医学書院

検索
HOME週刊医学界新聞 > 第3105号 2014年12月15日



第3105号 2014年12月15日


量的研究エッセンシャル

「量的な看護研究ってなんとなく好きになれない」,「必要だとわかっているけれど,どう勉強したらいいの?」という方のために,本連載では量的研究を学ぶためのエッセンス(本質・真髄)をわかりやすく解説します。

■第12回:目的別量的研究ガイド (2)「関係を調べたい」

加藤 憲司(神戸市看護大学看護学部 准教授)


3101号よりつづく

「相関」に注目するのは「因果」を調べるため

 私たちは日常生活において,ある出来事と他の出来事との間の関係を知りたいと思うことが頻繁にあります。「彼が怒っているのは,私が昨日あんなこと言ったからなのかな」とか,「仕事が忙しすぎるから,新人ナースが次々と辞めていくのかな」などなど……。量的研究においても,関係を調べることは主要な目的の一つです。研究において測定された変数Aの値が変化すると別の変数Bの値も連動して変化する場合,AとBとは「共変関係にある」と言ったり,AとBとの間には「関連がある」「相関がある」などと言ったりします。本稿では簡単に表現するために,これらをひっくるめて「相関」という語を用いることにします。また,ここで言う変数とは数量的に測定されたものだけでなく,「YESかNOか」のようにカテゴリーの形をしたものも含みます。

 量的研究でなぜ相関に注目するかと言うと,そこに原因と結果の関係,すなわち「因果関係」が存在している可能性があるからです。もし,ある結果をもたらす原因が特定できれば,原因を操作することにより,その結果の起きやすさを上げ下げすることができますね。労働時間と新人ナースの離職率との間に因果関係があるとわかれば,「労働時間をどう短縮するか」という対策の検討に移れることになります(もちろん,「言うは易く行うは難し」ですが……)。

実験研究と観察研究どちらで確かめるか

 量的研究のうち,因果関係を調べることができる方法が実験研究です。理科の実験で試薬を混ぜたときとそうでないときとで反応を比べるように,ある介入をした群としない群とで,結果を比較するのです。前回述べたように,この比較は「反事実」,すなわち「介入群の人たちがもし介入を受けなかったら」という仮想的な状況を具現化しようとするものです。そのためには介入群と対照群(コントロール群)とが,介入の有無以外,できるだけ均一であるように選ぶ必要があります。そこで用いられる方法が無作為割付です。を見てください。初めの時点で,誰がどちらの群に選ばれるかは決まっていません。無作為割付により,被験者一人ひとりが等しい確率で介入群と対照群にそれぞれ分けられます。こうすることで,介入の有無以外の条件について両群で偏りがない状態が実現され,その介入が結果に差をもたらした原因だと特定できるわけです。

 因果関係を確かめるには,介入の無作為割付が重要な役割を果たす

 とは言え,世の中の多くの出来事は,実験研究を行うことができません。なぜなら,介入というのは研究者の側がいわば強制的に条件を操作するものなので,そんなことが倫理的に許されなかったり,現実的に不可能であったりするからです。例えば,「子どものころに虐待を受けると,成人してからうつになりやすい」という仮説があったとして,それを実験研究で確かめることなど許されるはずがありません。そういう場合に行われるのが,観察研究です。うつを発症した群とそうでない群とで,児童虐待の経験のある人の割合に差があるかどうかを調べるわけです。でも,たとえうつを発症した群で児童虐待の割合が高かったとしても,それが因果関係であるとは限りません。現在のうつが,過去の経験のとらえ方(虐待であるか否かの判断)に影響を及ぼしている可能性があるからです。この問題を避けるには,虐待を受けている子どもたちとそうでない子どもたちとを,何十年も追跡(フォローアップ)して調査しなくてはなりません。観察研究のうち,このように時間経過に沿って追跡を行う方法を縦断研究と呼びます。それに対して,複数の変数を同時に測定する方法は横断研究と呼ばれます。

 縦断研究は時間の前後関係がはっきりしているので,因果関係を示唆するものと言えますが,まだ問題が残っています。それは虐待ありの群となしの群とで,虐待の有無以外の条件に偏りが存在している可能性があるからです。例えば虐待あり群のほうに,親の教育歴や社会経済的地位の低い人が偏っていることが考えられます。もちろん,観察研究ではそういう偏りを示す可能性のある項目をできる限り変数として測定し,それらの影響を取り除いた上で結果を解釈しようと努力します。それでも,測定していない項目についてはわからないままです。厳密に言えば,観察研究で因果関係を確かめることはできません。その一方で,実験研究にも上述のような制約があります。このように,因果関係を調べることは大変困難を伴う作業なのです。

医療にもビッグデータの波「相関」が主役の時代に?

 ところが最近,統計の世界が変わってきているように筆者には思えます。人々があまり因果関係にこだわらなくなりつつあるように思えるのです。それは昨今の流行語でもある「ビッグデータ」と関係しています。これまでの研究では,研究者が一つひとつの項目を選定し,一所懸命に測定することで,データを得ていました。それがビッグデータの時代になって,データがどんどん蓄積されていくと,これまでの研究では想像もしなかった変数同士に相関が見つかるようになってきました。そして「なぜそこに相関があるのか」と問うのではなく,相関があるならそれをそのまま利用しようという風潮が現れてきたのです。

 有名な例として,未熟児の感染症に関するカナダの研究があります1)。オンタリオ工科大学のキャロリン・マクレガー教授らは,さまざまな医療機関の協力の下,赤ちゃんの心拍数,呼吸数,体温,血中酸素濃度など16種類のバイタルサインのデータをリアルタイムで1秒間に延べ1260件も集め,相関関係を調べました。その結果わかったのは,赤ちゃんの重症感染の予測因子となるのは,バイタルサインが狂い始めるときではなく,安定し始めるときだということでした。それまでの常識では,バイタルサインの悪化が重症感染の徴候と考えられていましたから,これは想定外の結果です。従来のように,想定の範囲内だけで調査項目を選んでいる研究からは,この発見は生まれなかったことになります。

 おそらく,ビッグデータの隆盛は統計の世界を大きく変えていくでしょう。連載第3回(第3069号)に「本連載で取り上げる内容の賞味期限はそれほど長くないかもしれません」と書いたのは,そういう含意がありました。第6回(第3081号)第7回(第3085号)であれほど力説した「母集団とサンプル」の説明も,ビッグデータ時代には無用の長物なのかもしれませんね。そして医療の世界でもビッグデータが有効であることは間違いないでしょう。それでも筆者としては,こと医療に関する限り,「相関関係がわかれば因果関係は不要」とはならないと思います2)。むしろ,データの洪水の時代だからこそ,データに流されず適切に見極めるトレーニングが必要ではないでしょうか。本連載が少しでもそのお役に立てればうれしいです。

今回のエッセンス

●因果関係を確かめるのは難しい
●相関があるからと言って,因果関係があるとは限らない

つづく

参考文献
1)ビクター・マイヤー=ショーンベルガー,ケネス・クキエ,斎藤栄一郎訳.ビッグデータの正体――情報の産業革命が世界のすべてを変える.講談社;2013.
2)中山健夫監修.医療ビッグデータがもたらす社会変革.日経BP社;2014.

連載一覧