Keijironakamura

Director, Electrophysiology, Ohashi Medical Center, Toho University School of Medicine

[Journal of Cardiology @J_Cardiol]

#JCardiol 87(6): 502-12, 2026
⭐️Topics: Next-Generation Heart Failure Management...
Natriuresis-guided decongestion in acute decompensated heart failure: A systematic review and meta-analysis
Mohamed Abuelazm et al

https://t.co/k4jcLpDJVD
by A.E. K

[タランチュラ | データサイエンティスト @tarantula_ds_]

【生存関数まとめ】
みなさん生存関数って知っていますか？

離脱のタイミングの予測や、機械の故障までの期間の予測などを行う際にかなり活用できる手法です。

勉強がてらまとめてみたので、ぜひチェックしてください！

[みやさかしんや@Python/AI/DX @miyashin_prg]

データ分析に興味のある方へ！🤗✨📈⭐

[医療統計start-upサロン @tokei389950]

【朗報】
日本統計学会より定価1,980円で
刊行された書籍が無料で公開されています。

https://t.co/qKEgBIHflv

『データ分析のための統計学入門』

第1章　データ分析への誘い
第2章　統計データの記述
第3章　確率
第4章　確率変数の分布
第5章　統計的推測の基本
第6章　カテゴリカル・データの統計的推測
第7章　量的データに対する推測
第8章　線形回帰への入門
第9章　重回帰とロジスティック回帰

統計とは何か、t検定とは何か、信頼区間はなぜ設定されるのかなど、基礎から統計学の考え方を丁寧に押さえていきたい方におすすめです。

400p越えの大ボリュームなので
保存して後で時間がある時に
ぜひゆっくり読んでみてください！

[スタッツン|統計学・AI解説 @AISTATSCH]

【統計学用語解説#4】
中心極限定理（Central Limit Theorem）

どんな分布のデータでも、サンプルサイズを大きくして平均を取ると、正規分布に近づくという超重要な定理です。

⚪︎簡単に言うと：
1. 元のデータがどんな形でもOK（歪んでる・2峰性・一様分布など）
2. ランダムに複数個（n個）取り出して平均を計算
3. これを何度も繰り返す（標本平均の分布を作る）
4. nが十分に大きいと、その分布は美しいベルカーブ（正規分布）に近づく！
　（目安はn≥30だが、元の分布の歪みが大きいほど、より大きいnが必要）

⚪︎なぜ大事か？（実用例）
- 身長データ：個人の身長は正規分布に近いけど、体重や収入は歪みが強い
→ でも「100人平均の体重」を何度も取ると、正規分布になる
- アンケート調査：支持率の分布がわからないときでも、サンプルを増やせば平均の信頼区間が作れる
- A/Bテスト：クリック率など0-1のデータでも、十分なサンプルがあればz検定などが使える根拠
- 品質管理：1つの製品の誤差は変でも、30個平均の誤差は正規分布として扱える

⚪︎覚えておきたいポイント
- nが大きいほど正規分布に近づく（n=30が目安、歪みが強いほど必要なnも増える）
- 独立で同一分布（i.i.d.）かつ母分散が有限であることが前提
- これがあるからこそ統計的推測（信頼区間・仮説検定）が成り立つ！

前回の正規分布と合わせて覚えると最強！
→ 「どんなデータでも平均に注目すれば正規分布として扱える」
これが現代統計学の土台です！

#統計学 #データサイエンス #中心極限定理

[Reviews in Cardiovascular Medicine @RCMjournal]

🫀 Cardioneuroablation: pacemaker alternative for VVS.

📊 Syncope recurrence: 5.9% post-CNA vs 54% standard care
📊 97% avoid pacemaker in AV block
📊 Complications <1%
💡 For young patients, CNA may beat lifelong pacing.

🔗https://t.co/mGemsF2kWq

#Cardiology

[大木谷 直樹｜ER x ICU @Cafe_Dogtor]

NEJMから重症患者の栄養療法のreview！新規のことというよりこれまでわかってることが忠実にまとまってる感じ。Figure 2がシンプルでわかりやすい。栄養は欲張りすぎずphaseを意識していきたい。胃残測定文化はどんどんなくなっていきそうだなぁ。

https://t.co/zzFoYLVBiB

[山本祥武 | Google Cloud @yoshitake_l]

テーブルデータから学習なしでいきなり予測(回帰/分類)を行うモデル

自分の常識では考えられないような技術だなあ…。

[Piyo@アプリ開発してるリーマン @shizuku837335]

フーリエ変換これ。
#フーリエ変換 #プリズム #理系

[はやたす@著書【Pythonブートキャンプ】 @hayatasuuu]

スタンフォード大学の教授が
「機械学習の総合講座」をCourseraで
動画講義とプログラミング演習付きで公開されてる。

・機械学習の基本概念
・教師あり学習（線形回帰・分類）
・ニューラルネットワーク入門
・決定木とアンサンブル
・教師なし学習（クラスタリング）
・レコメンドシステム
・強化学習の入門

MLを動画で体系的に学びたい人は必見です。

https://t.co/TflOzoRJks

[yuto@数学を愛するデータアナリスト @smo_yutohisano]

『統計検定準1級の範囲改定を受けて🔎』
因果推論の重要なことを初心者向けにまとめました。
初心者がまず押さえたいポイントはこの3つ。

✅ 相関と因果は違う
✅ 交絡因子（第三の要因）を意識する
✅ 「比較の仕方」が結論を左右する

この考え方は、
統計学・機械学習・マーケティング・医療・教育など、データを扱うあらゆる分野で役立ちます⭐

#統計学 #データサイエンス #因果推論 #統計検定準1級

[redtea @Syuiro_2]

教師なし学習を体系的に学べる記事を書きました。

次元圧縮・クラスタリング・異常検知、いずれもデータ構造に仮定を置き、その構造を推定する営みとして整理しています。

また、実務上の心構えや実践時のtipsも盛りだくさんです。
是非お読みください！

https://t.co/M5qQNSn83j

[タランチュラ | データサイエンティスト @tarantula_ds_]

【機械学習モデリングのための基礎知識】
機械学習を用いたモデリングを使うためには、色んな知識が必要になりますね。

モデリング手法だけでなく、モデリング前後の学習もしっかり進めましょう！

[K.Yamazawa_病院経営と存続検討に取組む @Ykouki9301]

今こそ、日本経営さんの医療需給総覧です。

自分の地域の急性期の病床数が多いのか少ないのかなど、有料コンサル級の外部環境調査が公表されています。

昨年に作り始めて無料公開も決めたのだろうけど、今年のこの展開を理解してるよなぁ。

地域医療構想に関する需給確認

https://t.co/K3al5r7zFM

[rk_seamless @rk115877]

NIHが統合ゲノム・電子健康記録（EHR）データベース「All of Us」https://t.co/1ZAIpKS60Xのデータ公開。

53万の全ゲノム配列と、約48万のEMRデータが紐づけ😮

NIH's All of Us Research Program is now the largest integrated genomics and health database in the world
https://t.co/by7bgdp21V

[はやたす@著書【Pythonブートキャンプ】 @hayatasuuu]

東京大学 松尾・岩澤研究室が
AI・データサイエンスの入門講座「GCI」を
完全無料で公開してる。

・NumPyによる科学計算
・Pandasでのデータ加工
・Matplotlibでの可視化
・教師あり学習（回帰・分類）
・教師なし学習（クラスタリング・PCA）
・マーケティングへのデータ活用
・ビジネス課題を解くケーススタディ

Python×AIを実務レベルで学びたい人は
使い倒すしかない。

https://t.co/oh3G96Nkpi

[宇津 貴史 /Utsu, Takashi @Office_j]

【備忘】Jul.02

EHJ誌に、HFpEFに対するMRA間で脳に対する作用が異なる可能性を指摘する論説。BBB透過性のある薬剤には脳保護が期待できるとの見立て。責任著者はB. Pitt先生。

全文🔗 https://t.co/RPtwji0f6T

[yuto@数学を愛するデータアナリスト @smo_yutohisano]

『相関がある≠因果関係がある』

因果関係を考える第一歩は、
① 相関関係がある
② 原因が結果より先に起こる
③ 交絡因子を排除・調整できている
の3つを確認することです。

※これらは最低限の条件です

「〇〇だから△△です。」なんて簡単に口にしてはいけません…😂

#統計学 #データサイエンス

[Jokker @0xJokker]

ANTHROPIC ACABA DE LANZAR UNA IA QUE NO TE HABLA DE CIENCIA, LA HACE CONTIGO

Se llama Claude Science y no es un chatbot mas

Es un workbench completo para investigadores y cientificos

→ Se conecta a mas de 60 bases de datos cientificas (UniProt, PDB, ClinVar, ChEMBL...)
→ Corre los analisis y guarda el codigo exacto que genero cada figura
→ Meses despues puedes reproducir cualquier resultado, paso por paso
→ Visualiza proteinas, estructuras y moleculas en nativo, sin instalar nada
→ Maneja el computo por ti, de tu laptop a cientos de GPUs
→ Un agente revisor caza citas falsas y numeros que no cuadran, en tiempo real

Un equipo de epidemiologia en la UCSF llevaba casi un año sin encontrar un contaminante viral en sus datos de RNA-seq

Lo corrieron en Claude Science

Lo encontro en uno de los primeros analisis

Un neurocientifico del Allen Institute escribia revisiones que le tomaban 2 años

Con Claude Science las redujo a semanas. Mas de 100 paginas. Citas verificadas por agentes, no por el

Manifold Bio lo uso para rankear candidatos de farmacos completos

Lo que antes le tomaba a un equipo entero meses de cruzar bases de datos, ahora es un solo flujo de principio a fin

Ya esta en beta para macOS y Linux

Mientras tanto en miles de labs siguen pagando bioinformaticos para hacer a mano lo que esto resuelve en minutos

La pregunta no es si la IA puede hacer ciencia

Es cuantos labs van a seguir haciendo las cosas a la antigua cuando ya no necesitan hacerlo

[Krinza @krinza]

claude for science just dropped, exciting things are about to happen.