Author: byun1114

Restricted Mean Survival Time: An Obligatory End Point for Time-to-Event Analysis in Cancer Trials?

R에서 생존 분석을 survdiff 로 구할 때, 그리고 median time 을 구할 수 없을 때 적용할 수 있는 검증 방법이 이 논문에서 언급하고 있는 RMST이다. 그런데, 통계에 대한 가방끈이 짧아서 이해를 못하겠다. 통계에 능한 전문가들은 그렇지 못한 사람들에게 쉽게 설명할 수 있는 글을 써 주었으면 좋겠다. ㅠㅠ

2016-10-05
Hepatic Granulomas: A Review With Emphasis on Infectious Causes

Reference: Lamps LW. Hepatic Granulomas: A Review With Emphasis on Infectious Causes. Arch Pathol Lab Med. 2015;139(7):867-75.

2016-10-04
function 에서 기본값 지정
R로 분석하다 보면 function 함수를 통하여 원하는 기능을 반복하게 만드는 경우가 있다. 이 경우에 지정한 입력값을 다 입력을 해야 그 함수가 실행하게 되고, 그렇지 않으면 에러가 발생하여 중단되게 된다. 항상 지정해주면 좋기는 하지만, 꼭 그럴 필요는 없는 경우에는 해당 값에 해당하는 기본값을 지정하면 된다. 함수는 missing() 을 이용한다. R의 예제가 굉장히 간단하고, function 을 이용할 정도의 사용자는 쉽게 이해 가능하기 때문에 도움말을 그대로 복사해 둔다.
```
myplot <- function(x, y) {
                if(missing(y)) {
                        y <- x
                        x <- 1:length(y)
                }
                plot(x, y)
        }
```
2016-09-10
Predicting non-small cell lung cancer prognosis by fully automated microscopic pathology image features

Nature communications에 발표된 논문이다. 직접 재현해보지는 못했지만, 이 논문의 내용은 다음과 같이 요약할 수 있다.

1. TCGA의 LUAD 와 LUSC 의 H&E 사진과 스탠포드에서 보유중인 TMA의 사진을 비교함. 이 사진은 논문의 Figure는 frozen section 이나 모든 슬라이드가 frozen section 은 아닐 것으로 생각됨.

2. 이 검체에서 사진을 400배 배율로 여러장 촬영함. 그 이후 세포가 많은(자의적 기준 1) 10개를 선택했다고 함.

3. Broad institute에서 개발한 CellProfiler라는 프로그램을 사용하여 일련의 pipeline(프로그램을 사용해보면 일련의 알고리즘)을 통하여 세포의 형태에 관한 수치를 분석함.

4. 이렇게 분석한 수치를 바탕으로 생존 자료 등과 같은 여러 자료를 사용하여 분석을 시행함.

5. 그랬더니 Stage I 의 폐암 환자에서 예후와 관련있는 분류를 할 수 있었음.

이 논문에 대한 감상은 어떤 형태학적 특성이 있는지 언급이 없다는 것이다. 이러한 언급이 있다면 이러한 논문의 가치를 더 부여할 수 있을 것 같다.

이 방법의 연구는 큰 초기 비용은 없는데, 앞으로 연구 방법으로 고려해 볼려고 한다. 좋은 논문임.

2016-08-29