産科ICU

読んだ。

INTENSIVIST Vol.8 No.2 2016 (特集:産科ICU)

INTENSIVIST Vol.8 No.2 2016 (特集:産科ICU)

  • 作者: 中山理,藤谷茂樹,JSEPTIC(日本集中治療教育研究会)
  • 出版社/メーカー: メディカルサイエンスインターナショナル
  • 発売日: 2016/04/22
  • メディア: 雑誌
  • この商品を含むブログを見る
COI:上司が持ってた。
 
集中治療で産科の患者がICUを利用することは、超大型周産期医療センター以外あまりないと思うので経験値的なものがなかなか積めない。
書籍で実際の死戦期帝王切開(PMCD、死戦期というのが患者に説明するのにアレなので母体胎児救命、という語句を使うのはどうか、と言っていた p403)の流れ、筆者らの施設で導入しているアクションカード(麻酔科、産科、看護師長らが持っている流れの確認カード)などが記載されていて具体的だったし、集中治療医が大好きな生理学とか、産科そのものの病態としてPIH、産科DICなどまとまっていたのでよかった。
 
産科の話はよかったが、Methodsを読むMethod 研究デザインを理解し、結果を読み解く:第一回 EBMを正しく理解していますか?の項で、p値と信頼区間の章(p485-486)で

一方、信頼区間は、その結果がどの程度「もっともらしいか」を示している。今回のプライマリアウトカムはオッズ比 2.7(95% 信頼区間 1.2〜6.1)と報告されているが、これは同じ研究を際限なく繰り返して行なった場合、95% の確率でオッズ比が1.2〜6.1 の間になるという解釈になる

というのは、頻度主義的な立場からすると間違いで、オッズ比が信頼区間の間にあるではなく、際限なく実験したら信頼区間がオッズ比を含むのが95%、ということである。
集中治療の人ら、こういうEBM()は好きなくせに、肝心の中身とか効果量とかそもそもの統計学知識が素人の自分から見てもアレなのでほんとにアレ()
 
一方で、

余談であるが、無作為化した際、ベースラインの差を検定し、p値を表示している研究を見たことがあるだろう。このときのp値は何を意味しているのだろうか? これも、アウトカム同様2群が等しいと仮定したときの確率を示している。しかし、RCTでは無作為化しているので、2群間のばらつきが等しいことは検定する前からわかっている。すなわち、この場合のp値は何の意味もない。どんな値であっても、偶然の結果なのである。

と書いてあったので、長年の疑問が解消されたわけだが、かといって2群間のばらつきが等しい状況で仮説検定しても、有意水準5%なら5%のパラメータは有意になるはずなのだが、table 1 のなかでp<0.05 になっている、つまり、RCTで無作為ランダム化したのに、偶然にも有意差を持ってしまったパラメータおよびそんなtable 1を持っている研究には出会ったことがないので、これはなんでだろう。

下壁と後壁って何が違うの?

心臓の解剖や生理、病理がわかってない勢だから(自由壁破裂って一体どこ…??)って思ってた。実際は固定されてて動かない中隔以外の壁を自由壁というらしい。へぇ。

経胸壁エコーや経食道エコーで下壁とか後壁とか言われて(えっこれ何が違うん…??)って思ってた。

結論から言うとここにすべて書いてある。
illustrator-amy.com

真面目に書くと、日本循環器学会の慢性冠動脈疾患診断ガイドライン(2018年改訂版)というのを読んでいてわかった。
www.j-circ.or.jp
http://www.j-circ.or.jp/guideline/pdf/JCS2018_yamagishi_tamaki.pdf
英語では下壁(basal level でのseg 4) をinferior と言っているが、日本語でいう後壁は英語ではinferolateral (basal level でのseg 5) ということらしい。今では下側壁と言われる。
経胸壁エコーならばプローブに最も近い(画面の上)ところに前壁がくるので前壁側が上だが、経食道エコーならプローブに最も近いところが下壁になるのでエコー画面ではTTEとTEEは上下反転でsegment を考える。

www.ncbi.nlm.nih.gov
英語を読むのが面倒だったら和訳もある。
http://www.jse.gr.jp/contents/guideline/data/ASEguideline%EF%BC%88JAP)_20180123.pdf

www.ncbi.nlm.nih.gov

経食道心エコー法マニュアル

読んだ。

経食道心エコー法マニュアル[Web動画付](改訂第5版)

経食道心エコー法マニュアル[Web動画付](改訂第5版)

COI:自費で購入
 
第4版をいつ買おうかと悩んでいたらいつの間にか第5版が出たので買った。
経食道心エコー法マニュアル 改訂第4版

経食道心エコー法マニュアル 改訂第4版

DVD付属だったのがwebになっていた。分厚さはちょっと増えた。
職場の共用本に第2版と第3版があって、第4版は上司から借りていた。第2版はアマゾンですらもう中古在庫が存在しない。
経食道心エコー法マニュアル

経食道心エコー法マニュアル

第4版と第5版では1P目から既に書いてある文言が異なっているので、だいぶ改定したようである。
英語の教科書と違ってエコーのそもそもの物理的原理とか、心臓機能の定量的評価値とかの記述はペラいが、筆者の豊富な症例集から「こういうとき、こう見える」というのがたくさん載っているので、よいと思う。
web動画も見たらそれはそれでよいのだが、本書にもキーとなる1枚絵は載っているので、webがなくても勉強はできる。

mendelayからデスクトップ版やword拡張を使わずにwordに引用文献を入れたかった

1万年と2千年ぶりに原稿書いて、という要望に応えてなんか原稿を書いている。
今までなんか書くときにはtexを使っていたので、文献の管理や引用の挿入はbibファイルで一人完結でやっていた。
文献の管理は無料という理由でとりあえずmendelayを使っていた。
www.mendeley.com
chrome拡張のweb importer を使えば、例えばpubmed なんかはいい感じで文献情報をすべて拾ってくれるし、journal のページに飛んてもだいたいいい感じで文献情報を拾ってくれていた。

話は変わって、なんか書こうよ、と誘われたので、複数人でファイルをやり取りする。しかもたいていwordである。
それならば最初からwordの参考文献機能で管理しておいたほうが手っ取り早い。
 
ググってみると、mendelayにはデスクトップ版があって、そのデスクトップ版にword 拡張機能、というのがあって、デスクトップ版での管理中の文献をそのまま作成中のwordに持っていける、というようである。
ここでおま環の話で恐縮だが、そもそも自分はubuntu 環境なので、microsoft 謹製のwordは入っていない。
最近知ったのだが、dropboxで管理しているwordファイルは、web版だとweb版wordで編集できるようである。これだともうwindows OS要らなくね?と思ったのだが、ヘルプによるとweb版wordには文献管理機能はないようである。
ということでwordがインストールされているPCで作業することになるのだが、自分の環境では職場とか公共の場とかのPCになるので、mendelayのデスクトップ版をインストールして自分のmendelayアカウントと紐付けて、というのが非常にはばかられる。

web版のmendelayでbibファイルを書き出してwordに持ってくればいいわけだが、wordの文献管理はxmlだそうである。
さてどうしたもんか。。。

結論から言うと、web版のmendelayのlibrary(管理している文献)のタブに、"Export to MS Word" というまさにword用にxmlを生成するボタンがあるのでこれでよかった。
ひとつずつ文献を選んでxml をN個作っても、出力したい文献をまとめてチェックして1つのxml を作っても、参考資料 > 資料文献の管理、からxml を選べば引用文献が自動で作成される。
あとはword 引用文献とかでググってなんやかんややる。

肥満患者の麻酔

読んだ。

肥満患者の麻酔

肥満患者の麻酔

COI:自費で購入
 
発売当初から興味があったので買ってみた。
個人的には、デブの麻酔には気道管理が一番問題になるのでそこのノウハウ的なものを期待していたのだが、「マスク換気困難なら意識下挿管するし、喉頭展開困難ならビデオ喉頭鏡使えばイチコロだから…」くらいの淡白さでしか書かれていなかった。だからといって意識下挿管のノウハウが書いてあるかというとそうでもなかった。
この本でむしろタメになるのが、肥満の病態と薬物動態の項だと思われる。肥満の病態は生理学だけでなく、術後管理の要点も書かれていて、集中治療をやらざるを得なくなった人としてはそこそこタメになった。
薬物動態についてはとにかくIBWを使えばよさそうで、IBWは簡便にはBMI 22 を目指せば良さそうだった。ただし、IBWでも過量もしくは過小になる場合の注意も書いてあった。
ほかは、肥満妊婦や小児の項もあった。

ただ、日本語で書かれた肥満麻酔の教科書がないので作る、的な前書きが書いてあったが、教科書にするにしてはアンチョコ本感が否めないので、英語ではどうかと思って調べてみると
academic.oup.com
www.ncbi.nlm.nih.gov
レビュー系では古い。

kindle unlimited は無料ってマジ?(執筆当時)

Anaesthesia for the Overweight and Obese Patient (Oxford Anaesthesia Library)

Anaesthesia for the Overweight and Obese Patient (Oxford Anaesthesia Library)

160Pしかないのが気になる。

Anesthetic Management of the Obese Surgical Patient (Cambridge Medicine (Paperback))

Anesthetic Management of the Obese Surgical Patient (Cambridge Medicine (Paperback))

ここらへんはペーパーバックで手頃な値段で買えそう。

一歩進んだ麻酔管理

読んだ。

一歩進んだ麻酔管理~常識は常に真実か?~

一歩進んだ麻酔管理~常識は常に真実か?~

COI:自費で購入

見開き2-4ページで1項目でさくさく読める。ページ余白が少なくなんか情報量多く感じる。
一歩進んだ、といいながらかといってその管理をして劇的に予後が改善するかというとそうでもないっぽい。
個人的にはM先生がLiSAで書いてたようなエビデンスの項が収録されていたので良かった。
 
興味深かった話が、帝王切開の脊麻時にノルアドレナリンをごく低量持続投与することで、絶対に低血圧許さないマンな麻酔をする、という話があったのだが、エフェドリン、ネオシネジン、ノルアドレナリンの力価について書いてある。
www.ncbi.nlm.nih.gov
話が急に飛ぶが、OPCABをするときに上級医から「OPCABのときは1/100希釈にした(1mg のノルアドレナリンを100ml の生食に溶かす)ノルアドレナリンを握りしめてやらないとダメ!! ちなみにこれのボーラスはネオシネジンよりちょっと強いよ!!」と教えてもらった。
OPCAB時の1/100 ノルアドレナリンのボーラスはここらへんでも多用されている。

続 麻酔科臨床の書 -A.M.C.心臓手術と麻酔の手引-

続 麻酔科臨床の書 -A.M.C.心臓手術と麻酔の手引-

  • 作者: 内藤嘉之,吉田和則,井出雅洋
  • 出版社/メーカー: メディカルサイエンスインターナショナル
  • 発売日: 2011/05/19
  • メディア: 単行本
  • クリック: 2回
  • この商品を含むブログを見る
A.M.C.心臓手術と麻酔の手引:実践9症例

A.M.C.心臓手術と麻酔の手引:実践9症例

  • 作者: 井出雅洋,吉田和則
  • 出版社/メーカー: メディカルサイエンスインターナショナル
  • 発売日: 2017/06/12
  • メディア: 単行本
  • この商品を含むブログを見る
これらの昇圧剤の力価は、

エフェドリン ネオシネジン ノルアドレナリン
0.1mg 8.4mg 5.8μg

がそれぞれ相当する、ということになっている。
エフェドリンはたいてい40mg のバイアルを10ml (4mg/ml)もしくは8ml (5mg/ml)にして1-2ml ボーラスすることが多いので、これがたいていネオシネジン1ml (1mg のバイアルを10ml に希釈して)のボーラスに相当する。
高齢者でネオシネジン 0.1mg もショットするとたいていジェットコースターになるので、0.05mg にしてチビチビ使うことがあるが、ネオシネジン 0.05 mg にするかエフェドリン 4mg にするか、ということでもよいっぽい。

OPCAB の話に戻って、1/100 のノルアドレナリンは10μg のショットになるので、ネオシネジンではだいたい1.7-2 倍相当の強さがある、と思われる。

アレルとgenotype の頻度を信頼区間付で求めたい

という質問を受けたので1万年と2000年ぶりくらいに遺伝統計やった。
雰囲気としては、こんな感じの値を求めたい。

f:id:MikuHatsune:20190831141253j:plain
Indian J Endocrinol Metab. 2014 Nov-Dec; 18(6): 850–854. のTable 1 より引用
www.ncbi.nlm.nih.gov
 
ここで、データとしては被験者たちのgenotypeを実験により決定(genotypingという)して、AA 44人、AC 58人、CC 10人という結果を得た。
まず、このgenotypeの頻度については、x_{AA}, x_{AC}, x_{CC} がそれぞれ人数を表していて、表記上x_1, x_{2}, x_{3} と対応させて、なおかつx_1+x_2+x_3=n とする。
各genotype の頻度p_1, p_2, p_3p_i=\frac{x_i}{n}であるが、各genotype は多項分布からサンプリングされると仮定すると、多項分布の期待値はnp_i, 分散はnp_i(1-p_i) である。
信頼区間\mu\pm Z_{1-\frac{\alpha}{2}}\sqrt{\textit{Var}} で求められるが、genotype が少ないとT分布くらいにしておいたら良さそうなので

x1 <- c(MM=44, MN=58, NN=10)
x2 <- c(MM=46, MN=57, NN=15)
AlleleGenotypeFreqCalc(x1)$GenotypeFrequency
           Frequency    lowerCI   upperCI
MajorHomo 0.39285714 0.30142061 0.4842937
Hetero    0.51785714 0.42430584 0.6114084
MinorHomo 0.08928571 0.03589828 0.1426731
AlleleGenotypeFreqCalc(x2)$GenotypeFrequency
          Frequency    lowerCI   upperCI
MajorHomo 0.3898305 0.30092124 0.4787398
Hetero    0.4830508 0.39195381 0.5741479
MinorHomo 0.1271186 0.06639384 0.1878434

となりそれっぽくなった。
 
genotype は集団からgenotyping でデータを得られるが、実際に知りたいのはその元となったMとNが集団内にどれだけ存在しているかである。
遺伝学的には、MM、MN、NNの個体が交配することで、生物学的にはMとNを切り離し、確率的にはランダムで父方と母方のMもしくはNをもらうことで、次世代の個体のMMかMNかNNとなり、それが観測される。
MM、MN、NNの個体の数からMとNの数を推定するのは、HWEを利用すれば可能で、例えば
ここ(PDF)では、アレルの頻度p_M(小文字で、なおかつこのページの上部のgenotype の頻度で使ったpとは違うことに注意)は、genotype の頻度P_{MM}(大文字)より
p_M=P_{MM}+\frac{1}{2}\displaystyle\sum_{M\neq N}^{} P_{MN}
p_M の分散は
\textit{Var}(p_M)=\frac{1}{2n}(p_M+P_{MM}-2p_M^2) (小文字と大文字に注意)
になる。

AlleleGenotypeFreqCalc(x1)$AlleleFrequency
      Frequency   lowerCI   upperCI
Major 0.6517857 0.5939582 0.7096132
Minor 0.3482143 0.2903868 0.4060418
AlleleGenotypeFreqCalc(x2)$AlleleFrequency
      Frequency   lowerCI   upperCI
Major 0.6313559 0.5709773 0.6917345
Minor 0.3686441 0.3082655 0.4290227
library(HardyWeinberg)
alpha <- 0.05

AlleleGenotypeFreqCalc <- function(x=c(MM=44, MN=58, NN=10), alpha=0.05){
  HW.test <- HWChisq(x, verbose=FALSE)
  # アレル頻度
  AlleleFreq <- c(1-HW.test$p, HW.test$p)
  V2 <- (AlleleFreq + x[-2]/sum(x) - 2*AlleleFreq^2)/(2*sum(x))
  AlleleFreqCI <- cbind(AlleleFreq,
                        AlleleFreq-qnorm(1-alpha/2)*sqrt(V2),
                        AlleleFreq+qnorm(1-alpha/2)*sqrt(V2)
                       )
  rownames(AlleleFreqCI) <- c("Major", "Minor")
  colnames(AlleleFreqCI) <- c("Frequency", "lowerCI", "upperCI")
  # HWEからの頻度
  COV <- 2*V2[1]*(1+HW.test$f)
  GenotypeFreq <- c((1-HW.test$p)^2, 2*(1-HW.test$p)*HW.test$p, HW.test$p^2)
  GenotypeFreqCI <- cbind(GenotypeFreq,
                          GenotypeFreq-qnorm(1-alpha/2)*sqrt(COV),
                          GenotypeFreq+qnorm(1-alpha/2)*sqrt(COV)
                         )
  rownames(GenotypeFreqCI) <- c("MajorHomo", "Hetero", "MinorHomo")
  colnames(GenotypeFreqCI) <- c("Frequency", "lowerCI", "upperCI")
  # 多項分布からの頻度
  MultinomP <- x/sum(x)
  CI <- qt(1-alpha/2, sum(x))*sqrt(MultinomP*(1-MultinomP)/sum(x))
  MultinomFreq <- cbind(MultinomP, MultinomP-CI, MultinomP+CI)
  rownames(MultinomFreq) <- c("MajorHomo", "Hetero", "MinorHomo")
  colnames(MultinomFreq) <- c("Frequency", "lowerCI", "upperCI")
  return(list(input=x, AlleleFrequency=AlleleFreqCI, HWEFrequency=GenotypeFreqCI, GenotypeFrequency=MultinomFreq))
}

x1 <- c(MM=44, MN=58, NN=10)
x2 <- c(MM=46, MN=57, NN=15)
AlleleGenotypeFreqCalc(x1)
AlleleGenotypeFreqCalc(x2)