クリティカルリーディング（論文の批判的吟味）

🧠 全体像：論文の批判的吟味 critical reading 批判的吟味（critical reading） critical reading（批判的吟味） は、結果と真実のズレを「偶然chance 偶然（chance）chance（偶然） （ランダムエラーrandom errorランダムエラー（random error）random error（ランダムエラー））」と「系統的な歪み（バイアスbiasバイアス（bias）bias（バイアス））」に切り分ける作業である。ランダムエラーrandom error ランダムエラー（random error）random error（ランダムエラー） は標本数 sample size 標本数（sample size） sample size（標本数） を増やせば減らせるが、バイアスbias バイアス（bias）bias（バイアス） は標本数 sample size 標本数（sample size） sample size（標本数） に関係なく残るという違いが、両者を区別する最大のポイントとなる。

論文の構成要素

💡 論文の批判的吟味 critical reading 批判的吟味（critical reading） critical reading（批判的吟味） とは、文章を流し読むだけでなく、問い・研究方法・推定値・限界を順に確認して、結論conclusion 結論（conclusion）conclusion（結論） が結果に見合うかを判断することである。

ランダムエラーとバイアス

⚠️ バイアスbias バイアス（bias）bias（バイアス） は標本数 sample size 標本数（sample size） sample size（標本数） を増やしても解消されない点が、ランダムエラーrandom error ランダムエラー（random error）random error（ランダムエラー） との決定的な違いである。バイアスbias バイアス（bias）bias（バイアス） が最小限であれば研究結果の信頼性 reliability 信頼性（reliability） reliability（信頼性） は高いが、標本数sample size 標本数（sample size）sample size（標本数） だけでは補えない。

精度と妥当性：的当ての図

「ばらつきが小さい」ことと「真の値に当たっている」ことは別である。

💡 標本数sample size 標本数（sample size）sample size（標本数） を増やすと「ばらつき」は小さくなる（精度が上がる）が、「一方向のずれ」は直らない。精度が高い結果は、バイアスbias バイアス（bias）bias（バイアス） がないことを意味しない。

ランダムエラーrandom error ランダムエラー（random error）random error（ランダムエラー） の原因は、主に①個体のばらつき（同じ人でも日・時間で値が変わる、人によって違う）と②機器のばらつき（測定装置の精度）である。

⚠️ ランダムエラーrandom error ランダムエラー（random error）random error（ランダムエラー） と、群間で偏らない誤分類は別の概念である。 授業は、ランダムエラーrandom error ランダムエラー（random error）random error（ランダムエラー） を「すべての集団を同じように誤分類する妥当性 validity 妥当性（validity） validity（妥当性） の低い測定」、系統誤差systematic error 系統誤差（systematic error）systematic error（系統誤差） （バイアスbiasバイアス（bias）bias（バイアス））を「症例と対照を別の方向に誤分類する測定」と説明する。前者は非差異的誤分類、後者は差異的誤分類にあたる。非差異的誤分類は系統的な測定の欠陥であり、偶然chance 偶然（chance）chance（偶然） によるばらつき（ランダムエラーrandom errorランダムエラー（random error）random error（ランダムエラー））そのものではない。非差異的誤分類は、二値の曝露・疾患では、一般に関連を弱める向きに働く。

研究で何が誤りうるか：9つの確認項目

論文を読むときは、結果が真の値からずれうる箇所を、次の順にチェックする。

バイアスの種類

選択バイアス

• 研究への参加や追跡への残存が曝露と結果の双方に関連すると、群間の比較が歪む。
• 標的集団を代表しないことは、主に結果を一般化できる範囲の問題となる。代表性の欠如だけで研究集団内の効果推定が必ず歪むわけではない¹。
• 症例・対照の選び方、参加の動機、追跡からの脱落を確認する。

💡 健康労働者効果では、雇用時の健康選抜と、体調を崩すと離職する就業継続中の脱落により、就業者が一般人口より健康な集団になりやすい。この現象は、選択バイアスselection bias 選択バイアス（selection bias）selection bias（選択バイアス） の特殊な形とされる一方、交絡confounding 交絡（confounding）confounding（交絡） （健康状態が曝露＝就業と結果の両方に関連する）としても説明でき、どちらに分類するかが議論されてきた²。

選択バイアスselection bias 選択バイアス（selection bias）selection bias（選択バイアス） の例

授業は、選択バイアスselection bias 選択バイアス（selection bias）selection bias（選択バイアス） のその他の原因として、病院・有償の参加者に加えて、疾患・曝露を見出しとして挙げる（疾患・曝露についての説明は授業資料にない）。

授業の小テスト：研究の信頼性 reliability 信頼性（reliability） reliability（信頼性） を上げる方法。 授業の正答は、コホート研究cohort study コホート研究（cohort study）cohort study（コホート研究） では「代表的な集団を選ぶこと」、症例対照研究case-control study 症例対照研究（case-control study）case-control study（症例対照研究） では「症例と対照をマッチングすること」である。

⚠️ この2つは、各デザインで目立つ弱点への代表的な答えとして読む。代表的な集団を選ぶことは、主に結果を当てはめられる範囲（一般化可能性）を決めるもので、研究内の効果推定が歪むかどうかとは別の問題である¹。症例対照研究case-control study 症例対照研究（case-control study）case-control study（症例対照研究） のマッチングも、それだけでは交絡 confounding 交絡（confounding） confounding（交絡） を制御しない（下の「交絡confounding 交絡（confounding）confounding（交絡） の制御」）³。

💡 志願者は一般より健康である。 がん検診の無作為化試験の参加者では、試験の初期に、全死因の標準化死亡比 standardized mortality ratio 標準化死亡比（standardized mortality ratio） standardized mortality ratio（標準化死亡比） が米国人口に対して男性46・女性38・全体43（標準＝100）と低く、参加後の年数とともに31（1年目）から48（7年目）へ上がった⁴。「検診を受けた人は長生きだった」を、検診の効果と取り違えてはならない（志願者の健康さが混ざる）。

情報バイアス

• 曝露や疾患の評価方法そのものに欠陥があり、曝露または疾患が誤分類される。

交絡

• 観察された関連が、実は別の独立した因子によって説明される状態。
• 研究対象集団 study population 対象集団（study population） study population（対象集団） の中に、曝露と疾患の両方に関連する別の曝露が存在するときに生じる。
• 2つの曝露（危険因子）の効果が分離されておらず、本来は一方の効果であるのに他方の効果であると誤って結論 conclusion 結論（conclusion） conclusion（結論） づけてしまう。

⚠️ 交絡confounding 交絡（confounding）confounding（交絡） を「バイアスbiasバイアス（bias）bias（バイアス）」に含めるかどうかは教科書によって扱いが割れる。 Grimes と Schulz は選択バイアス selection bias選択バイアス（selection bias） selection bias（選択バイアス）・情報バイアスinformation bias情報バイアス（information bias）information bias（情報バイアス）・交絡confounding 交絡（confounding）confounding（交絡） の3つを、観察研究の内的妥当性 validity 妥当性（validity） validity（妥当性） を脅かす別々の要因として並列に扱う（交絡confounding 交絡（confounding）confounding（交絡） は「関連を測ろうとして実際には第三の因子の効果を測ってしまう混合」と定義される）⁶。一方で、交絡confounding 交絡（confounding）confounding（交絡） は研究デザイン study design 研究デザイン（study design） study design（研究デザイン） の欠陥というより「真の」データ構造の性質であり、選択・情報バイアスinformation bias 情報バイアス（information bias）information bias（情報バイアス） とは性質が異なるとして別枠で論じる立場もある。

💡 無作為化比較試験randomized controlled trial (RCT) 無作為化比較試験（randomized controlled trial (RCT)）randomized controlled trial (RCT)（無作為化比較試験） では、測定していない交絡因子 confounding factor 交絡因子（confounding factor） confounding factor（交絡因子） までを含めて期待値として両群を均等化できる。ただし無作為化 randomized 無作為化（randomized） randomized（無作為化） が対処できるのは割付 allocation 割付（allocation） allocation（割付） 時点の交絡 confounding 交絡（confounding） confounding（交絡） であり、追跡中の脱落による選択バイアス selection bias 選択バイアス（selection bias） selection bias（選択バイアス） や情報バイアス information bias 情報バイアス（information bias） information bias（情報バイアス） は防げない。割付allocation 割付（allocation）allocation（割付） 群に従う解析は割付 allocation 割付（allocation） allocation（割付） 後の治療変更による偏りを抑えるが、結果データが欠けた人の問題はそれだけで解消しない。追跡の維持、盲検化blinding盲検化（blinding）blinding（盲検化）、欠測への適切な解析も要る。標本数sample size 標本数（sample size）sample size（標本数） が小さければ、無作為化randomized 無作為化（randomized）randomized（無作為化） しても偶然 chance 偶然（chance） chance（偶然） による群間の不均衡は残りうる。

交絡因子confounding factor 交絡因子（confounding factor）confounding factor（交絡因子） の3条件：

1. 曝露と関連している
2. 疾患と関連している
3. 曝露の結果（中間因子）ではない

例：コーヒーと肺癌

コーヒーをよく飲む人で肺癌が多い、という関連が見つかったとする。これは本当だろうか。

• 喫煙は、コーヒーの飲用と関連している（コーヒーを飲む人は喫煙者が多い）。
• 喫煙は肺癌と関連している。
• 喫煙はコーヒーを飲んだ結果ではない。

3条件を満たすので、喫煙が交絡因子 confounding factor 交絡因子（confounding factor） confounding factor（交絡因子） であり、コーヒーと肺癌の関連は、喫煙の効果が混ざった見かけの関連である可能性が高い。喫煙の有無で層別して、コーヒーと肺癌の関連が残るかを調べる。

例：ダウン症と出産順位・母体年齢

「出産順位（何番目の子か）が高いほどダウン症が増える」という関連が見られるとする（出産順位1から5以上で、出生1,000あたり約0.6、0.7、0.8、1.1、1.7と上がる）。しかし母体年齢で見ると、20歳未満から25〜29歳では約0.3〜0.4、30〜34歳で約0.8、35〜39歳で約2.5、40歳以上で約8.7と急上昇 surge 急上昇（surge） surge（急上昇） する（数値は図からの概算）。

• 出産順位が高い人ほど、母体年齢は高い（曝露と関連）。
• 母体年齢が高いほど、ダウン症が多い（疾患と関連）。
• 母体年齢は出産順位の結果ではない。

そこで母体年齢の層ごとに出産順位を比べると、層の中では出産順位による差がほとんど見られない。出産順位の関連は、母体年齢による交絡 confounding 交絡（confounding） confounding（交絡） で現れた見かけのものだったと分かる。なお、4,000例を超える大規模 genome mutation 大規模（genome mutation） genome mutation（大規模） データで、両親の年齢を調整したうえで出産順位を見ると、むしろ出産順位が高いほど発生がやや低いという逆向きの関連が報告されている⁷。交絡confounding 交絡（confounding）confounding（交絡） を丁寧に取り除くと、見かけの関連が消えるだけでなく、向きが変わることもある。

交絡の制御

⚠️ 症例対照研究case-control study 症例対照研究（case-control study）case-control study（症例対照研究） のマッチングは、それだけでは交絡 confounding 交絡（confounding） confounding（交絡） を制御しない。 むしろ、元の集団に交絡 confounding 交絡（confounding） confounding（交絡） がなくても、マッチング要因による交絡 confounding 交絡（confounding） confounding（交絡） を持ち込みうる。そのため、マッチングした研究でも解析でマッチング要因を調整する必要がある。一方で、マッチした計画だから必ずマッチした解析（条件付きロジスティック回帰 logistic regressionロジスティック回帰（logistic regression） logistic regression（ロジスティック回帰））が要るわけではない。マッチした解析が必要になるのは、層が個人レベル（たとえばきょうだいを対照にした場合）で、通常の解析では疎なデータになるようなときである³。

論文を要約するときの型

論文を読んで自分の言葉にまとめるときは、次の5点を順に書くと、研究の信頼性 reliability 信頼性（reliability） reliability（信頼性） を判断しやすい。より詳しい13の問い（目的・中心仮説・因果のモデル・アウトカムall-or-none outcomes アウトカム（all-or-none outcomes）all-or-none outcomes（アウトカム） と曝露の定義・誤差の起源・因果の強さ・公衆衛生public health 公衆衛生（public health）public health（公衆衛生） への含意・新規性）は、疫学研究デザイン study design 研究デザイン（study design） study design（研究デザイン） と因果推論にまとめた。

💡 研究デザインstudy design 研究デザイン（study design）study design（研究デザイン） の階層を常に意識し、研究の質を評価する。結果の解釈が意思決定の助けになるとは限らない（統計的に有意でも、臨床的な意味が小さいことはありうる）。

まとめ

• ランダムエラーrandom error ランダムエラー（random error）random error（ランダムエラー） は偶然 chance 偶然（chance） chance（偶然） によるばらつきであり標本数 sample size 標本数（sample size） sample size（標本数） を増やせば軽減できるが、バイアスbias バイアス（bias）bias（バイアス） は系統的なズレであり標本数 sample size 標本数（sample size） sample size（標本数） を増やしても軽減できない。
• 選択バイアスselection bias 選択バイアス（selection bias）selection bias（選択バイアス） は対象の選択や追跡への残存による比較の歪み、情報バイアスinformation bias 情報バイアス（information bias）information bias（情報バイアス） は曝露・疾患の測定や分類の誤りによる歪みである。標的集団への一般化可能性も別に検討する。
• 交絡confounding 交絡（confounding）confounding（交絡） は、曝露・疾患の両方に関連し、かつ曝露の結果ではない第三の因子によって、観察された関連が歪められる現象である。
• 精度が高いこととバイアス bias バイアス（bias） bias（バイアス） がないことは別であり、標本数sample size 標本数（sample size）sample size（標本数） は精度を上げるがバイアス bias バイアス（bias） bias（バイアス） は直さない。交絡confounding 交絡（confounding）confounding（交絡） は、制限・無作為割付randomized allocation無作為割付（randomized allocation）randomized allocation（無作為割付）・マッチング・層別・多変量解析multivariable analysis 多変量解析（multivariable analysis）multivariable analysis（多変量解析） で制御する。症例対照研究case-control study 症例対照研究（case-control study）case-control study（症例対照研究） のマッチングは、それだけでは交絡 confounding 交絡（confounding） confounding（交絡） を制御せず、解析での調整が要る。