【EZR/R】 "1行＝1症例"の原則、なぜ守らないと解析が壊れるのか

これまで、表記ゆれ、欠損値、外れ値、カテゴリ変数と、

「列（項目）の中身」をどう整えるかについて見てきました。

今回は少し視点を切り替えて、

「表全体の構造」そのものについて取り上げます。

---

基本は「1行＝1症例」

EZR／Rにデータを読み込ませる際、

最も基本となるのがシンプルな構造です。

原則として、

「1行につき患者様1人分」「1列につき1つの項目」

という表を作ります。

これがすべての土台になります。

前回までに扱ってきた「表記ゆれ」も「欠損値」も

「カテゴリ変数の設計」も、

この土台となる構造が整っていることが前提になっています。

逆に言えば、構造そのものが崩れていると、

どれだけ列の中身を丁寧に整えても、解析は正しく動きません。

---

複数回測定するデータは、「縦持ち」にする

「術前・術後・1ヶ月後」のように、

1人の患者さんから複数回データを取る場合や、

1人から複数箇所のデータを取る場合は、少し形が変わります。

1行に1つの測定結果が入る形式

（同じIDが複数行に並ぶ、縦長のデータ）にするのが基本です。

この「1行＝1つの観測」という考え方は、

統計ソフトウェアの世界で整然データ（tidy data）と

呼ばれる設計思想にあたります。

2014年に統計学者ハドリー・ウィッカムが提唱したこの考え方は、

今やRをはじめとする多くの解析環境で標準的な前提になっています。

「なんとなく見やすい表」ではなく、「ソフトウェアが正しく読み取れる表」を作る、という発想の転換がここにあります。

---

避けたいレイアウト

逆に、次のようなレイアウトは解析を壊す原因になります。

・セルの結合（タイトル行や見出しの結合）

・表の末尾に平均・合計などの「集計行」を入れる

特に後者は要注意です。

Rはこれを「もう1人分のデータ」として読み込んでしまい、

平均値や標準偏差の計算そのものを狂わせてしまいます。

見た目には親切なようで、実は解析にとって最も厄介なノイズです。

---

まとめ

・「1行＝1症例、1列＝1項目」が、すべての解析の土台になる

・複数回・複数箇所のデータは、同じIDが複数行に並ぶ「縦持ち」の形式にする

・セルの結合や集計行の追加は、解析を壊す典型的な原因になる

次回からは、

この土台の上に立つ「解析の考え方」そのものに踏み込んでいきます。

データを探る姿勢（EDA）と、仮説を確かめる姿勢（CDA）

この2つがどう関係しているのか、改めて整理していきます。