16 0 0 0 OA 官報

著者
大蔵省印刷局 [編]
出版者
日本マイクロ写真
巻号頁・発行日
vol.1886年07月19日, 1886-07-19
著者
ロウド・リトン 著
出版者
坂上半七
巻号頁・発行日
vol.初編, 1879
著者
登田 美桜 畝山 智香子 豊福 肇 森川 馨
出版者
公益社団法人 日本食品衛生学会
雑誌
食品衛生学雑誌 (ISSN:00156426)
巻号頁・発行日
vol.53, no.2, pp.105-120, 2012-04-25 (Released:2012-05-19)
参考文献数
15
被引用文献数
6 10

自然毒による食中毒発生リスクを効率的に低減させるためには,過去の発生状況およびリスク因子等に基づく重点的なリスク管理が必要である.本研究では,厚生労働省監修の全国食中毒事件録(平成元年~22年版)の自然毒食中毒事例を基に,わが国における中毒発生の傾向を検討した.平成元年以降の22年間を通じて自然毒食中毒の発生件数に経年的な減少傾向は見られず,発生を低減するために予防のための継続的な取り組みが必要であると考えられた.動物性および植物性いずれの自然毒においても主な原因施設は「家庭」であり,食中毒の発生状況および予防策,対応等について消費者向けの広い啓蒙・広報が重要である.また,食品の国際的な流通拡大や地球温暖化による海水温の上昇に伴い,これまで国内で食中毒が発生していない自然毒への対策も重要である.

10 0 0 0 OA 滑稽絵本全集

著者
古谷知新 編
出版者
文芸書院
巻号頁・発行日
vol.上巻, 1919
著者
臼井 翔平 鳥海 不二夫 石井 健一郎 間瀬 健二
出版者
人工知能学会
雑誌
人工知能学会全国大会論文集 (ISSN:13479881)
巻号頁・発行日
vol.26, 2012

2011年の東日本大震災はソーシャルメディアに大きな影響を与えた.その中でもTwitterは,その性質を大きく変貌させ,情報の拡散に大きく貢献した.これらのソーシャルメディアは災害時の情報源として期待されている.本研究では,Twitterのコミュニケーションによるネットワークの構造変化がTwitterでの情報伝播にどのように影響するのかを分析する.変化したネットワークは情報伝播しやすくなっていた.
著者
中村 かれん
出版者
東京大学社会科学研究所
雑誌
社會科學研究 (ISSN:03873307)
巻号頁・発行日
vol.57, no.3/4, pp.184-205, 2006-03-28

日本の聴覚障害者を代表する団体は,政府の利益を推進するよう設計された法的環境のなかで単に活動しているというだけでなく,さらに進んで,システムを自己の利益のために操作することにも成功している.この団体は,政治権力による統制を避けるために,団体をアメーバのように細分化し,団体構造の柔軟性を保ってきた.本論文は,日本の市民社会構造の中での政治権力とそれに対する抵抗の問題を取り上げる.
著者
太田 翔護
出版者
人工知能学会
雑誌
人工知能学会全国大会論文集 (ISSN:13479881)
巻号頁・発行日
vol.26, 2012

議論研究の分野において, 議論は論理学と密接な関係がある. 論理学というのは一般に西洋論理学のことを指し, 議論もこの西洋論理学に則して行われているが, この他にも東洋の論理学としてインド論理学というものが知られている. 本研究では, インド論理学における典型的な「五支論証」を議論の中に取り入れることにより, 事例(比喩表現)を使った論証がより高い説得力を持つ「東洋的な議論モデル」を提案する.
著者
鈴木 越治 小松 裕和 頼藤 貴志 山本 英二 土居 弘幸 津田 敏秀
出版者
日本衛生学会
雑誌
日本衛生学雑誌 (ISSN:00215082)
巻号頁・発行日
vol.64, no.4, pp.796-805, 2009 (Released:2009-10-02)
参考文献数
56
被引用文献数
1 1

Confounding is frequently a primary concern in epidemiological studies. With the increasing complexity of hypothesized relationships among exposures, outcomes, and covariates, it becomes very difficult to present these hypotheses lucidly and comprehensively. Graphical models are of great benefit in this regard. In this article, we focuse on directed acyclic graphs (DAGs), and review their value for confounder selection, categorization of potential biases, and hypothesis specification. We also discuss the importance of considering causal structures before selecting the covariates to be included in a statistical model and the potential biases introduced by inappropriately adjusting statistical models for covariates. DAGs are nonparametric and qualitative tools for visualizing research hypotheses regarding an exposure, an outcome, and covariates. Causal structures represented in DAGs will rarely be perfectly “correct” owing to the uncertainty about the underlying causal relationships. Nevertheless, to the extent that using DAGs forces greater clarity about causal assumptions, we are able to consider key sources of bias and uncertainty when interpreting study results. In summary, in this article, we review the following three points. (1) Although researchers have not adopted a consistent definition of confounders, using DAGs and the rules of d-separation we are able to identify clearly which variables we must condition on or adjust for in order to test a causal hypothesis under a set of causal assumptions. (2) We also show that DAGs should accurately correspond to research hypotheses of interest. To obtain a valid causal interpretation, research hypotheses should be defined explicitly from the perspective of a counterfactual model before drawing DAGs. A proper interpretation of the coefficients of a statistical model for addressing a specific research hypothesis relies on an accurate specification of a causal DAG reflecting the underlying causal structure. Unless DAGs correspond to research hypotheses, we cannot reliably reach proper conclusions testing the research hypotheses. Finally, (3) we have briefly reviewed other approaches to causal inference, and illustrate how these models are connected.