Reactive stat のイチオシ機能

EMUYN LLC の開発チームは、少しでも理解しやすく、使いやすい統計処理アプリを目指し、議論を重ねて徹底的にユーザーインターフェースの改善に務めました。

まだまだ改善が必要と思ってはおりますが、現時点で、少し皆さんに自慢したい機能がいくつかあります。

サマリー表のサンプルです論文を書く際には必ず必要になる Table 1 です。実際のところ、学会発表や小規模な論文では統計処理はこれだけで十分、という場合もあるくらいです。

項目順を自由に並べ替えたり、p値の統計手法を指定したり、思いどおりの表が作れます。

表はそのまま表計算ソフトやプレゼンテーションソフトに貼付して利用ことができます。

いままで何時間もかかっていた作業が、大袈裟ではなく、ものの１分でできてしまいます。ぜひお試しください。

医療統計では基本なのですが、使いやすい Kaplan-Meier 生存曲線の描画ソフトが意外と見つかりません。

Reactive stat であれば、信頼区間の描画や、number at risk の表示まで、簡単に描画できます。

配色やマーカーも自在に変更できますので、希望通りの生存曲線が描けます。

比較的新しい統計手法です。データの中に階層構造やクラスター構造がある場合や、データが時間依存性を持つ場合など、様々な応用で利用することができます。欠損値にも強いとされています。

これを気軽につかっていただくべく、わかりやすい操作を実現しました。ページの上段には、詳しい解説も載せてありますから、まずは試してみることをお勧めします。

こちらも比較的新しい統計手法で、最近流行っています。

ランダム化されていないデータにおいて、治療群と非治療群間のバイアスを調整します。各参加者の治療受領の確率 (傾向スコア) を推定し、スコアが似ている被験者同士をマッチングします。

すなわち、過去のデータを利用したレトロスペクティブスタディであっても、わかりやすい形で、患者背景を揃えて比較することができるようになります。多変量解析と比べて、何が起こっているか理解しやすく、臨床の現場でも受け入れやすい結果を示すことができます。

多変量解析は、複数の説明変数を用いて、一つまたは複数の目的変数を分析する統計手法です。

構築したい予測モデルに応じて、まず統計手法を選択し、適切な形式のデータを用意する必要があります。データ形式が間違っていると、分析結果の解釈が難しくなるだけでなく、誤った結論に至る可能性があります。

Reactive stat では、発想を変えて、「どのデータから」「何が知りたいか」を設定することで、適用可能な手法を判定し、各々について解析を行えるようにしました。

ですので、行き詰まることがありません。

分析手法として、

を準備しています。

もちろん、分析手法の理解が重要であり、解析を行う上では前提となります。そうはいっても、心配は要りません。実際のデータで簡単にいろいろ試してみていただくことで、理解が深まるはずです。いくつかのサンプルも用意してあります。

R での解析を実現したあとに問題になったのは、R の出力を見てもよくわからない、という状況があるということです。

そこで、AI に手伝わせることにしました。実際の R の出力内容を読んで、そこに出ている数字を解説してくれますから、簡単に理解を深める手助けになります。また、発表の際にどのように述べればよいかを提案してくれます。

まだまだ AI は発展途上であり、頓珍漢な説明をしてくる場合もあるのですが、それでも、かなり役に立ちます。今後、さらに AI の利用を加速してゆきたいと考えています。ご期待ください。

サマリー表の作成機能