トンデモ横断研究事例

結局，「MRを大切に」っていう，怪しげなステルスマーケティング．こんな「解析」とやらがどんどん出てくるのも，ビッグデータと称するゴミ集積場とAIのおかげ．製薬企業も営業部門にも生物統計家を置いて，とんでもないイカサマ商品を売りつけられないようにしないと．（→AIの忖度・爺様の直言）
--------------------------------------------------------------------------------------------
ディテール反応性が低い医師、優秀MRに伝えて改善を　　エイザスのAI解析日刊薬業　2018/9/13 20:30
　エイザスは、同社の数理モデルAI「Forecast-A1」を用いてMRによるディテールの医師反応度解析を行った結果、「優秀なMR」がディテールへの反応性が高い医師だけでなく、低い医師も数多く担当していることが分かったと発表した。
　解析では、ディテールへの反応性が高い医師を数多く生み出せるMRを「優秀なMR」と定義（＊1）。優秀なMRは全体的にカバー医師数と活動量が多いため、ディテール反応性の高い医師だけでなく低い医師も数多く担当（＊2）しており、優秀なMR1人当たりのディテール反応性の高い医師数は平均の2.6倍、低い医師数は平均の2倍だった。
　同社は、「優秀なMRに（数理モデルAIによる解析結果に基づいて）ディテール反応性の低い医師を知らせることで、すぐにディテール内容の修正対応が行われ、多くの医師で反応性の改善が期待される。下位MRへの指導も重要だが、優秀MRに改善ポイントを伝える（＊3）方が早期に結果が得られる可能性が高い」としている。
--------------------------------------------------------------------------------------------
老婆心（今時はセクハラワード？）に基づく注．学生向けの臨床研究の講義で，この記事を教材として使うに時，参考にしてください．
＊1この定義は妥当か？本当にMRがディテールへの反応性が高い医師を「生み出している」のか？
＊2単に数をこなしているというだけという可能性を排除できない，というよりそちらの可能性の方がはるかに高い
＊3上記１，２は，このインチキ横断研究が抱える問題点のごく一部に過ぎない．だから仮に１，２の問題点が両方クリアできたとしても，「優秀MRに改善ポイントを伝える」という介入の妥当性は決して担保されるものではない．

参考：この記事に関するエイザスの報道発表（2018/9/12）

→目次へ戻る