系統的レビューとメタアナリシス（PRISMA・フォレストプロット・異質性・ファンネルプロット、評価ツール）

🧠 全体像：1つの研究の結果は、偶然chance 偶然（chance）chance（偶然） とバイアス bias バイアス（bias） bias（バイアス） で揺れる。そこで同じ問いに答える研究を系統的に（再現できる手順で）集め、質を評価し、結果を統計的に統合するのが系統的レビューとメタアナリシス meta-analysis メタアナリシス（meta-analysis） meta-analysis（メタアナリシス） である。ただし統合した結果は、含まれる研究と同じだけしか信頼できない。質の低い研究を集めても、確かな結論 conclusion 結論（conclusion） conclusion（結論） にはならない。

論文を探す：データベースと索引語

💡 検索の工夫：公式 official 公式（official） official（公式） の索引語を使えば、綴りの揺れや言い換えに関係なく、同じ概念の論文を拾える。ただし、索引がまだ付いていない新しい論文もあるので、索引語に自由な語（タイトルtitleタイトル（title）title（タイトル）・抄録abstract 抄録（abstract）abstract（抄録） の語）を組み合わせて検索する。集めた文献は、文献管理ソフトで整理し、引用の書式を自動化する。

系統的レビューとは

系統的レビューは、明確な問いに対し、事前に決めた方法で、網羅的に文献を探し、選択の基準を満たす研究を選び、バイアスbias バイアス（bias）bias（バイアス） のリスクを評価し、結果を統合するレビューである。結果を統計的に統合する手続きがメタアナリシスmeta-analysisメタアナリシス（meta-analysis）meta-analysis（メタアナリシス）で、系統的レビューの一部である（統合できない場合は、統合せず文章でまとめる）。

flowchart TD
    A["問いを定め、方法を事前に決める"] --> B["複数のデータベースで検索する"]
    B --> C["重複を除く"]
    C --> D["題名・<span class='jp-term jp-term-diagram' title='abstract'>抄録</span>で選別する（スクリーニング）"]
    D --> E["全文を読み、<span class='jp-term jp-term-diagram' title='inclusion criteria'>組み入れ基準</span>で適格性を判断する"]
    E --> F["データを抽出し、各研究の<span class='jp-term jp-term-diagram' title='bias'>バイアス</span>のリスクを評価する"]
    F --> G["統合する<br>（量的：<span class='jp-term jp-term-diagram' title='meta-analysis'>メタアナリシス</span>／質的）"]
    G --> H["結果の確実性を評価し、報告する"]

報告の指針：PRISMA

系統的レビューの報告の質を高めるためのガイドラインがPRISMAである。2020年版は、2009年版を置き換えるもので、7つの節にわたる27項目のチェックリストと、検索から組み入れまでを示すフロー図などからなる¹。

例：喫煙と死産のレビューの選択過程

妊娠中の喫煙と死産 stillbirth 死産（stillbirth） stillbirth（死産） の関係を調べたレビューでは、4つのデータベースから2,934件を見つけ（ほかに参考文献リストから5件）、重複1,168件を除いた1,766件の題名を調べた。全文を評価した42件のうち8件は、量的・質的なデータが無いなどの理由で除外された（講義資料に再掲された図の記載では、妊娠期間の記載なし3件、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） の関連データなし2件、周産期死亡を死産 stillbirth 死産（stillbirth） stillbirth（死産） として扱ったもの1件、死産stillbirth 死産（stillbirth）stillbirth（死産） を18週から定義したもの1件、糖尿病のある喫煙者だけを対象にしたもの1件）。最終的に34研究を採用し、24研究を量的統合、残り10研究を文章による統合に用いた²。同一研究の2種類のデザインを別々に解析したため、量的統合には25件のデータが入っている。

⚠️ 講義資料に再掲された原著のフロー図は、重複除去後1,766件から説明なく1,173件へ減り、全文評価42件から量的統合24件・質的統合10件への矢印も誤解を招く。原著本文では1,766件を題名で選別したと記され、量的統合24件と文章による統合10件は採用した34件の内訳である。フロー図を読むときは、各段階の分母、除外数、組み入れ数が整合するか本文と照合する。

評価のツール：報告の質と研究の質は別

💡 STROBEは報告に必要な項目を示し、NOSは研究の選択・比較可能性・曝露や結果の確認を評価する。報告が丁寧でも、研究のやり方が良いとは限らない。

⚠️ NOSの点数は、評価者によって大きくずれる。 コホート研究cohort study コホート研究（cohort study）cohort study（コホート研究） の評価で、レビューアと原著者の評価の一致度（κ）は多くの項目で「わずか」（0.00〜0.15）で、論文に書かれていない情報があるため、レビューアのほうが高い点数（バイアスbias バイアス（bias）bias（バイアス） のリスクが低い評価）を付けた研究が多く、原著者のほうが自分の研究のリスクを高く見積もっていた。点数を機械的に使わず、評価の根拠を確認し、必要なら著者に問い合わせる⁴。

喫煙と死産 stillbirth 死産（stillbirth） stillbirth（死産） のレビューでは、品質を高・低に分けるのにNOSが使われた（コホート・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） は7点以上、横断研究cross-sectional study 横断研究（cross-sectional study）cross-sectional study（横断研究） は5点以上を高品質とした）²。

授業で扱わない、より新しい道具

授業はSTROBEとNOSだけを扱うが、系統的レビューでは、個々の研究のバイアス bias バイアス（bias） bias（バイアス） のリスクと、結果全体の確実性を別の道具 tool 道具（tool） tool（道具） で評価することが多い。

💡 道具tool 道具（tool）tool（道具） は目的で使い分ける。STROBEとPRISMAは報告の質、RoB 2・ROBINS-I・NOSは個々の研究のバイアス bias バイアス（bias） bias（バイアス） のリスク、GRADEは結果全体の確実性を見る。ROBINS-Iは介入の効果を調べる研究が対象なので、授業の喫煙と死産 stillbirth 死産（stillbirth） stillbirth（死産） のような曝露の研究にはそのまま当てはまらない。GRADEの考え方は、前に学んだエビデンスの階層が「ガイドであって規則ではない」ことの具体的な仕組みである（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）。

メタアナリシスの読み方

統合のしくみ

各研究の効果（この例ではオッズ比 odds ratio, ORオッズ比（odds ratio, OR） odds ratio, OR（オッズ比））を、精度の高い（標準誤差の小さい）研究ほど大きい重みで平均して、1つの統合値にまとめる。

• 固定効果モデルは、すべての研究が同じ真の効果を測っていると考える。ランダム効果モデルは、研究ごとに真の効果が少しずつ違い、その分布の平均を推定すると考える。
• どちらを使うかは議論があり、異質性heterogeneity 異質性（heterogeneity）heterogeneity（異質性） の検定の結果で決めないのが原則である。両方の解析を事前に計画して、結果が頑健かを確かめる方法もある⁸。

フォレストプロットの読み方

異質性：I²

研究どうしの結果がどれくらいばらつくか（異質性heterogeneity異質性（heterogeneity）heterogeneity（異質性））を示すのがI²で、「推定値の総ばらつきのうち、偶然chance 偶然（chance）chance（偶然） ではなく研究間の違いによる部分の割合」である。異質性heterogeneity 異質性（heterogeneity）heterogeneity（異質性） の検定は研究数に左右されるが、I²は研究数に依存しない⁹。

⚠️ この目安は断定的な基準ではなく、異質性heterogeneity 異質性（heterogeneity）heterogeneity（異質性） の大きさそのものより、効果の向きと大きさ、異質性heterogeneity 異質性（heterogeneity）heterogeneity（異質性） を示す証拠の強さで重要度が変わる。研究数が少ないとI²の不確かさも大きい⁸。異質性heterogeneity 異質性（heterogeneity）heterogeneity（異質性） が大きいときは、統合値を1つの数字として強く主張せず、その原因（デザイン・対象・曝露の定義の違い）を探る。

例：喫煙と死産のメタアナリシス

ランダム効果モデル（逆分散法）で統合したオッズ比 odds ratio, OR オッズ比（odds ratio, OR） odds ratio, OR（オッズ比） （95%信頼区間）²。

読み取るポイント：

• 全体：妊娠中の喫煙は、死産stillbirth 死産（stillbirth）stillbirth（死産） のオッズ odds オッズ（odds） odds（オッズ） が高いことと関連した（統合オッズ比pooled odds ratio 統合オッズ比（pooled odds ratio）pooled odds ratio（統合オッズ比） 1.47）。デザイン間の差の検定はP＝0.11で、差がないと証明したわけではない。各デザインの推定値は同じ方向だった。
• 量反応：1日1〜9本では信頼区間 confidence interval 信頼区間（confidence interval） confidence interval（信頼区間） が1を含み有意でない（1.09）が、10本以上では1.52。量が多いほどオッズ odds オッズ（odds） odds（オッズ） が高い量反応関係を示す（群間差P＝0.001）。
• 在胎週数の定義：20週以上・24週以上・28週以上の各群で統合値は1.3〜1.6と同じ向きだった。群間差の検定はP＝0.39だが、定義の影響がないと確定したわけではない。
• 異質性heterogeneity異質性（heterogeneity）heterogeneity（異質性）：全体のI²は78〜79%で、Cochrane の目安では「大きな異質性 heterogeneity異質性（heterogeneity） heterogeneity（異質性）」にあたる（著者は中等度と記述している）。特にコホート研究 cohort study コホート研究（cohort study） cohort study（コホート研究） （84%）で大きく、その統合値は慎重に扱う必要がある。
• 講義資料の2つの図は一致しない：講義資料には、個々の研究の結果を抜き出した一覧がある。そこに載る Aliyu（RR 1.7）・Wood（OR 1.12）・Efkarpidis（OR 1.02）は、フォレストプロットの値（Aliyu OR 1.43、Wood OR 1.04、Efkarpidis OR 1.20）と違う。解析に入力された値であるフォレストプロットを正として読む。

⚠️ メタアナリシスmeta-analysis メタアナリシス（meta-analysis）meta-analysis（メタアナリシス） は含まれる観察研究の質で決まる。このレビューでは、14件が1つ以上の交絡因子 confounding factor 交絡因子（confounding factor） confounding factor（交絡因子） を調整していた一方、4件は何も調整しておらず、喫煙状況を唾液コチニン cotinine コチニン（cotinine） cotinine（コチニン） などで生化学的に確認した研究もなかった²。粗に近い値を統合しているため、因果の大きさとして読まず、「喫煙で死産 stillbirth 死産（stillbirth） stillbirth（死産） のリスクが上がる方向で一貫している」と読む。

出版バイアスとファンネルプロット

結果が有意な研究のほうが公表されやすいと、公表された研究だけを統合した結果は偏る（出版バイアスpublication bias出版バイアス（publication bias）publication bias（出版バイアス））。これを調べるのがファンネルプロットで、横軸に効果の推定値、縦軸に精度（標準誤差。上ほど精度が高い）をとって、研究ごとに1点を打つ。

• バイアスbias バイアス（bias）bias（バイアス） がなければ、精度の高い研究が上で狭く集まり、精度の低い研究が下で広く散って、左右対称の逆さの漏斗 infundibulum漏斗（infundibulum） infundibulum（漏斗）の形になる。
• 左右が非対称（小さい研究の結果が片側に偏る）なら、出版バイアスpublication bias 出版バイアス（publication bias）publication bias（出版バイアス） などを疑う。

⚠️ ただし、非対称は出版バイアス publication bias 出版バイアス（publication bias） publication bias（出版バイアス） の診断ではない。真の異質性 heterogeneity 異質性（heterogeneity） heterogeneity（異質性） などでも非対称は生じる。非対称の検定は、少なくとも10件の研究があるときにだけ使う¹⁰。

喫煙と死産 stillbirth 死産（stillbirth） stillbirth（死産） のレビューのファンネルプロットでは、縦軸の下側（標準誤差が大きい小さな研究）に症例対照研究 case-control study 症例対照研究（case-control study） case-control study（症例対照研究） が並ぶ。標準誤差が約0.27を超える4点はすべて症例対照研究 case-control study 症例対照研究（case-control study） case-control study（症例対照研究） で、うち3点は統合値（オッズ比odds ratio, OR オッズ比（odds ratio, OR）odds ratio, OR（オッズ比） 1.47）より右側（オッズ比odds ratio, ORオッズ比（odds ratio, OR）odds ratio, OR（オッズ比） 約1.8〜2.1）、1点は左側（約1.2）にある。右側に寄る傾向はあるが、左側にも点が残る。著者は図を目で見て「左右対称で出版バイアス publication bias 出版バイアス（publication bias） publication bias（出版バイアス） のリスクは低い」と判断した²が、目視による判断は主観的 Subjective 主観的（Subjective） Subjective（主観的） であり、小さな研究が右側にやや偏っているようにも読める。

Cochrane レビューと限界

Cochrane は、介入の効果についての系統的レビューを継続的に作成・更新する国際的な組織で、量的な統合のほか、質的な研究を統合するレビューも作る。たとえば、妊娠中の禁煙支援をテーマにした例では、薬物介入の効果や心理社会的介入 psychosocial intervention 心理社会的介入（psychosocial intervention） psychosocial intervention（心理社会的介入） の効果を統合するレビューのほかに、ニコチン置換療法nicotine replacement therapy (NRT) ニコチン置換療法（nicotine replacement therapy (NRT)）nicotine replacement therapy (NRT)（ニコチン置換療法） や電子たばこ e-cigarette 電子たばこ（e-cigarette） e-cigarette（電子たばこ） の利用に影響する要因を質的に統合するレビューがある。

解析ソフトは、Cochrane のレビュー作成に用いる RevMan が代表的で、喫煙と死産 stillbirth 死産（stillbirth） stillbirth（死産） のレビューでもランダム効果モデルの解析に使われた²。

⚠️ 限界を忘れない。

• 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（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）を常に意識する。
• メタアナリシスmeta-analysis メタアナリシス（meta-analysis）meta-analysis（メタアナリシス） は、含まれる研究と同じだけ信頼できる。 統合は精度を上げるが、個々の研究のバイアス bias バイアス（bias） bias（バイアス） は消さない。
• 結果の解釈が、そのまま意思決定を助けるとは限らない。効果の大きさ・確実性・害・費用・患者の価値観をあわせて考える。

まとめ

• 系統的レビューは、事前に決めた方法で網羅的に文献を探し、質を評価して統合する。メタアナリシスmeta-analysis メタアナリシス（meta-analysis）meta-analysis（メタアナリシス） は、その結果を統計的に統合する手続きである。報告の指針はPRISMA（27項目とフロー図）である。
• STROBEは観察研究で報告すべき項目を示す指針、NOSは研究の選択・比較可能性・曝露や結果の確認を評価する尺度である。NOSの点数は評価者間でずれやすい。
• フォレストプロットでは、点推定値point estimate 点推定値（point estimate）point estimate（点推定値） と信頼区間 confidence interval信頼区間（confidence interval） confidence interval（信頼区間）、重み、統合値（ひし形）を読む。異質性heterogeneity 異質性（heterogeneity）heterogeneity（異質性） はI²で見て、大きいときは統合値を過信せず原因を探る。
• ファンネルプロットの非対称は出版バイアス publication bias 出版バイアス（publication bias） publication bias（出版バイアス） の診断ではなく、検定は10件以上のときに使う。統合結果は含まれる研究の質を超えない。
• 報告の質（STROBE・PRISMA）、個々の研究のバイアス bias バイアス（bias） bias（バイアス） のリスク（RoB 2・ROBINS-I・NOS）、結果全体の確実性（GRADE）は別の問いで、別の道具 tool 道具（tool） tool（道具） で見る。