臨床研究の実践知

臨床現場で得た洞察や直感をどう検証すればよいか。臨床研究の実践知を，生物統計家と共に実例ベースで紹介します。JORTCの活動概要や臨床研究検討会議の開催予定などは，JORTCのウェブサイト，Facebookを参照してください。

［第14回］欠測の取り扱い

小山田 隼佑（JORTCデータセンター統計部門 部門長）

　第13回（3366号）の中で，「欠測が発生した場合，何らかの対処が必要となる可能性がある」ことをお伝えしました。今回は第6回（3336号）でも紹介した研究^1）を基に，欠測の取り扱いを決定する際の考え方・プロセスについて紹介します。

欠測による検出力不足やバイアス混入を，どう回避する？

　本研究はがん患者の神経障害性疼痛に対する，デュロキセチンの疼痛軽減効果を検討するためのプラセボ対照のランダム化二重盲検比較試験です。評価は治療開始前（Day 0），治療開始後3日目（Day 3）および10日目（Day 10）に実施され，主要評価項目はDay 10におけるBrief Pain Inventoryのitem 5「評価前24時間の平均の痛み」（以降，BPI）です。

　主要評価項目の解析として，2標本t検定が計画段階から採用されています。また，本研究では片側検定を計画し，有意水準を片側5％（両側10％）と事前に設定したため，対応する信頼区間は「90％信頼区間」です。

　サンプルサイズ設計の結果，目標登録症例数は両群で70例と設定されました。本研究では実際に70例が登録され，解析対象集団（プロトコール治療を受けた症例）は両群で67例でした。しかし，解析対象集団のうち2例で，主要評価項目が欠測してしまいました。

　欠測が生じた場合，大きく2つの問題が発生します。1つ目は，欠測が生じた症例を除外した場合に検出力が低下してしまう点です。これは，欠測が生じない前提でサンプルサイズ設計を実施した場合には特に問題です。しかし本研究では，計画の段階で治療前や治療途中での中止などを考慮し，症例を上乗せしていました。その結果，当該2例を除外することで「検出力が足りなくなる」という事態は回避できました。

　問題は2つ目の，欠測が生じた症例を除外した場合にバイアスが混入する可能性がある点です。例えば，あるQOLのスコアは状態が悪いと欠測が生じやすい（状態が良好なほど欠測が生じにくい）とします。この場合，観測データのみに基づく推定値は過大評価となってしまうかもしれません（図）。

図　欠測によるバイアスの混入の例

　欠測が生じた場合，まず「欠測した理由」を調査する必要があります。次に欠測理由とアウトカムの関連の程度を推測し，欠測の発生メカニズムとして何が妥当でありそうかを考えます。欠測の発生メカニズムは表で示す通り，Missing Completely At Random（MCAR），Missing At Random（MAR），Missing Not At Random（MNAR）の3種類があります。

表　欠測の発生メカニズム（クリックで拡大）

欠測の発生理由から対