重症患者管理マニュアル

読んだ。
COI：なし。自費で購入。

重症患者管理マニュアル

割と最近に出版されており、ガイドラインやRCTなのは最新と思われるものにそって記述されている。
この本が面白そうだと思ったのが、前書きの

セントルイス大学で集中治療のトレーニングを受けていたとき,私は大きく分けて2つのタイプの指導医がいると感じていた。米国なのでどちらのタイプもガイドラインを重視している点では変わりないが,ガイドラインでは取り扱われていないテーマや,ガイドラインだけでは対応できない複雑な症例への思考過程が大きく異なっていた。
1つ目のタイプは,ベッドサイド回診の際に,自分の判断のよりどころとして, 記憶しているさまざまな無作為化比較試験(RCT)のデザインと結果を次から次へと話す指導医である。これは30歳代までの若い集中治療医に多く, 「この指導医はすごい」と研修医やフェロー達は目を輝かせながら話を聞いていた。 もう1つのタイプは,RCTのことはあまり話題にせず(もちろん文献を読んではいたと思うが……),生理学的な思考過程で判断をしていくタイプの指導医であり,40歳代以上の指導医に多かった。このタイプの集中治療医は,同じ病名がついていても患者によって異なる治療内容になることが多く,同じレベルの生理学的知識をもっていない者にとっては,その判断の根拠がわかりにくい。大半の研修医やフェロー達は,「あの指導医は古いからエビデンスに基づいていない」などと陰口を言っていた。しかし私にとっては,後者の「生理学重視」の集中治療医との回診のほうがはるかに楽しく,その決断の多くは理にかなっていると感じた。実際,2年前には正しいと思われていた「エビデンス」が大きく変わり,生理学重視の年配の集中治療医が言っていたことのほうが正しかったと認識することを多く経験した。
例えば,私がフェロー1年目であった2009年に,Dr. Kaplanという年配の集中治療医から,「静脈が拡張した敗血症性ショックの患者に10Lも15Lも輸液したところでunstressed volumeとしてプールされるだけだから,CVPがどうであろうと2~3L輸液して,血圧が安定しなければさっさと昇圧薬を使って,無駄に輸液をしないようにしなさい」と叱られたことがあるが,これも深い生理学的知識に裏打ちされた指導であったと思う。
もちろんエビデンスの重要性は説明するまでもないが,患者を個別化して治療を行うためには,多様な患者をまとめたRCTなどからなるエビデンスと生理学のバランスが必要である。本書はまさにその最適なバランスを追求したマ ニュアルである。まず,生理学を知り,そして「国際ガイドラインと日本のガイドラインではどうなっているか?」を確認し,さらに「過去と最近のRCTはどうか?」を知るという,ICUで決断するために不可欠な3つの要素が盛り込まれている。本書が“エビデンス"と生理学のバランスのとれた集中治療の学習と実践の一助になれば幸いである。
則末泰博(東京ベイ・浦安市川医療センター 呼吸器内科/救急集中治療科)

というところの、

記憶しているさまざまな無作為化比較試験(RCT)のデザインと結果を次から次へと話す指導医

と

生理学的な思考過程で判断をしていくタイプの指導医

というところで、近年の集中治療医()は特に前者のRCTマンセー志向が強いが、かといって集中治療分野のRCTは結局、primary outcome の死亡率は統計学的有意性はなかったがsecondary で…みたいなしょうもないのが多いのでなんだかなぁ、という感じで見てる。
この本はどちらかというと後者よりの、生理学メインで病態を考えようとはするものの、RCTやガイドラインを列挙しつつ、でも、「実際に目の前の重症患者にどれくらいの量で薬を使うか」というようなアンチョコ本に期待するようなことは、書いてあったり書いてなかったりする。筆者らの所属施設のこと、例えば心臓血管外科手術後の術後経過なんかはいい参考になるが、結局は他のアンチョコ本も見ないといけない感じ。Intensivist のほうがたぶんアンチョコ的に使える、はず。

生理学的に病態を考えるなら、有名なICU book （自分が読んだのは3版）があるが、これは本当に生理学しか書いてないので、アンチョコ的な役割はまったくない。

ICUブック 第4版

SIMフリーのiphone SE をau ４G LTE sim で使えた

iphone 5 を計6年間くらい使っていたが、そろそろ電池とかレスポンスとかがあやうくなってきたので替えたいと思っていた。
使っているのはパケット通信なしの電話のみで、必要なのは音楽くらいなので最新機種である必要がなく、あのサイズ感がいいのでiphone SE が欲しかった。
結論からいうとA1732 CDMA GSM モデルでau 4G LTE sim （黒シムで6と書いてあるやつ）が使えるようになったが、ただsimを挿しただけでは電波を一瞬拾ってはすぐ圏外になったので、モバイルデータ通信で一度、電話とデータ通信をオンにしてから、電話のみ、に変更するとなぜか急に電話できるようになっていた。
データ通信（パケット通信、ネットにつなぐこと）はパケ放題的な契約をしていないので試していない。ただし、この作業でデータ通信量が10kb くらいになっていた。

さすがに5からSEへの変更なのでものすごいさくさくである。よかった。

賢者歴史に学ぶ

読んだ。

麻酔科M&M症例ファイル

M&Mで改善する! ICUの重症患者管理〜何が起きたか?なぜ起きたか?今後どうすべきか? 同じエラーをくり返さないために

麻酔のほうは個人、症例レベルで気をつけるような話が多いのでなんとかなるけど、集中治療のほうはどんなに気をつけていても起こってしまったらどうしようもない合併症とかそういうのが多いのでなんだかなあという気分になった。

全身麻酔時の高濃度酸素

アブストだけ読んだ。
www.ncbi.nlm.nih.gov
www.ncbi.nlm.nih.gov
全身麻酔のときに高濃度酸素（80%）にするとSSIが減ったりPONVが減ったりするのでガイドラインでも推奨されているが、実際にメタアナリシスするとそうでもないことが多い、とコメンタリーでも言われている。
高濃度酸素投与のエビデンスはあるようでない、という話はLiSAでも書いてあった。
LiSA 2017年7月号/(MEDSi)株式会社 メディカル・サイエンス・インターナショナル
　
SSIはRR: 0.89 [0.73-1.07] で有意な減少は示せなかった。挿管されている患者ではRR: 0.80 [0.64-0.99] と有意な減少、挿管されていない患者では RR: 1.20 [0.91-1.58] と有意差を示せなかった。
有害性については無気肺 RR 0.91 [0.59-1.42]、心血管障害 RR 0.90 [0.32-2.54]、集中治療室入室 RR 0.93 [0.7-1.12]、死亡 RR 0.49 [0.17-1.37] となった。高濃度酸素は吸収されて肺虚脱を起こしやすい、とか言われる割には無気肺はそんなに生じないらしい。
　
酸素濃度は導入後に適当に酸素：空気を1：1 にしてだいたい55-60% くらいになるのでそれくらいにすることが多い。気分によっては1：2 にしてだいたい45-50% くらいになる。
全身麻酔のときにはどんなに健康なASAPS1 の患者でも30% の酸素濃度は必要らしい、と書いてあったのを見たことがある。

低流量麻酔

一般的に酸素濃度は35-40% で維持することが多い。というのも大体の高濃度酸素臨床試験では80% vs 35% が多いようである。
酸素：空気を1：3 くらいにすれば40% を下回るようなのだが、一回この割合でやっていたら「なんでこんな配合なの?」と上司から変な人扱いされたのでそれ以降やっていない。

東京大学での式辞の統計問題を考える

こんな話を見かけた。ちなみに式辞は読んでない。
qiita.com

データ取得まではやってくれていて、解析もしていた。解析者では、東京大学、鳥取大学、島根大学の医学部での男女合格率には差がない、ということだった。
せっかく81大学の男女受験者数と合格者数を平成30年から25年まで（2018年から2013年まで）まとめてくれているので、もうちょっと解析したい。かつてこんなことをしたので考えてみよう。
mikuhatsune.hatenadiary.com

男女の受験者数と、合格者数が出ているので、単純には分割表検定のようなことができるが、これが81大学（と6年分）あるので、メタアナリシスのようなことをやってみよう。
受験者が男であることを対照として、受験者が女であることを介入というか治療群ということにみなしてデータを整形する。ここではメタアナリシス自体の説明はしない。

結論からいうと、女性であることは合格率が15%下がる（OR=0.85 [0.80, 0.90] でp値は くらいでる）。
meta パッケージの都合で字が非常に小さいが、Odds Ratio のみぎ側が女性有利、ひだり側が男性有利である。OR=1 の垂線は、男女で差がないことを示している。
Experimental とControl がそれぞれ女性、男性を示している。Event が合格者数である。男女がごちゃごちゃになってわかりにくい場合は、下3/4 くらいにある東京女子医科大学を見てもらうと、Control が0で男性であることがわかるし、その2つ上の東京医科大学を見てもらうと、forest plot が非常にひだり（つまり、男性有利）に偏っているのでそれが目印である。

各々の大学の受験者数は男性300、女性50くらいなので、単一の大学を見ても有意差が出るような合格率の差は生まれないが、81大学も集めると男性7.6万、女性4.8万人なので、流石に小さな差でも有意差は出る。各大学を見ると横線が長いが、Fixed effect model もしくはRandom effects model のところはほぼ丸で横線はほとんどないことがわかる。これがメタアナリシスのサンプルサイズの暴力である。

年度ごとにやっても0.1から0.15程度のORの低下があるので、女性が医学部に合格しにくいのはたぶん本当なんだろう（適当

te

     2018      2017      2016      2015      2014      2013 
0.8256398 0.9172780 0.8441605 0.8861341 0.8508194 0.8718301 

さて、東京大学での話なので、東京大学だけ取り出してみると、東京大学では男女で合否は差はないような感じである。いや、メタアナリシスで冒頭に全大学でやっているのにサブグループでしていいの?という疑問はある。

メタアナリシスは本当はfunnel plotとかデータの偏りとか検討しないといけないが、今回は省いた。

library(meta)
dat <- read.csv("data.csv")

gokei <- dat[,4] == "合計"
d0 <- dat[gokei, c(3,5,6,8,9)]

d1 <- cbind.data.frame(d0[,1], mapply(function(z) as.numeric(gsub(",", "", as.character(d0[,z]))), 2:5))
colnames(d1) <- c("Univ", "n.ctrl", "n.trt", "col.ctrl", "col.trt")
u <- as.character(d1$Univ)

b1 <- metabin(col.trt, n.trt, col.ctrl, n.ctrl, data=d1, sm="OR", studlab=Univ, comb.fixed=TRUE, comb.random=TRUE, label.e="女性", label.c="男性")

# png("result.png", 720, 1300)
forest.meta(b1, fontsize=12)
dev.off()
funnel(b1)
metabias(b1)

idx <- mapply(function(z) c(0,1,3,4) + z, grep("年度", colnames(dat)), SIMPLIFY=FALSE)
d2 <- mapply(function(w) mapply(function(z) as.numeric(gsub(",", "", as.character(dat[gokei, w][,z]))), 1:4), idx, SIMPLIFY=FALSE)

u0 <- c(mapply(function(z) sprintf("%d_%s", z, u), 2018:2013))
d3 <- cbind.data.frame(u0, do.call(rbind, d2))
colnames(d3) <- c("Univ", "n.ctrl", "n.trt", "col.ctrl", "col.trt")

b3 <- metabin(col.trt, n.trt, col.ctrl, n.ctrl, data=d3, sm="OR", studlab=Univ, comb.fixed=TRUE, comb.random=TRUE, label.e="女性", label.c="男性")

# 各年度
d4 <- mapply(function(z) cbind.data.frame(u, z), d2, SIMPLIFY=FALSE)
for(i in seq(d4)) colnames(d4[[i]]) <- c("Univ", "n.ctrl", "n.trt", "col.ctrl", "col.trt")
b4 <- mapply(function(z) metabin(col.trt, n.trt, col.ctrl, n.ctrl, data=z, sm="OR", studlab=Univ, comb.fixed=TRUE, comb.random=TRUE, label.e="女性", label.c="男性"), d4, SIMPLIFY=FALSE)
# TE
te <- 1 + mapply(function(z) z$TE.fixed, b4)

# 東京大学
d5 <- do.call(rbind.data.frame, mapply(function(z) z[u == "東京大学",], d4, SIMPLIFY=FALSE))
d5$Univ <- paste0(2018:2013, "_", as.character(d5$Univ))
b5 <- metabin(col.trt, n.trt, col.ctrl, n.ctrl, data=d5, sm="OR", studlab=Univ, comb.fixed=TRUE, comb.random=TRUE, label.e="女性", label.c="男性")

# png("result1.png", 720, 220)
forest.meta(b5)
dev.off()

元号が発表されたのでいままでの元号で使われた漢字の関係をみる

とおもってネットワーク解析をしようと思ってグラフを作ったはいいがigraph の扱いを完全に忘れているので保留。
その元号の年数もあるので適当にヒストグラムでも。

n <- read.delim("nengo.txt", stringsAsFactors=FALSE, header=FALSE)

library(stringr)
library(igraph)

v <- n$V1[nchar(n$V1) == 2]

el <- do.call(rbind, mapply(str_split, v, ""))
g <- graph_from_edgelist(el)
m <- get.adjacency(g)

平成	31
昭和	64
大正	15
明治	45
慶応	4
元治	2
文久	4
万延	2
安政	7
嘉永	7
弘化	5
天保	15
文政	13
文化	15
享和	4
寛政	13
天明	9
安永	10
明和	9
宝暦	14
寛延	4
延享	5
寛保	4
元文	6
享保	21
正徳	6
宝永	8
元禄	17
貞享	5
天和	4
延宝	9
寛文	13
万治	4
明暦	4
承応	4
慶安	5
正保	5
寛永	21
元和	10
慶長	20
文禄	5
天正	20
元亀	4
永禄	13
弘治	4
天文	24
享禄	5
大永	8
永正	18
文亀	4
明応	10
延徳	4
長享	3
文明	19
応仁	3
文正	2
寛正	7
長禄	4
康正	3
享徳	4
宝徳	4
文安	6
嘉吉	4
永享	13
正長	2
応永	35
明徳	5
康応	2
嘉慶	3
至徳	4
永徳	4
康暦	3
永和	5
応安	8
貞治	7
康安	2
延文	6
文和	5
観応	3
貞和	6
康永	4
暦応	5
元中	9
弘和	4
天授	7
文中	4
建徳	3
正平	25
興国	7
延元	5
建武	3
正慶	3
元弘	4
元徳	3
嘉暦	4
正中	3
元亨	4
元応	3
文保	3
正和	6
応長	2
延慶	4
徳治	3
嘉元	4
乾元	2
正安	4
永仁	7
正応	6
弘安	11
建治	4
文永	12
弘長	4
文応	2
正元	2
正嘉	3
康元	2
建長	8
宝治	3
寛元	5
仁治	4
延応	2
暦仁	2
嘉禎	4
文暦	2
天福	2
貞永	2
寛喜	4
安貞	3
嘉禄	3
元仁	2
貞応	3
承久	4
建保	7
建暦	3
承元	5
建永	2
元久	3
建仁	4
正治	3
建久	10
文治	6
元暦	2
寿永	3
養和	2
治承	5
安元	3
承安	5
嘉応	3
仁安	4
永万	2
長寛	3
応保	3
永暦	2
平治	2
保元	4
久寿	3
仁平	4
久安	7
天養	2
康治	3
永治	2
保延	7
長承	4
天承	2
大治	6
天治	3
保安	5
元永	3
永久	6
天永	4
天仁	3
嘉承	3
長治	3
康和	6
承徳	3
永長	2
嘉保	3
寛治	8
応徳	4
永保	4
承暦	5
承保	4
延久	6
治暦	5
康平	8
天喜	6
永承	8
寛徳	3
長久	5
長暦	4
長元	10
万寿	5
治安	4
寛仁	5
長和	6
寛弘	9
長保	6
長徳	5
正暦	6
永祚	2
永延	3
寛和	3
永観	3
天元	6
貞元	3
天延	4
天禄	4
安和	3
康保	5
応和	4
天徳	5
天暦	11
天慶	10
承平	8
延長	9
延喜	23
昌泰	4
寛平	10
仁和	5
元慶	9
貞観	19
天安	3
斉衡	4
仁寿	4
嘉祥	4
承和	15
天長	11
弘仁	15
大同	5
延暦	25
天応	2
宝亀	12
神護景雲	4
天平神護	3
天平宝字	9
天平勝宝	9
天平感宝	1
天平	21
神亀	6
養老	8
霊亀	3
和銅	8
慶雲	5
大宝	4
朱鳥	2
白雉	6
大化	6

合併症患者の麻酔スタンダード

読んだ。

合併症患者の麻酔スタンダード

読んだのは旧版だが新版が出ている。

新合併症患者の麻酔スタンダード―他科依頼にいかに答えるか

各項目自体は数ページしかなく、さくさく読める。合併症患者の気をつけることだけでなく、ちょっとした生理学のまとめ（といっても普通のこと）が書いてあるので、お勉強にもよいと思う。