d

jinseob2kim · Jan 5, 2025 · 8b74c72 · 8b74c72
1 parent 440f9f8
commit 8b74c72
Show file tree

Hide file tree

Showing 6 changed files with 119 additions and 552 deletions.
diff --git a/docs/KSIC2025/index.html b/docs/KSIC2025/index.html
diff --git a/docs/KSIC2025/index.qmd b/docs/KSIC2025/index.qmd
@@ -397,315 +397,123 @@ design.lalonde <- svydesign(ids=~1, strata=NULL, weights=~wt, data = lalonde)
 jstable::svyCreateTableOneJS(vars = names(m.out$X), strata = "treat", data = design.lalonde, smd = T)$table %>% kable
 ```
 
-## openstat.ai
-
-
-
-
-## 3그룹 A vs B vs C 
-
-Matching: N수 제일 작은 그룹(A) 에 맞춰 여러번 매칭 
-
-- `MatchIt` 그대로 쓸 수 있는건 장점
-- $ATT$도 아닌 $ATT_{A}$?
-
-
-IPTW: `twang::mnps`
-
-- 시간이 오래걸림: 공단데이터에서 24시간 걸릴수도
-- $ATE$ 가능, 더 추천
-
-
-## Issue 1: Matching 후 pair정보 이용
-
-
-## Issue 2: Sex를 그룹변수로 Matching 가능?
-
-
-## Executive summary
-
-**Baseline 맞춘다(X), RCT를 모방한다(O)**
-
-- ATE(average treatment effect) vs ATT(average treatment effect on treated)
-
-- Matching은 ATT, IPTW는 ATE
-
-**2그룹 `MatchIt`, 3그룹 `twang` 패키지** 
-
-- Logistic regression, Nearest neighbor, caliper 이해 
-
-- 3그룹 matching은 가장 작은 N수에 맞춰 2번 수행
-
-- openstat.ai 에서 2그룹 matching/IPTW 지원
-
-
-**분석 이슈** 
-
-- Matching 후 pair정보 이용해야 하는가?(ex: stratified cox)
-
-- 성별에 따라 매칭/IPTW 해도 되는가?
-
-
-
-
-
-
-## 日本ブログレビュー
+## openstat.ai 
 
 ::: columns
 ::: {.column width="50%"}
-![](jskm_japan.png)
+![](openstat.png)
+![](mat.png)
 :::
 
 ::: {.column width="50%"}
-![](jskm_japan2.png)
+![](tb1.png)
+![](km.png)
 :::
 :::
 
-Survey data, Landmark, Competing risk analysis support
-
-::: notes
-特に日本の研究者の方がランドマーク分析機能をたくさん利用してくださって、ブログレビューがたくさんあります。 토쿠니 니혼노 켄큐우샤노 호오가 란도마아쿠분세키키노오오 타쿠산 리요오시테쿠다삿테 부로구레뷰우가 타쿠산 아리마스
-:::
 
-## 
 
-<center><a href="https://github.com/jinseob2kim/jstable"><img src="jstable.png" width="100%"/></a></center>
 
-::: columns
-::: {.column width="50%"}
-``` r
-## Gaussian
-glm_gaussian <- glm(mpg~cyl + disp, data = mtcars)
-glmshow.display(glm_gaussian, decimal = 2)
-```
+## 3그룹 A vs B vs C 
 
-``` r
-$first.line
-[1] "Linear regression predicting mpg\n"
+Matching: N수 제일 작은 그룹(A) 에 맞춰 여러번 매칭 
 
-$table
-     crude coeff.(95%CI)   crude P value adj. coeff.(95%CI)    adj. P value
-cyl  "-2.88 (-3.51,-2.24)" "< 0.001"     "-1.59 (-2.98,-0.19)" "0.034"
-disp "-0.04 (-0.05,-0.03)" "< 0.001"     "-0.02 (-0.04,0)"     "0.054"
+- `MatchIt` 그대로 쓸 수 있는건 장점
+- $ATT$도 아닌 $ATT_{A}$?
 
-$last.lines
-[1] "No. of observations = 32\nR-squared = 0.7596\nAIC value = 167.1456\n\n"
-```
-:::
 
-::: {.column width="50%"}
-``` r
-## Binomial
-glm_binomial <- glm(vs~cyl + disp, data = mtcars, family = binomial)
-glmshow.display(glm_binomial, decimal = 2)
-```
+IPTW: `twang::mnps`
 
-``` r
-$first.line
-[1] "Logistic regression predicting vs\n"
-
-$table
-     crude OR.(95%CI)   crude P value adj. OR.(95%CI)    adj. P value
-cyl  "0.2 (0.08,0.56)"  "0.002"       "0.15 (0.02,1.02)" "0.053"     
-disp "0.98 (0.97,0.99)" "0.002"       "1 (0.98,1.03)"    "0.715"     
-
-$last.lines
-[1] "No. of observations = 32\nAIC value = 23.8304\n\n"
-```
-:::
-:::
+- 시간이 오래걸림: 공단데이터에서 24시간 걸릴수도
+- $ATE$ 가능, 더 추천
 
-## Subgroup analysis
 
-``` r
-TableSubgroupMultiGLM(status ~ sex, var_subgroups = c("kk", "kk1"), data = lung, family = "binomial")
-```
+## Issue 1: Matching 후 pair정보 이용
 
-``` r
-    Variable Count Percent           OR Lower Upper P value P for interaction
-sex2  Overall   228     100         3.01  1.65  5.47  <0.001              <NA>
-1          kk  <NA>    <NA>         <NA>  <NA>  <NA>    <NA>             0.476
-2           0    38    16.9            7   0.7 70.03   0.098              <NA>
-3           1   187    83.1         2.94  1.55  5.57   0.001              <NA>
-4         kk1  <NA>    <NA>         <NA>  <NA>  <NA>    <NA>             0.984
-5           0     8     3.6 314366015.19     0   Inf   0.997              <NA>
-6           1   217    96.4         2.85  1.55  5.25   0.001              <NA>
-```
+Matching 후 stratified cox를 해야하는가? Yes or No 
 
-``` r
-TableSubgroupMultiCox(Surv(time, status) ~ sex, var_subgroups = c("kk", "kk1"), data = lung)
-```
+```{r, echo= T, eval=F}
+cox1 <- coxph(Surv(time, status) ~ treat, data = mdata)
 
-``` r
-    Variable Count Percent Point Estimate Lower Upper sex=1 sex=2 P value P for interaction
-sex  Overall   228     100           1.91  1.14   3.2   100   100   0.014              <NA>
-1       <NA>  <NA>    <NA>           <NA>  <NA>  <NA>  <NA>  <NA>    <NA>              <NA>
-2         kk  <NA>    <NA>           <NA>  <NA>  <NA>  <NA>  <NA>    <NA>             0.525
-3          0    38    16.9           2.88  0.31 26.49    10   100    0.35              <NA>
-4          1   187    83.1           1.84  1.08  3.14   100   100   0.026              <NA>
-5       <NA>  <NA>    <NA>           <NA>  <NA>  <NA>  <NA>  <NA>    <NA>              <NA>
-6        kk1  <NA>    <NA>           <NA>  <NA>  <NA>  <NA>  <NA>    <NA>             0.997
-7          0     8     3.6           <NA>  <NA>  <NA>     0   100    <NA>              <NA>
-8          1   217    96.4           1.88  1.12  3.17   100   100   0.018              <NA>
+cox2 <- coxph(Surv(time, status) ~ treat + strata(subclass), data = mdata)
 ```
 
-## 中国での動画やブログレビュー
-
-::: columns
-::: {.column width="50%"}
-![](jstable_ch.png)
-:::
-
-::: {.column width="50%"}
-![](jstable_ch2.png)
-:::
-:::
-
-## 
 
-<center><a href="https://github.com/jinseob2kim/jsmodule"><img src="jsmodule.png" width="100%"/></a></center>
+</br>
 
-::: columns
-::: {.column width="50%"}
-![](https://github.com/jinseob2kim/jsmodule/blob/master/vignettes/figures/ps.png?raw=true)
-:::
+**Pair 마다 baseline hazard가 다르다는 가정**
 
-::: {.column width="50%"}
-1\~2行のコードだけで分析ウェブを作れるよう、各分析機能をmoduleとして開発
+- RCT 재현 관점: 필요없음(pair정보 없음)
 
-![](jsmodule2.png)
-:::
-:::
-
-::: notes
-마지막으로 jsmodule입니다. jskm, jstable 내용을 포함해 의학통계에서 많이 이용되는 분석기능들을 Shiny module로 만들고, 이 모듈들을 모아 로컬에서 실행할 수 있는 Shiny App 을 만들었습니다. Shiny App은 총 5종류로 일반데이터용, Survey data용, GEE를 적용한 반복측정데이터용, 마지막으로 인과추론 분석방법인 Propensity score mathching과 IPTW 를 수행할 수 있는 Shiny App 입니다. 각 분석기능은 독립적으로 Shiny module로 개발되었으므로, 누구나 자신의 Shiny app에 적용할 수 있습니다.
-:::
+- 매칭이 너무 잘 되어서 pair정보가 확실하다면?
 
-## 
+- Pair 들끼리 뭔가 다르다면?
 
-![](그림1.png)
+- OMOP-CDM ATLAS에서는 strata 사용하는게 Default.
 
-::: notes
-이것은 jskm을 Shiny module로 만든 것이며, 그림은 PPT로 다운받아 직접 편집할 수 있습니다. officer과 rvg 패키지를 이용했습니다.
-:::
 
-## 論文支援実績
+## 번외: baseline hazard 보정방법
 
-SCI論文200編以上サポート
+예) 다기관 RCT에서 hospital, stratified random
 
--   医学分野 トップジャーナル NEJM、LANCET、JAMAを含む
--   6つの大学病院と年単位研究支援契約、10ヶ所の製薬会社の臨床試験分析をサポート
+```{r, echo=T, eval=F}
+cox1 <- coxph(Surv(time, status) ~ treat + strata(hospital), data = mdata)
 
-![](그림2.png)
-
-::: notes
-저희 회사에서는 이 패키지들을 이용해 의학연구를 지원하고 있으며, 세계 3대 의학저널인 NEJM, LANCET, JAMA 포함 200편 이상의 SCI 논문에 필요한 분석을 지원하였습니다. 한국의 6개 대학병원과 연단위 계약을 수행중이며, 10개이상 제약회사의 임상시험 데이터분석을 지원중입니다.
-:::
-
-## 無料統計ウェブ
-
--   よく利用される分析機能を無料で分析できるopenstat.ai 公開
--   jskm/jstable/jsmoduleの分析moduleを適用
-
-::: columns
-::: {.column width="70%"}
-[**openstat.ai**](https://openstat.ai/)**: free**
-
-![](example-meta.png)
-:::
+cox2 <- coxph(Surv(time, status) ~ treat + hospital, data = mdata)
 
-::: {.column width="30%"}
-**Openstat QR code**
+cox3 <- coxme::coxme(Surv(time, status) ~ treat + (1|hospital), data = mdata)
 
-![](오픈스탯.png)
-:::
-:::
-
-::: notes
-연구자들이 R 패키지 설치없이도 웹에서 이용할 수 있도록 하기 위해 openstat.ai를 출시하였습니다. 연구자는 자신의 데이터를 업로드하여 jsmodule의 4가지 Shiny app을 이용할 수 있습니다. 메타분석, 샘플수계산을 위한 Shiny app도 이용할 수 있습니다.
-:::
-
-## 国家R&D選定
-
-3件の国家R&D支援事業を通じて技術開発および医学研究用の高度化を遂行
-
-\`22 (韓国)科学技術情報通信部「公開SW基盤のクラウド統計パッケージSW開発」(2年1億円)
+cox4 <- coxph(Surv(time, status) ~ treat, data = mdata, cluster = hospital)
+```
 
--   統計非専攻者及び一般向け
+</br>
 
-\`23 (韓国)情報通信産業振興院公開SW技術拡散支援事業(7ヶ月2000万円)
+- `+ hospital` 도 가능, but 각 병원의 계수를 굳이 구할필요가?
 
--   医学研究用
+- `coxme`: mixed model의 Random effect, `strata`와 비슷한 의미 
 
-\`23 (韓国)中小ベンチャー部 (1200万円)
+- `cluster = hospital`: 같은 hospital 간에 상관관계가 있음을 보정하므로 `strata`와 비슷한 의미일 것 같지만, **baseline hazard 이 다르다는 가정이 아님**. `cluster` 옵션 전후 HR은 변하지 않음, SE만 변화.   
 
--   医学研究用&臨床試験
 
-::: notes
-저희 패키지는 한국에서 3건의 R&D 지원을 받아 개발 및 의학연구/임상시험용 고도화를 수행하였습니다.
-:::
 
-## 著作権登録
+## Issue 2: Sex를 그룹변수로 Matching 가능?
 
-<center><img src="jj.png" width="50%"/></a></center>
+Sex가 RCT 가능한가?
 
-::: notes
-R&D 지원을 통해 소프트웨어 저작권을 등록했으며
-:::
+- **불가능** vs 하늘(?) 이 준 랜덤
 
-## オープンソース管理
+Matching: $ATT$
 
-::: columns
-::: {.column width="50%"}
-https://statgarten-issue.streamlit.app/
+- 남자 vs 남자같은 여자, 여자 vs 여자같은 남자 
 
-![](metric.png)
-:::
+IPTW: $ATE$ 니까 OK? 
 
-::: {.column width="50%"}
-Github action
+- 전체 연구대상자(남자 + 여자) 를 남/여 1:1로 랜덤배정했다는 뜻
 
--   テスト、ホームページアップデート、ライセンス同意、コードstyle
 
-![](ga.png)
-:::
-:::
-
-::: notes
-자체 개발한 파이썬 streamlit 기반 대시보드를 이용해 깃허브 활성화 정도를 실시간으로 체크할 수 있으며, 모든 패키지는 Github action을 통해 에러체크, 홈페이지 업데이트, 코드 스타일링, 라이선스 동의가 자동으로 수행됩니다.
-:::
+## Executive summary
 
-## オープンソースライセンス検証
+**Baseline 맞춘다(X), RCT를 모방한다(O)**
 
-<center><img src="license.png" width="80%"/></a></center>
+- ATE(average treatment effect) vs ATT(average treatment effect on treated)
 
-::: notes
-모든 패키지는 나라에서 지원하는 오픈소스라이선스검증 프로그램을 이용해, 라이선스 문제가 없음을 검증받았습니다.
-:::
+- Matching은 ATT, IPTW는 ATE
 
-## R package: Shiny -\> exe
+**2그룹 `MatchIt`, 3그룹 `twang` 패키지** 
 
-R必要なくexeファイルにしてローカル環境で実行 - [executablePackeR](https://github.com/ChangwooLim/executablePackeR)
+- Logistic regression, Nearest neighbor, caliper 이해 
 
-<center><a href="https://www.r-bloggers.com/2023/03/creating-standalone-apps-from-shiny-with-electron-2023-macos-m1//"><img src="スクリーンショット 2024-04-17 午後12.02.26.png" width="50%"/></a></center>
+- 3그룹 matching은 가장 작은 N수에 맞춰 2번 수행
 
-::: notes
-폐쇄 인터넷망 및 R패키지 설치가 어려운 병원들을 위해, Shiny app을 exe파일로 만들어주는 R패키지를 만들어 크랜에 공개하였습니다. 이 패키지를 이용하면 exe 파일의 실행만으로 shiny app을 이용할 수 있으며, 알블로거에도 소개되었습니다.
-:::
+- openstat.ai 에서 2그룹 matching/IPTW 지원
 
-## 要約
 
--   医学研究用Rパッケージの開発、日本/中国で活用
+**분석 이슈** 
 
--   国家R&D選定
+- Matching 후 pair정보 이용해야 하는가?(ex: stratified cox)
 
--   最新オープンソース管理技術
+- 성별에 따라 매칭/IPTW 해도 되는가?
 
--   ライセンス検証
 
-# ご清聴、ありがとうございました。
 
-::: notes
-ご清聴（せいちょう）ありがとうございました。
-:::
+# 감사합니다.
diff --git a/docs/KSIC2025/km.png b/docs/KSIC2025/km.png
diff --git a/docs/KSIC2025/mat.png b/docs/KSIC2025/mat.png
diff --git a/docs/KSIC2025/openstat.png b/docs/KSIC2025/openstat.png
diff --git a/docs/KSIC2025/tb1.png b/docs/KSIC2025/tb1.png