2019 Fiscal Year Research-status Report
Statistical inference for cancer incidence in prefectural level
| Project/Area Number |
18K10068
|
|---|
| Research Institution | Sapporo Medical University |
|---|
Principal Investigator |
加茂 憲一 札幌医科大学, 医療人育成センター, 准教授 (10404740)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
福井 敬祐 大阪医科大学, 研究支援センター, 助教 (50760922)
伊藤 ゆり 大阪医科大学, 研究支援センター, 准教授 (60585305)
伊森 晋平 広島大学, 理学研究科, 助教 (80747345)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | がん登録 / 罹患数 / 数理モデル / 区間推定 / 完全性 |
|---|
| Outline of Annual Research Achievements |
都道府県別に集計され報告されるがん罹患数には、登録漏れや報告遅れに起因するバイアスが混入していると考えられる。この報告値の信憑性を推し量るための数理モデルを構築し、その結果に対して疫学的評価を与えることが、本研究の目的である。
報告されている罹患数の信憑性を計る指標として、罹患数の区間推定を都道府県別に行う統計学的手法を開発した。その際に、都道府県が有する固有の要因として、登録漏れによる過小評価の影響を考慮した。登録の完全性の指標であるMI比とDCN割合を用いた線形回帰モデルを用いることにより、登録の完全性を補正し、その結果を踏まえた上で罹患数の区間推定を行った。しかし、通常の区間推定の方法を適用すると、サンプル数が巨大であることに起因して極端に区間幅が狭くなる問題が発生する。実データに照らし合わせても現実的でない結果であるが、この問題点に関しては階層ベイズモデルに基づくランダム効果を導入することによる解決を試みた。ランダム効果の部分により、都道府県自身のバラツキが考慮され、その結果として区間幅が広くなる効果がある。実データの挙動と照らし合わせても、現実に近いと考えられる区間推定の結果が得られた。その結果として、１つの県を除く大半の都道府県において、報告されている数値は95%信頼区間の外側（過小評価側）に位置していた。このことは、全国がん登録が整備されDCN割合も減ってきたとはいえ、未だ登録漏れや地域固有の変動といった不確定要素が強い数値が公表されていることを示唆する結果であった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
階層ベイズモデルおよび登録の完全性を補正する線形回帰モデルを用いて、都道府県別に報告されている罹患数の区間推定を行った。研究計画通りの進捗である。
|
| Strategy for Future Research Activity |
数理モデルの改良可能性としては、登録の完全性を「登録漏れ」と「報告の遅れ」に分解し、報告の遅れの部分に関してはANOVAモデルを用いた補正が可能であると考えている。この点を改良し、実データを用いた再推計を行うことを最終年度の目標とする。
|
| Causes of Carryover |
年度後半に予定してた研究打合せ予定を、コロナウイルスの拡散状況を鑑み中止することにより余剰金が発生した。
現在、状況を観察しながら2020年度の計画を調整中であるが、遠隔会議を行う必要が生じた場合には、その為に必要なデバイスを購入する予定である。対面式の会議が可能になった場合には本年度の積み残し課題に関する会議出張費に充てる予定である。
|
Research Products
(16 results)
