MedulavaAIと医学を学ぶ
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。
サプリメントを使う人の入院率が高いという結果が出ても、サプリメントが入院を増やしたとは、まだ言えません。利用者に高齢者や重症者が多ければ、背景の違いが全体の比較へ混ざるからです。ここでは、計算できる小さな表で交絡を考えます。
以下は編集部が作成した説明用データです。サプリメントの効果を検証した実在研究ではありません。全員を同じ1年間追跡し、入院の有無を確認したと仮定します。
年齢層 |
|---|
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。
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。
利用群：入院/人数
非利用群：入院/人数 |
|---|
高年齢層 | 32/80＝40％ | 8/20＝40％ |
若年齢層 | 2/20＝10％ | 8/80＝10％ |
全体 | 34/100＝34％ | 16/100＝16％ |
全体のリスク比は34÷16≒2.13です。しかし高年齢層どうしでは40％対40％、若年齢層どうしでは10％対10％。この表では利用群に高年齢層が多く、その構成の違いが全体の差を作っています。
両群を「高年齢層50％・若年齢層50％」の集団へ標準化すると、どちらも0.5×40％＋0.5×10％＝25％になります。全体の34％対16％を、そのまま介入の効果と読んではいけない理由が見えてきます。
ただし、年齢をそろえたら因果関係が証明されたわけではありません。既往、健康行動、重症度、医療へアクセスしやすいかなど、測定していない違いが残る可能性があります。ここで示したのは、集計の仕方が見かけの関連へ与える影響です。
変数の役割 | 編集部による架空例 | 調整を考えるときの注意 |
|---|---|---|
共通原因・交絡因子 | 重症度が治療選択と死亡の両方へ影響 | 治療前に測定できているかを確認 |
媒介因子 | 治療が血圧を下げ、その結果として転帰が変わる | 総効果を知りたい解析では、その経路を消さない |
共通結果・コライダー | 曝露と疾病が、どちらも入院へ影響 | 入院者に限定すると選択による関連を作り得る |
変数の役割は名前で決まりません。「血圧」は、研究の時間順序や問いによって交絡候補にも媒介因子にもなります。まず何の介入・曝露が、いつの転帰に与える効果を知りたいのかを定めます。
治療後に測った値を全部回帰式へ入れると、治療効果の一部を除いたり、選択による偏りを作ったりすることがあります。層別化、回帰、傾向スコアなどは便利ですが、必要な情報が測定され、モデルや比較可能性の仮定が妥当かという問題は残ります。
ランダム化は割付時の交絡を平均的に抑える設計です。それでも小標本の偶然の偏り、脱落、割付後の治療変更まで自動的に解決するわけではありません。観察研究にも試験にも、それぞれの設計に沿った点検が必要です。
何と何を比べているか：治療開始、曝露の量、比較群を具体的にする。
いつから追跡したか：曝露の判定と追跡開始のずれを確かめる。
何が起きたか：転帰の定義と確認方法を読む。
何を調整したか：治療前の共通原因か、治療後の変数かを分ける。
何が残り得るか：未測定交絡、選択、測定誤差、不確実性を書く。
結論を書くなら「関連がみられた」「この交絡候補を調整した後にも差が残った」までと、因果効果を主張するための追加の仮定を分けます。p値が小さいことだけでは、この区別は埋まりません。
交絡と因果推論
この記事の内容に対応した3問です。解答後に、正答と各選択肢の理由を確認できます。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。