少量サンプル研究での探索的データ分析とデータdrへの対処方法

探索的データ分析（EDA）は、多くの場合、必ずしも初期の仮説セットに属するとは限らない他の「トラック」を探索することにつながります。サンプルサイズが限られており、さまざまなアンケート（社会人口統計データ、神経心理学的または医学的尺度-精神的または身体的機能、うつ/不安レベル、症状チェックリストなど）で収集された多くのデータがある研究の場合、私はそのような状況に直面します）。EDAは、追加の質問/仮説に変換されるいくつかの予期しない関係（「予期しない」ことは初期分析計画に含まれていなかったことを意味します）を強調するのに役立ちます。

過剰適合の場合と同様に、データのedや索は一般化しない結果につながります。ただし、大量のデータが利用可能な場合、限られた仮説セットを仮定することは非常に困難です（研究者または医師にとって）。

小サンプル研究の場合、EDAの輪郭を描くのに役立つ、よく知られた方法、推奨事項、または経験則があるかどうかを知りたいです。

主なことは、それらがEDAからの予想外の発見であり、先験的な仮説に基づく初期分析計画の一部ではないような結果を報告するとき、正直であることだと思います。以下のような一部の人々は、このような結果「仮説生成」ラベルを付ける：例えば最初のヒットからGoogleニュースでこのフレーズを検索すると、その抽象の結論部分では、以下が含まれます。

これは「探索的」分析であったため、この効果は仮説を生成し、他の試験で前向きに評価されるものと考えるべきです...

ただし、これは事後のサブグループ分析でしたが、問題が悪化する観察研究ではなく、無作為化対照試験からのものであることに注意してください。フィリップコールは、観察的（「疫学的」）研究が、意図的に挑発的だが面白い解説で仮説を生成できるという考えに軽cornを注ぎました。

Pコール。仮説生成マシン。 疫学 1993; 4：271-273。

興味のある読者のために、データdrと臨床研究に関するいくつかの参照を削除します。これは@onestopの細かい答えを拡張することを目的としています。複数のエンドポイントを用いた研究は、挑戦的で議論の余地のある議論を続けていますが、無駄な調整についてのロスマンの主張、疫学 1990、1：43-46、またはBMCでの Feiseのレビューを参照しながら、多重比較または設計問題のみに焦点を当てた記事を避けようとしましたMedical Research Methodology 2002、2：8）。

私の理解では、探索的データ分析について話しましたが、私の質問は、一般的に仮説に基づくテストと並行して、潜在的な落とし穴を伴うデータマイニングの使用に対処しています。

1. Koh、HCおよびTan、G（2005）。医療におけるデータマイニングアプリケーション。Journal of Healthcare Information Management、19（2）、64-72。
2. ヨアニディス、JPA（2005）。公表された研究結果のほとんどが偽である理由。PLoS Medicine、2（8）、e124。
3. アンダーソン、DR、リンク、WA、ジョンソン、DH、バーナム、KP（2001）。データ分析の結果を提示するための提案。Journal of Wildlife Management、65（3）、373-378。-これは、仮説の初期セットを超えてデータ駆動型の探査/モデリングを承認する必要があるという事実に関する@onestopのコメントをエコーし​​ます
4. ミシェルズ、KBおよびロスナー、BA（1996）。データのトロール：釣りをするかしないか。ランセット、348、1152-1153。
5. 主、SJ、ゲブスキー、VJ、およびキーチ、AC（2004）。臨床試験における複数の分析：健全な科学かデータのdrか？。オーストラリア医学雑誌、181（8）、452-454。
6. スミス、GDおよびエブラヒム、S（2002）。データのed、バイアス、または交絡。BMJ、325、1437-1438。
7. Afshartous、DおよびWolf、M（2007）。マルチレベルおよび混合エフェクトモデルでの「データスヌーピング」の回避。Journal of the Royal Statistical Society A、170（4）、1035-1059
8. アンダーソン、DR、バーナム、KP、グールド、WR、チェリー、S（2001）。実際に偽の効果を見つけることへの懸念。Widlife Society Bulletin、29（1）、311-316。