ELSA COVID-19スタディの非回答予測

毎年、組織は情報を集めるためにたくさんの時間とお金を使ってアンケートを実施してるんだ。でも、フォローアップのアンケートに参加しない人もいるのは何でだろう？引っ越したり、健康問題があったり、もういなくなってるからかもしれないね。この記事では、「英語の長期高齢者研究 COVID-19 サブスタディ」という特定の研究に焦点を当てるよ。この研究はパンデミック中に情報を集めたけど、最初のラウンドの参加者の中には二回目に出なかった人もいたんだ。私たちの目標は？いろんな要素を使って、誰が反応しないかを機械学習手法で見つけることだよ。

#研究の理解

ELSA COVID-19 サブスタディはパンデミック中に二回に分けて行われた。最初のラウンドは2020年の6月から7月、二回目は同年の11月から12月に行われたんだ。それ以来、たくさんの研究者が集めたデータに取り組んでる。私たちは、機械学習の方法（K最近傍法、ランダムフォレスト、ロジスティック回帰など）を使って、誰が二回目をスキップするか予測することを目指してるよ。

#なぜ重要なの？

組織がアンケートに反応しない人を特定できると、リソースを節約できるんだ。例えば、イギリスの国家統計局はロジスティック回帰を使って人々の反応の可能性を予測しようとしてる。2012年にはアメリカのイニシアティブが反応しない人のための予測モデルを開発するためのコンペを行ったこともあって、先進的な手法を使う重要性が強調されたんだ。

#非回答の調査

私たちはELSA研究の二回目に注目してる。データについてはたくさんの研究が行われてるけど、特に非回答を探る研究は少ないんだ。これを変えたいと思ってる。前のELSAラウンドとは違って、参加しなかった理由に関する証拠を提供する研究はなかったから、誰が二回目に反応しなかったのかを特定する要素を見つけたいんだ。

#データセットは？

ELSA研究は二年ごとに行われる自己報告のアンケートで、50歳以上の人を対象にしてる。元のサンプルは以前の健康調査に参加した世帯から選ばれたんだ。これまでに9回の波が完了し、COVID-19の影響を調べるための新しい研究が行われたよ。健康、人口統計、雇用についての高齢者への影響を見てる。

私たちの分析では、年齢要件を満たして以前の調査に参加したコアメンバーを考慮するんだけど、最初のラウンドから二回目への応答が顕著に減少したんだ。

#応答の分析

ほとんどの参加者は最初のコホートから来てる。面白いことに、多くの人が電話よりもオンラインでインタビューを受けたがってたんだ。さらに大事なことに、パンデミック中に住んでいた場所が彼らの応答に影響を与えたことに気づいたよ。大多数がいつもの住居にいたけど、いくつかはケアホームにいた。健康問題、雇用の変化、人口統計などが応答するかどうかを決定する重要な要素だったんだ。

#使用した機械学習モデル

私たちは問題に対処するためにいくつかの機械学習モデルを使ったよ。

#K最近傍法 (KNN)

このモデルは、最も近いデータポイントを見て結果を予測するんだ。映画を見る前に友達に感想を聞くようなもので、親友が好きだと言ってたら、君も見てみようかなって思うかも！

#決定木

フローチャートを描くのをイメージしてみて。各ポイントで自分が知っていることをもとにどの道に行くか決めるんだ。この木はデータを分類するのに役立って、理解しやすいんだよ。

#ランダムフォレスト

これは決定木の森全体だと思ってね。各木が結果に投票して、多数決で決まる。友達に夕食の行き先を尋ねて、人気の選択肢に行くようなもんだね。

#ロジスティック回帰

これは結果が起こる確率を予測するための統計手法だよ。特に、誰かが反応するかどうかみたいな二項結果に役立つんだ。

#ニューラルネットワーク

これは人間の脳に触発されたもので、相互接続されたユニットやニューロンから成り立ってるんだ。複雑なデータに対してうまく機能するけど、木と比べて解釈が少し難しいかも。

#サポートベクター分類器 (SVC)

SVCは、データの異なるクラスを分ける最適な線を見つける手助けをするんだ。クラブのバウンサーが特定の人だけを入れるみたいなもんだね。

#アンサンブル法

これらの手法は複数のモデルを組み合わせてパフォーマンスを向上させるんだ。異なる才能を持ったチームを集めて、より良い結果を得るような感じ。

#モデルの評価

モデルをトレーニングした後、どれだけうまく機能したか評価する必要があるんだ。正確さや他の指標（精度や再現率など）に焦点を当てるよ。正確さは大事だけど、それだけが全てじゃない場合もある。特に不均衡なデータセットでは、真のポジティブ（反応しなかった人）を見つけることが全体の正確さよりも重要なことがあるんだ。

#結果と観察

データを分析した結果、全体的にランダムフォレストモデルが最もよく機能して、KNNは真のポジティブを予測するのに優れてることがわかったよ。ただ、SVCとニューラルネットワークは少し苦労してた。

モデルは応答に影響を与えるいくつかの重要な要素を特定したんだ。面白いことに、インタビューの方法が重要な要素として際立ってた。オンラインでインタビューを受けた人の方が、電話で受けた人より二回目に参加しない傾向が強かった。

#健康と他の影響

健康問題も重要な要素として現れたんだ。COVID-19の影響を最も受けた地域では、非回答が多かったみたい。パンデミック中の人々の身体活動レベルも影響を与えたようで、あまり活動的でなかった人は辞めた可能性が高かったんだ。

#これが意味すること

どの人がアンケートに反応しないか予測することは、組織にとって重要なんだ。非応答の要因を理解することで、今後のアンケートに対する戦略を立てることができる。ここでの発見はELSA研究だけでなく、さまざまなアンケートや研究にも応用できるよ。

#結論

このELSA COVID-19データセットの分析では、非回答の予測に取り組み、参加者の意思決定に影響を与える重要な要因を浮き彫りにしたよ。ランダムフォレストとKNNが際立っていたけど、ロジスティック回帰は素晴らしい一般化能力を示したんだ。

これらの要因を特定することで、組織は将来のアンケートのために情報に基づいた決定を下し、時間とリソースを節約できることが明らかになったね！

次回、私たちの予測が反応率を改善するのに役立つことを願ってるよ。結局、声を持つ研究に参加したいと思わない人なんていないからね！