生物統計家への道
― TAG ―

FDA

tomokichi
ベイズ

ベイズ臨床試験デザイン入門 ー FDA 2026年ドラフトガイダンスから読み解く事前分布・予測確率・適応的デザイン ー

2026年4月26日 tomokichi
生物統計家として働く一児の父
tomokichi
生物統計家として製薬業界や統計に関する最新情報を皆様にお届けすべく、日々奮闘中です。趣味は筋トレ、温泉巡り、家族との散歩。統計検定1級保持です。
＼ Follow me ／
最近の投稿

  • ベイズ臨床試験デザイン入門 ー FDA 2026年ドラフトガイダンスから読み解く事前分布・予測確率・適応的デザイン ー

  • ICH E9(R1) Estimandフレームワーク徹底解説 ― 5属性とintercurrent event戦略の使い分け ―

  • 信頼区間とp値の関係を図解で理解する ― なぜ95%CIがp値より重要なのか ―

  • RMST（制限付き平均生存時間）解析ガイド ― Cox比例ハザードが使えない時の判断フローとR・SAS実装 ―

  • ICH E20（臨床試験のためのアダプティブデザイン）とは ― Step 4最終化目前！国際調和ガイドラインの全体像 ―

カテゴリー
  • AI
  • ICH
    • E1
    • E10
    • E11
    • E12
    • E14
    • E15
    • E16
    • E17
    • E2
    • E20
    • E3
    • E4
    • E5
    • E6
    • E7
    • E8
    • E9
  • Uncategorized
  • 因果推論
  • 就職関連
  • 数理統計
    • p値
    • ベイズ
    • モデル選択
    • 分割表
    • 分布
    • 効果量
    • 基礎統計
    • 外れ値
    • 群比較
  • 生物統計
    • アダプティブデザイン
    • サンプルサイズ
    • 一般化線形モデル
    • 中間解析
    • 共変量
    • 多重性
    • 感度分析
    • 欠測値
    • 生存時間
    • 試験デザイン
  • 統計検定
  • 臨床試験
    • 申請関連
  • 製薬業界
アーカイブ
  • 2026年4月 19
  • 2026年3月 8
  • 2026年2月 16
  • 2026年1月 19
  • 2025年12月 21
  • 2025年11月 21
  • 2025年10月 21
  • 2025年9月 16
  • 2025年8月 18
  • 2025年7月 7
ランキング
  • 1

    MMRM（反復測定混合モデル）とは― 臨床試験での柔軟な時系列解析手法 ―

    1369 view
  • 2

    p値を正しく理解する：統計学を勉強していく人のための基礎から応用まで

    1165 view
  • 3

    効果量（Effect Size）を理解すると統計が一気に実務的になる― p値の限界を超えて、“どれだけ効くか”を語れる統計へ ―

    1098 view
  • 4

    Cox比例ハザードモデル入門〜数式から実務応用まで〜

    1049 view
  • 5

    ICH E6（GCP）とは？改訂のポイントまで図解でわかりやすく解説

    1040 view
タグ
AI (3) cox比例ハザードモデル (4) CRO (3) DAG (3) Estimand (5) ICH (18) ICH E9 (6) ICH E17 (3) MMRM (5) Multiple Imputation (3) R (5) RMST (3) R言語 (4) SAS (12) α消費関数 (4) アダプティブデザイン (4) サンプルサイズ (9) ベイズ (3) ベイズ統計 (9) 一般化線形モデル (3) 中間事象 (3) 中間解析 (4) 信頼区間 (3) 傾向スコア (4) 分割表 (6) 回帰分析 (3) 因果推論 (14) 多重代入法 (5) 多重性 (4) 就職関連 (2) 感度分析 (5) 数理統計 (7) 検出力 (6) 欠測値 (6) 生存時間解析 (12) 生物統計 (61) 生物統計家 (7) 相関 (3) 箱ひげ図 (3) 統計学 (17) 統計検定 (34) 臨床試験 (8) 製薬業界 (62) 転職 (6) 頻度論 (3)
2025–2026  生物統計家への道