▼▼▼▼▼▼▼▼
チャンネル登録はこちら

不必要な二分法

ありふれた単純化の手法として，連続的な測定がなされたものを２つの別々のグループに分けるという変数の二分(dichotomization)が挙げられる。

例えば，肥満の研究の例では，患者を「健康」なグループと「過体重」のグループに分けることになるかもしれない。

データをこう分けることで，正しい回帰モデルを選ぶことについて余計な心配をしなくてもよくなる。

ｔ検定を使って２つのグループを比較するだけで済むのだ。

このことは，データを分ける場所をどうやって決めるのかという問題を生む。

自然に分かれる場所が存在するかもしれないし，肥満のように広く認められた定義が存在するかもしれない。

だが，そういったものはしばしば存在しない。

ありふれた解決方法として，データを標本の中央値で分けるというものがある。

この方法は，中央値分割(median split)と呼ばれ，データを同じ大きさの２つのグループに分ける。

この方法の問題点としては，同じ現象を研究している他の研究者が別のところで分けることになるため，メタ分析をするときに結果を比較したり集計したりすることが難しくなることが挙げられる。

中央値分割の代替手段として，グループ間のｐ値が最小になるような分割点を選ぶというものがある。

これは，グループ同士が最も異なったものになるようにグループ分割方法を選ぶものと考えてよいだろう。

想像がつくかもしれないが，この手法は偽陽性の可能性が高くなる。

最も良いｐ値になる分割点を探すことは，本質的には，望む結果が得られるまで数多くの仮説検定を実施することを意味する。

ここからもたらされる結果は前に多重比較について見たときと同じだ。

つまり，偽陽性率が10倍になるのだ。

効果量の信頼区間も誤解を招くほど狭いものになるだろう。

二分法の問題は，Ｓ期比率を研究した1990年代初めの乳ガンに関する多数の論文で生じていた。

Ｓ期比率とは，腫瘍の中で，活発に新しいDNAを複製・合成している細胞の割合を指す。

腫瘍学者はこの比率でガンの最終的な推移を予測できるかもしれないと考えていた。

予測できれば，医者は患者に対する治療をさらに効率的に行えることになる。

この問題を研究する科学者は，患者をＳ期比率が高いグループと低いグループの２つに分けた。

当然，「高い」と「低い」の分割点としては，ｐ値が最も良くなる場所か中央値が採用され，研究によって異なるものが選ばれることになった。

案の定，「最適」な分割点を選んだ研究では統計的に有意な結果が得られた。

だが，多重比較を説明するための修正がなされると，どれも統計的に有意にならなかった。

それどころか，さらなる研究でも，Ｓ期比率と腫瘍の経過の予測の関係が示されつづけたのだが，その根拠は長らく貧弱なものだった。

例の方法は，その欠陥が公になった後も，何年かの間，ガン研究で使われつづけた。

ガンの予測因子研究に関する2005年の報告ガイドラインでは，「腫瘍学における腫瘍マーカーについて長年の研究と数百件の報告があるにもかかわらず，臨床的に有用なものとして明らかになったものは話にならないほど少ない」と指摘されている。

この問題の主な理由としては，検定力が足りないことのほかに，不完全な結果報告，標本抽出の偏り，「最適」な分割点の選び方が挙げられている。

二分法の手法は、研究や統計解析において頻繁に用いられるありふれた単純化の方法です。この手法は、連続的な測定値を2つのグループに分けることで、分析を簡易化し、特定の仮説検定手法が使用可能になるように設計されています。例えば、肥満研究のケースでは、患者を「健康」なグループと「過体重」なグループに分けて研究を行うことが多いです。こうしたデータの二分化によって、研究者は回帰モデルの選択に関する複雑な議論や検討を回避でき、t検定を用いて2つのグループを簡単に比較することができます。しかし、データをどのように分けるかという点において、新たな問題が生じます。たとえば、自然な分かれ目が存在しない場合や、肥満に関する一般的な基準がない場合などです。このような場合、研究者は一般的に「中央値」でデータを二分します。中央値分割（median split）は、データをほぼ同じサイズの2つのグループに分ける簡便な方法ですが、その有効性や科学的妥当性には疑問が残ります。中央値分割の一つの課題は、同じ現象を研究している異なる研究者たちが、それぞれ異なる基準でデータを分割することで、結果の一貫性が失われ、メタ分析を行う際に困難が生じることです。これは、異なる研究の結果を比較したり、統合して全体的な結論を導き出したりする上で大きな障壁となります。この課題を補うために、より高度な分割方法として「グループ間のp値が最小になるように分割点を選ぶ」という方法があります。このアプローチでは、データが最も統計的に有意な差を示すような分割を行います。これにより、グループ間の違いが最大化され、研究者にとって魅力的な結果を生むことができます。しかし、この手法には深刻な欠陥があります。それは、偽陽性のリスクが高まるということです。統計的に有意なp値を見つけるために、複数の仮説検定を行うことは、結果的に多重比較の問題を引き起こし、偽陽性率が10倍にも増加する可能性があるのです。このような手法によって得られる効果量の信頼区間は、実際には誤解を招くほど狭くなることがあります。1990年代初めの乳ガン研究では、S期比率に基づいたデータの二分化による問題が多くの研究で指摘されました。S期比率とは、腫瘍の中で活発に新しいDNAを複製・合成している細胞の割合のことです。この比率を用いて、腫瘍の将来的な経過を予測できると期待されていました。もしこれが正確に予測できるのであれば、医師は患者により効率的で適切な治療を提供できることになります。ところが、この問題を研究する科学者たちは、患者をS期比率が高いグループと低いグループに分け、その分割点として中央値やp値が最も良くなる場所を採用しました。その結果、研究によって異なる分割点が選ばれ、多様な結果が報告されることになりました。「最適」な分割点を選んだ研究では、統計的に有意な結果が得られることが多く見られましたが、これらの結果は多重比較の修正を加えると統計的に有意ではなくなることが判明しました。加えて、さらに多くの研究が行われたものの、S期比率と腫瘍の予後との関係は十分に示されることはなく、長期間にわたってその根拠は弱いものでした。このような手法は、欠陥が明らかになった後も、数年間にわたり腫瘍学研究に使用され続けました。2005年に発表された腫瘍学の予測因子研究に関する報告ガイドラインでは、「腫瘍学における腫瘍マーカーについて、長年にわたる研究と数百件の報告があるにもかかわらず、臨床的に有用なものとして認められたケースは非常に少ない」と指摘されています。この問題の主な原因として、検定力不足、不完全な結果報告、標本抽出の偏り、そして「最適」な分割点の選び方が挙げられています。検定力不足は、サンプルサイズが小さい場合に顕著に現れ、分割点によっては結果が一貫しないことが多いです。さらに、標本抽出の偏りも問題で、分割されたデータセットが母集団を代表していない場合には、外部妥当性が損なわれます。「最適」な分割点を選ぶプロセス自体が、多重比較を助長し、結果をバイアスさせる要因として働くこともあります。つまり、望ましい結果を得るために分割点を選ぶという行為は、事前に設定された仮説をサポートするような結果を生むことが多く、結果的には研究の信頼性が低下します。データを二分することの利便性は認められるものの、その影響を十分に理解し、慎重に取り扱わなければ、科学的な結論が誤解を招くものとなる危険があります。分割点の選定方法は、研究者によって異なる基準が用いられることが多いため、一貫性を欠いた結果が生じるリスクがあります。特に、中央値分割やp値を最小化する分割方法は、結果の解釈を困難にし、他の研究との比較や統合を難しくします。そのため、信頼性の高い結論を得るためには、データの二分化を安易に行うのではなく、分割の影響を考慮し、適切な統計的手法を用いる必要があります。結果として、データの二分化が研究全体の質を損なうことのないよう、研究設計段階から注意を払うことが求められます。ガイドラインやベストプラクティスを遵守し、二分化を行う際には、潜在的なバイアスや誤解を避けるための補正を十分に考慮することが不可欠です。こうした取り組みが、科学的な研究の信頼性と有用性を高め、臨床的な応用につながる成果を生む基盤となるでしょう。