854326e2451492
https://www.slideshare.net/nakanotomofumi/4-62382377
https://docs.microsoft.com/ja-jp/archive/msdn-magazine/2013/march/data-clustering-data-clustering-using-naive-bayes-inference
http://www.jfssa.jp/taikai/2013/table/pdf_01/251-300/10277.pdf　
https://ultrabem-branch3.com/informatics/bioinformatics/tree_basic　
https://togotv.dbcls.jp/20191207.html　
https://www.youtube.com/watch?v=thy1fdwQCNQ　

DNA 等温増幅 （Isothermal Amplification）

1. 代表的な DNA 等温増幅法　NEB
2. 遺伝子検査(核酸増幅法)のなかま

NEAR法

1. ID NOW™ 新型コロナウイルス2019テストでは、13分以内に結果が得られ、初診時にすぐに診断をすることが容易になります。 簡便に使用できるID NOW™ システムは、様々な医療現場において、患者に近い場所での検査（ポイントオブケアテスト）として使用できるように設計されています。Abbot
2. 等温核酸増幅法（NEAR法）による検査について　阿部内科医院　アボット社のID NOW™️を導入しました。 等温核酸増幅法（NEAR法）による検査で、陽性の場合最短5分、陰性の場合でも13分で結果が分かるようになります。
3. 新型コロナウイルス検査が13分ほどでできるようになりました。　東戸塚メディカルクリニック　厚生労働省保健局の審査で令和２年10月20日から保険適用の承認が得られており、保険診療での利用が可能です。
4. 新型コロナウイルス感染症診断薬の承認について（アボット ダイアグノスティクス メディカル株式会社申請品目）令和２年10 月 20 日医薬・生活衛生局医療機器審査管理課 【申 請 日】：令和２年９月10 日（製造販売承認申請）【承 認 日】：令和２年10 月 20 日　　本品は、等温核酸増幅検査法を測定原理とし、生体試料中の SARS-CoV-2 RNAを検出するキットである。対応する検査装置「ID NOWインスツルメント」を用いて検査を行う。 ‥　本品の分析性能に関して、SARS-CoV-2について、臨床検体を使用した検討はきわめて限定的である。　‥　現時点で本邦においてSARS-CoV-2に対する体外診断用医薬品は限られており、医療機関等での検査能力の迅速な拡充が求められていることを踏まえると、製造販売後に実臨床での臨床性能の検証を求める承認条件を付すこと等を前提に承認は可能と判断した。

SmartAmp法

1. 新型コロナウイルスの迅速核酸検出法の開発 2020年2月27日 神奈川県衛生研究所 理化学研究所 理化学研究所はSmartAmp法、Eprimer法を用いたウイルス検出のためのプロトコルを作成しました。

新規等温核酸増幅法TRIAmp

1. 新規等温核酸増幅法TRIAmp　Tandem Repeat mediated Isothermal Amplification

Verigene Multiplex PCR

The VERIGENE^® System

1. Luminex The VERIGENE® System

The VERIGENE^® Systemの論文

1. Multiplex PCR for Detection and Identification of Microbial Pathogens Mark A. PoritzEmail authorBeth Lingenfelter 1. 2. Chapter First Online: 10 November 2018 Advanced Techniques in Diagnostic Microbiology pp 475-493|
2. Multicenter evaluation of Verigene Enteric Pathogens Nucleic Acid Test for detection of gastrointestinal pathogens. 04 February 2021
3. Impact of Verigene Multiplex PCR for Positive Blood Cultures and Gram-negative Bacteremia.　Open Forum Infect Dis. 2017 Fall; 4(Suppl 1): S625. Published online 2017 Oct 4. doi: 10.1093/ofid/ofx163.1654 PMCID: PMC5630765
4. Impact of VerigeneMultiplex PCR for Positive Blood Cultures and Gram Negative Bacteremia
5. Development of Nanosphere’s Verigene EP FlexTest (IUO) for Rapid Detection of a Broad Range of Gastrointestinal Parasites Directly from Cary-Blair and Non-Formalin Based Fixatives.

VERIGENEの使用例

感染症の患者さんを呼吸器科で診療する際に、起因菌を同定するための検査装置としてVERIGENEというものがあるそうです。

Flex Testing with the VERIGENE® System: Respiratory Pathogens and Beyond (Webinar) 2018/01/08 Luminex Corporation

耳かきは適度にやれば心地良いのですが、やりすぎると耳の中を傷つけてしまい痛い思いをします。痛いだけで済めばよいのですが、耳の病気になる恐れもあるようです。

1. 耳にできる聴器がんの原因と症状－耳掃除に注意　MedicalNote　聴器がんの原因やリスク因子慢性的な刺激による炎症　　代表的なリスク因子として、耳かきを使用した耳掃除が挙げられます。
2. 耳掃除のやり過ぎで外耳道癌が不安です　2019/12/13　QLIFE　耳掃除のやり過ぎは外耳道癌になりやすいと聞きとてつもない不安に襲われています。（回答を読むには登録が必要）
3. やりすぎは禁物です！耳掃除の耳寄りな話　サワイ健康推進課　耳垢や耳掃除に関係する疾患には、次のようなものがあります。【耳垢塞栓】【外耳炎（外耳道炎）】【外耳道外傷】

外耳道癌

1. 外耳道癌、聴器癌 笠井耳鼻咽喉科クリニック・自由が丘診療室　癌の腫瘤を形成するような場合には診断はつけやすいのですが、表面は平坦でも内部へ向かって浸潤しているような外耳道癌の場合には癌を疑われないままに慢性の外耳炎として処置を続けられている場合があります。

大学の医学部では、将来、医師として人々の診療にあたり、同時にヒトを対象とした研究をも行うことになるかもしれない学生たちが学んでいます。このように将来進む道がある程度定まっている医学部の学生に対して、どのような生物学教育を行うのが効果的なのでしょうか。

1. 愛媛大学大学院医学系研究科　医化学・細胞生物学 (金川 基 教授)　医学科１年生の細胞生物学と医学研究コースを担当　医療の現場で感じた疑問を科学的に解決し臨床に還元 できる研究医― Physician Scientist－の育成　学部生の段階で、しっかりとした基礎力を獲得し、リサーチマインドを育む　単なる教科書的な知識ではなく、医師や研究者にとっての重要な力　教科書の内容を論理的に理解 　論理的思考力は、将来医師になった時にも必ず役に立つ
2. 医学の日進月歩と生涯勉強 呼吸器外科学 教授 新谷 康　大阪大学医学系研究科　教授リレーエッセイ　最近は進行肺がんに対して、放射線、抗がん剤治療に免疫療法を加える治療が手術に負けない成績である可能性が示されました。…　今後のがん治療は、個々のがんの遺伝子を分析した結果をもとに薬剤を選ぶ「ゲノム医療」に向かって進んでいます。将来は「ゲノム医療」が、外科治療がよいのか内科治療がよいのかを決定するツールになり、患者さんのさらなる個別化医療につながるはずです。
3. 医学部担当講義プレテュトーリアル　岐阜大　生体の構成成分である糖、脂質、蛋白質、核酸のそれぞれについて、性状と生体内における代謝とその調節機構　それらの物質の代謝異常、細胞応答における細胞内情報伝達の仕組み、細胞増殖、細胞分化、アポトーシス、および老化の基本な分子メカニズム
4. 医学生物学　生物学と医学 生命の起源，生物学と医学の関連第 細胞のはたらき 細胞の成分，構造と機能  細胞増殖と遺伝 細胞周期と分裂，メンデル遺伝 遺伝子のはたらき 遺伝子の構造，情報，複製，発現  物質とエネルギー酵素，消化と呼吸　生体化学反応　細胞から個体へ　多細胞生物の成立，組織、器官 動物の発生個体の維持と調節 血液と免疫，自律神経刺激と生体反応 受容体，効果器，神経系，行動  ホメオスタシス（腎，膵，肝） 生物の集団　生物の多様性，種の進化  生態学など マウス解剖

参考

1. 痛みや鎮痛における個人差の遺伝的要因　日本緩和医療薬学雑誌（Jpn. J. Pharm. Palliat. Care Sci.）2 : 99_110（2009）COMT活性が強ければドーパミンが代謝され，エンドルフィンが放出されるので，痛みの感受性が下がる．また，この多型はオピオイド系の痛み刺激に対応する反応性にも影響を及ぼすことが報告されている2）．さらに，COMT遺伝子の 4 つの SNP によって構成される対立遺伝子の組み合わせが，筋骨格系疼痛の感受性に違いを引き起こすことも示されている3）．
2. 抗がん剤の薬理学　慶應義塾大学医学部臨床薬剤学　谷川原祐介　第57回日本癌治療学会学術集会2019年10月26日（福岡）教育セッション19 （ESS19）薬理反応の個人差は、どこから生ずるか？
3. 第7回薬効・副作用の個人差―私にはなぜ効かないの？　『朝日新聞（福岡版）』（2007年3月3日）掲載

医学研究では暴露因子の有無と疾患の有無とを集計して関連性を解析することが頻繁に行われています。

の表に該当する人の数が入るわけです。ここではa人、b人、c人、 d人とそれぞれ書いておきます。この表に基づいて、オッズ比やリスク比を求めることが出来ます。

オッズ比＝(a/b) / (c/d)

リスク比=(a/(a+b)) /(c /(c+d))

オッズ比とリスク比は、式が似ていますが何が違うのでしょうか？オッズ比とリスク比のどちらを論文で示すべきか？が何できまるのかというと、このデータがどのように収集されたのかで決まります。前向き研究によって、暴露因子の有無で被験者を予め群に分けておき、それぞれの群の被験者たちを何年か追跡調査して、ある時点における疾患の有無を調べたのだとしたら、リスク a/(a+b)を計算することに意味がありますので、リスク比を示すことが適切です。

しかし、稀な疾患の場合は、暴露因子で分けて前向き研究をしてもほとんど疾患を生じる被験者がいなくて研究が成り立たないことがあります。その場合には、後ろ向き研究（症例ー対照研究）が良く用いられます。症例対照研究においては、aやbの人数は研究者が自分で決めるため、恣意的な数字であり、a+b 人のうちa人が病気になったということにはなりません。なのでリスク比を計算することは全く無意味であり、その場合にはオッズ比が計算されます。横断研究の場合も同様です。ある時点において研究対象者を集めてきて、疾患の有無と暴露の有無で４つに分けたとしても、追跡調査をしていない以上、研究対象者の集め方に何らかの偏りがあるためリスクの計算はできません。

ケース・コントロール研究や横断研究など前向きでない研究だとリスクが定義できないので、リスク比の代わりにオッズ比を使う。エンドポイントが稀にしか起きない場合には、オッズ比はリスク比の良い近似になる

（参照：統計検定1級対応　統計学　日本統計学会編　東京図書　263ページ）

危険度とは

ここで暴露因子ありなしそれぞれに関して、「危険度」というものが定義されてそれは、　疾患あり/疾患なし　であらわされます。暴露因子ありの場合の危険度は、　a/(a+b)、　暴露因子なしの場合の危険度は c/(c+ⅾ) です。

相対危険度/相対リスク (Relative risk; RR)とは

危険度の比

(a/(a+b) ) / (c/(c+d)) を相対危険度、あるいは相対リスク (Relative risk; RR)といいます。

オッズとは

また、事象が起きる確率　 / 　事象が起きない確率 　という比のことをオッズと呼びます。今の場合暴露因子ありの条件下で、疾患ありの確率/疾患なしの確率は　 a(a+b) / b(a+b) 　= a/bで、これがオッズになります。同様に暴露因子なしのときのオッズは c(c+d) /d(c+d) = c/d です。

オッズ比とは

暴露因子ありのオッズとなしのオッズの比をオッズ比と呼び、 (a/b) / (c/d) となります。暴露因子が疾患の発症に影響していなければ、(a/b)と(c/d)は同じ値になりますので、オッズ比は１になります。暴露因子の影響で疾患が生じているのであれば、オッズ比は >1になります。実際の数をみてみましょう。喫煙と喘息との関係を調べた論文の数字を借りてみます。

喫煙歴ありの危険率 =  726 / (726 + 13836)  = 0.050

喫煙歴なしの危険率＝　1306 / (1306+35123) = 0.036

相対危険度　＝  0.050 / 0.036 = 1.39

煙草をすうと喘息になる確率が1.39倍に上がってしまうというわけです。「危険率」は日常語と同じ理解でいいので、問題ないですね。

喫煙歴ありのオッズ　＝726/13836 = 0.053

喫煙歴なしのオッズ = 1306 / 35123 = 0.037

オッズ比　＝ 1.43

1. 2×2の表，オッズ比，相対危険度　oku.edu.mie-u.ac.jp
2. 相対危険度とオッズ比 kamiyacho.org

逆に治療薬の効果を調べる研究で、治療薬が効いていれば、治療薬投与の有無に関するオッズ比は、1より小さくなります。１より小さいことが有意であればその治療薬は効果があったといえるわけです。

オッズ比の別の例を論文から引いてみたいと思います。下の例は大腸癌になるリスクがあるSNPを調べた論文です。アレルあたり9%つまりオッズ比1.09という数字が紹介されています。

（アレル有 大腸癌罹患 / アレル有 健常）/ （アレル無 大腸癌罹患 / アレル無 健常) = O.R.

Mean per-allele increase in risk was 9% (OR 1.09; 95% CI 1.05–1.13). 　https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5105590/

上のO.R.の式で、アレルの有無が大腸癌の罹患に全く影響しないのであれば、分母と分子は同じになります。アレルのせいで大腸癌になりやすいのであれば分子のほうが大きくなるので全体が１より大きい数字になります。今それが1.09だったというわけです。

Colorectal cancerのリスクに関する別の報告例。

Meta-analysis implied considerable association between CRC and rs9929218 (OR = 1.21, 95%CI 1.04–1.42 for GG versus AA; OR = 1.22, 95%CI 1.05–1.42 for GG/AG versus AA). In the subgroup analyses, significantly increased risks were found among Europeans.　https://bmccancer.biomedcentral.com/articles/10.1186/s12885-021-07871-z

オッズ比の95%信頼区間の計算方法

1. 1-4. オッズ比2　■オッズ比の信頼区間　統計WEB　ベルカーブ
2. 対数オッズ比の分散　知識のサラダボウル

相対危険率とオッズ比との違い

上記の相対危険率（＝相対リスク＝Relative risk; RR)）は前向きコホート（つまり暴露因子の有無で分けて分析）での計算であって、症例対照研究だと使えないという注意が下の解説記事にありました。

1. オッズ比とリスク比の違い　best-biostatistics.com