MedulavaAIと医学を学ぶ
p値が小さくても重要な差とは限りません。架空の平均差と95％信頼区間を使い、統計学的有意差、臨床的重要性、推定の精度を読み分けます。
p＝0.03と書かれた研究を見て、「治療が効く確率は97％」と読んでいませんか。p値は、帰無仮説と解析の仮定のもとで、今回以上に極端な結果が出る確率です。効果がある確率や、結果が再現する確率ではありません。まず、何をどの単位で比べた研究かを確かめます。
平均差なら、介入群から対照群を引いたのか、その逆なのかを読みます。血圧の差−3 mmHgと、症状スコアの差−3点は、同じ「−3」でも意味が違います。低いほどよい指標なのかも確認が必要です。
差の指標では0、リスク比など比の指標では1が無効果に対応します。ここを取り違えると、信頼区間を正しく読めません。調整前後の推定値や、追跡時点を混ぜず、一つの比較条件にそろえます。
感度・特異度が同じ検査でも、対象集団によって陽性の意味は変わります。架空の1000人を使い、的中率と尤度比を順に計算します。
リスクが半減しても、減る人数は元のリスクで変わります。架空の試験を使い、RR・ARR・NNT・NNHと追跡期間の読み方を整理します。
全体では差が見えても、年齢別に分けると結果が変わることがあります。架空の人数表を使い、交絡・媒介・コライダーと研究の読み方を整理します。
論文を読む場面では、点推定の位置と区間の幅を併せて確認します。幅が狭ければ推定は精密ですが、測定の偏りや交絡まで小さいことを保証しません。同じ信頼水準でも、標本数、ばらつき、解析方法で幅は変わります。
以下は編集部が作成した学習例です。低いほどよい症状スコアで、介入群−対照群の平均差を示します。仮に「3点以上の低下」を臨床上意味のある改善と事前に定めたとします。この3点は実在する尺度の基準ではありません。
研究 | 平均差と95％信頼区間 | 読み取れること |
|---|---|---|
A | −0.5点（−0.8〜−0.2） | 0を含まないが、仮定した3点の改善には届かない |
B | −3点（−7〜＋1） | 大きな改善から小さな悪化まで残り、推定が不精密 |
C | −4点（−5〜−3.2） | 仮定した改善幅と整合し、A・Bより判断材料がそろう |
Aのp値が小さくても、それだけで患者にとって大切な改善とは言えません。Bも「有意差がないから効果がない」と結論づけると、区間に残る大きな改善の可能性を捨ててしまいます。Cについても、害、費用、対象集団、尺度の妥当性を別に読みます。
通常の優越性検定で帰無仮説を棄却できなかったことは、二つの治療が同等だという証明ではありません。同等性や非劣性を示すには、許容する差を事前に定め、その目的に対応した設計と解析が必要です。
95％信頼区間が無効果を含まないことと両側5％検定の有意性は、同じモデル・同じ推定方法の対応する検定なら通常整合します。片側検定、異なる補正、異なる解析集団を並べた場合は、単純に対応させません。
独立な観測で、ばらつきと推定方法が同じという単純化では、標準誤差は標本数の平方根に反比例します。標本数が100から400になると、標準誤差と区間の幅はおおむね半分になります。効果そのものが2倍になるわけではありません。
多くの項目を調べ、有意だった結果だけを選ぶと、読み手には試行全体が見えません。主たる転帰が事前に決まっていたか、欠測と多重比較をどう扱ったかも確認します。復習では「効果量と単位」「区間の幅」「重要と考える差」「研究の限界」の四つを、一文ずつ書いてみてください。
信頼区間とp値
この記事に対応した3問です。解答後に各選択肢の理由を読み、記事の該当箇所へ戻れます。登録せずに解説まで読めます。
3問を解く医療系学生向けの学習情報を編集・提供しています。
低酸素血症を考えるために、低V/Q、シャント、高V/Q、死腔を整理。酸素への反応とCO2排出を学習用モデルで説明します。