薬の効果と４つのタイプの人たち

薬を飲むか飲まないかによって翌朝に風邪が治るかどうかを考えてみましょう。

「薬を飲むか飲まないか」の２択の原因と「風邪が治るか治らないか」の２択の結果があるので、２×２＝４タイプの人がいることになります。

どういう人たちかと言うと、

Type A: 薬を飲んでも飲まなくても治る人

Type B: 薬を飲んだら治るけど、薬を飲まなかったら治らない人

Type C: 薬を飲んだら治らないけど、薬を飲まなかったら治る人

Type D: 薬を飲んでも飲まなくても治らない人

です。

なんと、どのタイプの人が何人いるかわかれば、ランダム化研究なんかしなくたって、薬の平均的な効果がわかってしまうのです。

例をあげてみましょう。

例えば、１００人の風邪をひいた人がいたとします。

このうち、

Type Aの人が４０人
Type Bの人が１５人
Type Cの人が１０人
Type Dの人が３５人

いたとします。この１００人全員が薬を飲んだとすると、風邪が治るのはType Aの人とType Bの人です。Type Cの人とType Dの人は治りません。

よって、風邪が治る割合は、

（４０＋１５）／１００＝０．５５（５５％）

となります。

もしこの１００人全員が薬を飲まなかったら、という場合、今度はType Aの人とType Cの人は治るけれども、Type Bの人とType Dの人は治らないということになります。

よって、１００人全員が薬を飲まなかった場合に風邪が治る割合は、

（４０＋１０）／１００＝０．５０（５０％）

となります。

したがって、リスク差は０．５５−０．５０＝０．０５，リスク比は０．５５／０．５０＝１．１です。

４つのタイプそれぞれの人数がわかると、理想のコントロール結果までわかるので、本当の薬の（平均的な）効果がわかるということです。

しかし、実際には、誰がどのタイプの人なんてわかりませんよね。

だから、現実には、４つの対応それぞれ何人いるかなんて集計できるはずがないのです。

薬を飲むグループと飲まないグループのランダム割り付け

そこでランダム化研究の登場です。

この４つのタイプの人たちを、薬を飲むグループと飲まないグループにランダムに割り付けるのです。

理想的には、この４つのタイプの人たちが均等に薬を飲むグループと飲まないグループにちょうど半分ずつ割り付けられることになります。

単純に、グループごとに風邪が治った割合を計算して比較すれば、薬の（平均的な）効果がわかることになるのです。

しかし、人数がとても多いときを除いて、単純ランダム化をすると、たまたま薬を飲むグループにType Bの人が多くなったり、たまたま薬を飲まないグループにType Cの人が多くなったりしてしまうことがあるのです。

そうなると、グループ間の風邪が治った割合の違いが、薬によるものなのか、たまたま薬を飲むグループに薬が効きやすい人が集まっただけなのかが、わからなくなってしまいますね。

これでは本当の薬の効果はわかりません。

だったら、層別ランダム化などの方法を使って、４つのタイプの人たちが均等に薬を飲むグループと飲まないグループに割り付けられるようにすればいいのでは？　と思うかもしれませんが、残念ながらそれはできません。

誰がどのタイプの人だか、実際にはわからないからです。

薬に効果があるように見えても、それはたまたま薬を飲むグループに薬が効きやすい人が集まっただけなのかもしれません。

結局、本当の薬の効果がどのくらいあるのかは誰にもわからないのです。