僕らはまだ、臨床研究論文の本当の読み方を知らない。

出版社： 羊土社
著者：
発行日： 2021-05-01
分野： 医学一般  >  医学一般
ISBN： 9784758123730
電子書籍版： 2021-05-01 （第2刷）
書籍・雑誌
≪全国送料無料でお届け≫
取寄せ目安：8～14営業日

3,960 円(税込)

購入する
電子書籍
章別単位での購入はできません
ブラウザ、アプリ閲覧

3,960 円(税込)

購入する

商品紹介

論文の言っていることがわからない，細かいところが気になって進まない，結果をどう解釈したらいいのかわからない．そんな苦労をしている人のために，本書は「どこまで理解して読めばいいのか」の道筋を示します．

目次

  • 第１章　論文を読む前に知っておきたいこと
    01　論文を1本全部読む必要はあるの？
    02　なぜ論文が読めないのか
    03　そもそも臨床研究ってなに？
    04　論文が世の中に出てくるまで
    05　論文が掲載される医学誌を知る
    06　どの医学誌から論文を選べばいいの？
    07　論文の質はどうやって担保されているのか
    08　医学誌には原著論文以外も載っている
    09　論文を探してみよう！：Googleは便利
    10　論文を探してみよう！：PubMedの使い方
    11　論文を手に入れるにはどうしたらいいの？
    12　どの論文を読めばいいの？

    第２章　論文の読み方
    01　論文を読む前に心に留めてほしいこと（重要！）
    02　論文の読み方に決まりはあるのか
    タイトルページを読む
    03　論文のタイトルを読む
    04　アブストラクトを読む
    05　論文の著者・共著者：誰が論文を書いたか？
    イントロダクションを読む
    06　イントロダクションの構造
    07　研究目的を把握する
    08　研究目的の具体例を知る
    メソッドを読む：基本編
    ● メソッドの構成と研究デザイン
    09　メソッドに何が書いてあるかを知る
    10　メソッドを読むのは難しくて当たり前
    11　研究目的と研究デザイン：study design and setting
    12　ランダム化比較試験：介入研究での研究デザイン
    ● 観察研究で用いられるデータ
    13　データベースを知ることが重要
    14　観察研究で用いられるデータの種類と特徴
    15　Claimsデータ
    16　データベースと研究デザイン
    ● 研究対象集団とアウトカム
    17　研究対象集団の母集団を意識する
    18　研究対象集団を明確にする：組み入れ基準と疾患の定義
    19　何を測定・評価したかを確認する
    20　アウトカムを確認する
    メソッドを読む：発展編
    ● 内的妥当性と一般化可能性
    21　内的妥当性と一般化可能性を意識する
    22　内的妥当性の検討：(1)選択バイアス
    23　内的妥当性の検討：(2)情報バイアス
    24　内的妥当性の検討：(3)交絡…を説明する前に
    25　内的妥当性の検討：(4)交絡
    26　一般化可能性の検討：研究結果を自分の臨床現場に用いてよいのか
    ● 統計解析の基本
    27　なぜ統計解析が必要なのか
    28　記述統計：研究対象集団を表す
    29　2群の要約統計量に差はあるのか？
    30　推測統計を知る：アウトカムとの関連性を推測する
    31　推測統計の基本：(1)回帰分析
    32　推測統計の基本：(2)生存分析
    33　推測統計における点推定値と95％信頼区間
    ● 研究目的と統計解析
    34　研究目的に応じた統計解析の考え方
    35　〈関連と因果推論〉リスク因子の研究は2種類ある
    36　〈関連と因果推論〉回帰分析と交絡の調整
    37　〈関連と因果推論〉傾向スコアと交絡の調整
    38　〈関連と因果推論〉ランダム化比較試験と関連性の指標
    ● 研究目的と統計解析（診断と予測）
    39　診断・予測モデルの研究の考え方
    40　〈診断・予測モデルの研究〉予測モデルの構築と検証
    41　〈診断・予測モデルの研究〉具体的な予測モデルの構築
    42　〈診断・予測モデルの研究〉性能の評価
    43　〈診断・予測モデルの研究〉discrimination とcalibration
    ● サブグループ解析・感度解析
    44　サブグループ解析・感度解析で評価すること
    結果を読む
    45　結果の全体の流れ
    46　研究対象集団はどんな集団なのか：Study flowとTable 1
    47　関連性の指標を知る：オッズ比などの考え方
    48　記述研究の結果を読む
    49　リスク因子の研究の結果を読む
    50　治療・介入の研究の結果を読む：(1)研究対象集団
    51　治療・介入の研究の結果を読む：(2)治療・介入の効果
    52　診断・予測の研究の結果を読む
    考察を読む
    53　考察の全体の流れ
    54　研究限界：Limitations
    55　結論を読む
    56　引用文献と利益相反・資金提供
    57　主要誌以外の論文を読む

    第３章　論文を読み終えたら
    01　論文の批判的吟味と解釈
    02　抄読会に向けて情報をまとめる
    03　文献を管理する
    04　知識をアップデートしていくために

この書籍の参考文献

参考文献のリンクは、リンク先の都合等により正しく表示されない場合がありますので、あらかじめご了承下さい。

本参考文献は電子書籍掲載内容を元にしております。

参考文献

P.302 掲載の参考文献
1) 「Causal Inference : What If」 (Hernan MA & Robins JM), Chapman & Hall/CRC, 2020
 
2) 「The Book of Why : The New Science of Cause and Effect」 (Pearl J & Mackenzie D), Basic Books, 2018
 
3) 「Modern Epidemiology 3rd ed」 (Rothman KJ, et al), Lippincott Williams & Wilkins, 2012
 
4) 「Regression Methods in Biostatistics」 (Vittinghoff E, et al), Springer-Verlag, 2012
 
5) 「Regression Modeling Strategies : With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis (Springer Series in Statistics) 2nd ed」 (Harrell F), Springer, 2015
 
6) 「Clinical Prediction Models : A Practical Approach to Development, Validation, and Updating」 (Steyerberg E), Springer International Publishing, 2015
 
7) Fort DG, et al : Mapping the evolving definitions of translational research. J Clin Transl Sci, 1 : 60-66, 2017
 
8) Letchford A, et al : The advantage of short paper titles. R Soc Open Sci, 2 : 150266, 2015
PubMed
9) Greenland S, et al : The value of risk-factor ("black-box") epidemiology. Epidemiology, 15 : 529-535, 2004
PubMed
10) Lederer DJ, et al : Control of Confounding and Reporting of Results in Causal Inference Studies. Guidance for Authors from Editors of Respiratory, Sleep, and Critical Care Journals. Ann Am Thorac Soc, 16 : 22-28, 2019
PubMed
11) Yasunaga H : Real World Data in Japan : Chapter I NDB. Ann Clin Epidemiol, 1 : 28-30, 2019
 
12) 「Registries for Evaluating Patient Outcomes : A User's Guide, 3rd ed」 (Gliklich RE, et al, eds), Rockville (MD), 2014
 
13) Hernan MA, et al : A Second Chance to Get Causal Inference Right : A Classification of Data Science Tasks. CHANCE, 32 : 42-49, 2019
 
14) Griffith GJ, et al : Collider bias undermines our understanding of COVID-19 disease risk and severity. Nat Commun, 11 : 5749, 2020
PubMed
15) Alba AC, et al : Discrimination and Calibration of Clinical Prediction Models : Users' Guides to the Medical Literature. JAMA, 318 : 1377-1384, 2017
 
16) Lin S, et al : Controlling for confounding factors and revealing their interactions in genetic association meta-analyses : a computing method and application for stratification analyses. Oncotarget, 9 : 12125-12136, 2018
PubMed
17) Unboundedly : https://www.krsk-phs.com
 
18) Dr. KID : https://www.dr-kid.net
 

書評

最近チェックした商品履歴

Loading...