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11回：目的別量的研究ガイド　(1)「比較したい」

加藤 憲司（神戸市看護大学看護学部 准教授）

　今回から本連載の最後のパートとして，研究目的に応じた方法を検討する際のポイントについて述べていきます。

「比較」は量的研究の本質

　量的研究における本質的な目的は，「比較すること」です。比較することで，差異を見いだすことができます。比較しなければ，差異は見いだせません。量的研究においては，データを数量的に表すことによって比較が可能になることが，最大のメリットだと言えます。

　比較しない量的研究というのもあることはあります。それは記述研究とか実態調査と呼ばれるものです。読者の皆さんが量的研究の計画を立てた際，「それは実態調査に過ぎない」といった意見や批判を受けたことはありませんか？　例えばアンケート調査を実施する研究で，その回答を「はい」が何％，「いいえ」が何％などと集計するだけでは，確かに実態調査にしかなりません。実態調査のレベルを超えたければ，そこに比較の要素を盛り込みましょう。回答者のある属性がAである群とBである群とで，ある項目に当てはまる人の割合に差があるかどうかを調べるというのであれば，それは量的研究上の一つの問いになります。また「属性AのほうがBよりも，当てはまる人の割合が大きい」というのがあなたの仮説であれば，量的研究によってそれを検証することができます。このように比較の要素を取り入れることによって，あなたの研究がグッと量的研究らしくなるでしょう。

　比較することがとりわけ重要なのは，ある介入（治療や予防やケア）の効果の有無を調べる場合です。読者の皆さんの中にも，「○○を食べるだけで痩せる」といううたい文句につられて「○○ダイエット」を試みた人がきっといると思います。また，受け持ち患者さんに，「自分のがんには△△を食べると良いと聞いたが，本当か」と尋ねられた経験のある人もいるかもしれません。多くの場合，そうした言説は体験談に基づくものです。体験談がうそであれば論外ですが，たとえそういう事例があったとしても，そこには比較対照（コントロール）がないため，エビデンス（根拠）と見なすことはできません。食べ物に限らず，何らかの介入の効果を主張するには，コントロールと比較して差があることを示さなければなりません。「食べた，痩せた，効いた」という体験談レベルの言説は「三た論法」と呼ばれます。三た論法に陥らないよう，量的研究では比較するということを強く意識してほしいと思います。

差異の検出が比較の質を高める

　せっかく比較対照群（コントロール群）を含めて研究計画を立てていても，その選び方や比べ方が適切でないと正しい比較ができません。そこで，介入研究を例に取って，比較の質を高める方法について考えてみましょう。

　介入の効果の有無を調べるには，介入ありの群と介入なしの群とで効果を比較することになります。このとき，これら二つの群は，介入するかしないかという点のみが異なっていて，それ以外の全ての要素についてはまったく同一の状態であるのが理想です^1）。言い換えれば，介入研究におけるコントロール群は，「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に相当するものと言えます。実際には一人の対象者が介入あり群と介入なし群の両方に属することはできませんから，これは「反事実」と呼ばれます^1）。質の高い比較をするためには，この理想の状態にできるだけ近付ける努力が必要です。

　コントロール群をいかにうまく選んだとしても，介入の効果の測定方法や評価方法が群によって異なっていたら，正しい比較にはなりません。これは連載第2回（第3065号）で触れた測定の「標準化」につながる話です。全ての対象者に対して，同一の条件やルールを用いて測定したり評価したりする必要があります。

　群間の比較の精度を高めるために，群間に存在する差異を検出しやすくする工夫というものもあります^2）。図Aを見てください。この図の横軸は介入の効果を表す変数で，数値が大きいほど効果が高いことを示します。今，介入あり群（実線）と介入なし群（破線）の数値の平均がそれぞれ55と50だとしましょう。図Aでは群の中での個人差が大きく，分布の広がりが大きいため，たとえ介入の効果があったとしても，統計的にその差異を検出することが困難です。次に図Bを見てください。この介入あり群と介入なし群の平均値の差は図Aと同様5ポイントですが，群の中での個人差が小さく，平均値の付近に集中的に分布しています。このような場合，介入の効果を確実に検出できる可能性が高まります。すなわち，個人差が大きい群同士を比較しようとするときは，個人差を示す属性ごとに群を分け（これを「層別化」と言います），それぞれの群の中をより均質なものにする工夫を考えてみると良いでしょう。

図　群間の差異を検出しにくい場合（A）と，しやすい場合（B）（文献2より改変）

意味のある差異とは？p値に影響する要素にも注意を

　比較をする上で注意してほしいことをもう一点述べます。それは，見いだした差異が本当に意味のある差異かどうかについてです。再び，介入あり群と介入なし群とで介入の効果を比較する場面を思い浮かべてください。先ほどの例では，両群の効果の平均値はそれぞれ55と50でした。これらの数値に差異が生じたのは偶然かもしれないし，介入の効果かもしれません。本当は介入の効果がないのに，偶然このような差異（またはこれ以上の差異）が生じる確率が，第9回（第3093号）で説明したp値です。そしてp値があらかじめ設定しておいた基準の値（有意水準）を下回っていれば，偶然ではなく統計的に意味のある差異（有意差）であると見なし，「介入には効果がある」と判断することになります。

　ここで，p値に影響を与える要素について考えてみましょう。一つは，介入の効果の大きさです。介入の効果が大きければ大きいほど，p値が小さくなり，統計的な有意差が出やすくなります。効果の大きさを効果量（エフェクトサイズ）という語で表すことがあるので，知っておくと良いでしょう。ところが，効果量以外にもp値に影響を与える要素があります。それは各群に含まれる人数（サンプルサイズ）です。先ほどの図のA・Bを，効果量が同じでサンプルサイズが異なる場合の対比としてもう一度見てください。サンプルサイズを増やすと，図Bのように山の高さが高くなって，小さな差異でも検出できてしまいます。つまり，臨床的には意味のない小さな効果であっても，サンプルサイズが大きければ，統計的には有意差が出てしまうことがあるのです。このように，比較をする際にはさまざまなことに注意をする必要があると言えます。

（つづく）

文献
1）福原俊一．臨床研究の道標．健康医療評価研究機構；2013．
2）南風原朝和．量的研究法．東京大学出版会；2011．p 90．