博學之 審問之 愼思之 明辨之 篤行之

  사실 이 텝스 성적으로는 좋은 회사에 취업하기는 힘들다. ㅡㅡ;; 하지만, 논문자격심사 시험에 지원하기 위해서는 반드시 영어 성적이 일정 기준 이상이 되어야 하는데 저주받은 영어 유전자로 그 동안 힘들었다.

  수차례의 시도 끝에 겨우 성공했다. ㅠㅠ 앞으로 특별한 일이 생기지 않는한.. 두 번 다시 텝스는 치지 않으리..ㅠㅠ

  이번에 병리학회 워크샵에서 마지막날에 독립기념관에 잠깐 들렀다. 잠깐뿐이었지만 이 곳은 대한민국 국민이라면 누구나 한 번쯤은 다녀 와야 하는 곳이라고 생각된다.

  정말 가끔씩 볼 수 있는 것이다. 신장 이식 환자들에게서 antibody-mediated rejection 이 있을 때 C4d의 침착이 관찰된다고 한다. 
 
  아래쪽 사진은 ABO mismatch 신장 이식 증례이다. 임상 요청이 들어와서 원래 예정에 없는 IgM 에 대한 염색을 시행하였는데 C4d가 침착되는 곳과 같은 곳인 peritubular capillary 에 IgM 의 침착이 관찰되었다. 요청하는 장기이식 센터의 선생님의 말씀에 의하면 침착이 관찰될 수 있지만, 임상적인 의미는 부여할 수 없는 그런 상황이라고 한다.

  ABO mismatch 인 신장 이식이 증가하면서 acute antibody-mediated rejection 이 자주 관찰되는데, 병리 소견으로는 rejection 이 맞는데 임상적으로는 no rejection 인 경우가 많아서 서로서로 피곤하다. ㅡㅡ


  참.. 오늘의 교훈은 병리과에 요청을 할 일이 있으면, 명확하게 표현을 해야한다는 것! IgM 염색도 요청하지 않았으면, 그냥 지나갈 뻔 한 소견이다.

  별로 써먹을 일은 없을 것 같지만, 외워보고 싶었다. :)

Reference: http://en.wikipedia.org/wiki/ICAO_spelling_alphabet

  엄청 오래된 벽걸이 시계여서 못 고칠 줄 알았다. 하지만, 뛰어난 기술을 자랑하시는 사장님 덕분에 내부 부품을 새로 교체했다. 밧데리 교환이나 시간을 맞출 때 뚜겅을 열어야 한다는 불편함이 있기는 하지만, 그래도 다시 돌아가는 시계를 보고 있으면 기분이 좋다. :)

  앞으론 마끼야또를 주문할 때에.. 스타벅스에서 파는 카라멜 마끼야토 같은 걸 주세요라고 해야 겠다.
  설탕 봉지를 엄청 깠는데.. 효과가 약했다. OTL

  지난번 그리스 전이나 이번 아르헨티나 전이나 모두 예상했던 득점을 비켜 나가고 있다. 펠레의 저주랑 비슷한 건가.. ㅡㅡ

  강경파 혹은 매파와 온건파 혹은 비둘기파가 있는 것 같다.

  리스토란테 에오에 갔다 왔다. 위치를 잘못 알고 가서 고생을 좀 하기는 했지만..
  좋은 서비스, 좋은 분위기를 자랑한다. 양이 조금 적은 듯 하지만, 남녀를 불문하고 모든 코스 요리를 다 먹을 수 있다는 점은 오히려 양의 배분이 적절한 것으로 생각해도 될 것 같다. 대부분의 음식은 돈이 아깝지 않은 맛을 자랑하고 있다. ZAGAT 에 나온 평과 거으 일치한다. 대부분의 음식이 맛이 있다라고 한 것은 '푸와그라'를 어떻게 먹는지 몰라서 그냥 먹어 봤는데 너무나도 느끼해서.. :)

  저녁 코스로 갔는데 코스 요리 1번과 2번이 있는 편안한 선택 구조로 되어 있다. 어떻게 먹는지 몰라 고민하는 부분만 빼면 선택을 해야하는 고민은 안할 수 있다. 스테이크의 경우 Medium 보다는 조금 더 약하게 익혀야 육즙이 흘러나올 듯 하다.

  참.. ZAGAT에서는 올바른 위치이지만, 다음 지도에서는 옛 위치를 가리키고 있다. 청담사거리에서 갤러리아 방면으로 올라가는 길에 GUCCI 매장이 보이는데 그 골목길로 들어간 후 우측으로 돌아서 3번째 건물쯤에 가면 골목길과 같은 입구가 있는 곳이다.

  다른 연구 자료의 Survival curve 로 좀 고민하다가 찾은 내용이다.(http://www.cbgstat.com/methods/R_maximal_chi/R_maximal_chi.htm)

  특정 조건에 따른 생존 곡선을 작성할 때 cutoff value 값을 정해야 할 필요가 있는데 친절하게도 p-value 가 가장 작아지는 범위를 골라준다. 이 함수의 이름과는 좀 다르다. :)

  maxstat 이라는 라이브러리를 설치해야 한다. survival 라이브러리는 일반적으로 기본적으로 설치되어 있다.

abc <- read.table("GBM_data.csv", header=TRUE, sep=",")

max <- maxstat.test(Surv(Survival, Death) ~ Age, data=abc, smethod="LogRank", pmethod="HL")
다양한 옵션이 있지만 최소한의 옵션 정도는 위와 같다.

Surv(Survival, Death) ~ Age 
  Survival 은 생존 기간 정보가 들어간 항목, Death 는 특정 event가 발생한 항목, Age는 cutoff 값을 알고 싶은 항목이다. Death 부분에는 기본적으로 0은 생존, 1은 event 발생이 들어가게 된다.

smethod는 어떤 방식에 의하여 검증 할 것인가, pmethod는 p.value 검정 방법이다. 이 두 항목은 잘 모르겠다. :)

이런식으로 결과 값이 나온다. estimated cutpoint 에 나오는 값이 cutoff 값이다. 아직 다른 항목으로 확인을 못했봤지만 작은 값부터 시작하여서 p-value 를 찾는 것 같으며, cutpoint 보다 같거나 작은 값과 그 보다 큰 값으로 분류가 되어 있다. 그리고 문제는 저 p-value 인데 이 통계 방법에서 나오는 p-value 와 SPSS에서 나오는 p-value 는 다르게 나온다. 해결하는 방법은 따로 한 번 더 구하면 되는 것이다. 그 과정은 약간의 자료값을 처리해야 한다. 이제부터는 cutpoint 가 정해진 age 값이 있기 때문에 그 보다 같거나 작은 값과 큰 값을 가지는 값을 새롭게 만들어야 한다.

a <- matrix(nrow=22, ncol=3)
우선 새로운 matrix 를 만들어야 하는데, 22는 증례 숫자, 3은 Survival, Event, Age(cutpoint에 의한 재분류) 값을 위한 것이다.

for (X in 1:22){a[X,1] <- abc[X,2];a[X,2] <- abc[X,3]}
첫 번째 column 은 survival 값이 들어가고, 2번째 column 은 Event 정보가 있는 값이 들어간다.

for (X in 1:22){if (abc[X,1] <= max$estimate) {a[X,3] <- 1} else {a[X,3] <- 2}}
abc라는 자료의 첫 번째 column 에는 나이가 있었는데 그 값이 이번에 구한 cutpoint 인 5보다 같거나 작으면 그 항목에는 1이라는 값을 그렇지 않으면 2라는 값을 입력하도록 했다.

plot(survfit(Surv(a[,1],a[,2]) ~ a[,3]), lty=4:5)
이렇게 하면, survival curve 를 구할 수 있고

survdiff(Surv(a[,1],a[,2]) ~ a[,3])
이렇게 하면, p-value를 알 수가 있다.