久しぶりのブログ更新です。今回は、「炭水化物を摂取すると死亡率があがる」「脂肪はたくさん摂っても死亡率に影響がない」ことを示したとして2017年世界中で話題になった以下の論文について、論文自体の問題点やメディアで取り上げられている内容の誤りに…

今回は「交互作用(interaction)」と呼ばれる概念について書いていきます。端的に言えば、”人によって効果が違う”という現象を見る統計学の考え方だと思います。例えば「薬Aが病気Dのリスクを１０パーセント下げる」といったとき、実はその薬は女性では効果が…

さて、今回からイデオロギー色の少ないブログ活動に戻ります。前回の受動喫煙に関する記事の中で、「感度分析（"Sensitivity Analysis")」というテクニックを紹介しました。 どうも私の言葉足らずか、このテクニックに関して多くの方に誤解と混乱を招いたよ…

なんだか壮大なタイトルになりました(笑) 前回は「受動喫煙による健康影響・死亡数」なるものがどうやって計算されていてるか、どの程度信用できる数字なのかについて整理しました。この辺りは、私の専門性が少しだけ活きてくる部分であり、（少なくとも私が…

受動喫煙の防止策として、室内全面禁煙を目指す厚労省側とそれに反発する自民たばこ議連が争っています。本件に関しTwitter上でも、なかなか面白いディスカッションがおきています。 室内禁煙による受動喫煙対策は「科学的根拠（エビデンス）」に基づくもの…

よく「因果関係と相関関係は違う」といいますが、具体的にどのような場合に両者が一致しない（バイアスが生じる）のかをDAGをつかって整理します（簡単にそれぞれのバイアスへの対応策にも言及しますが、各手法の詳細は別の機会に譲ります）。

前回は因果ダイアグラム（DAG）という概念の導入として、そもそもなぜDAGが必要とされるのかについて書いてみました。 今回はDAGシリーズ第二弾として、実際にDAGを”書いて”いくうえでの基本ルールとDAGの”読み方”について整理してみようと思います。DAGの読…