▼▼▼▼▼▼▼▼
チャンネル登録はこちら

標本と標本抽出

標本抽出（sampling ； サンプリング）とは，母集団全体を代表するような母集団の一部を選び出す過程である．

したがって，標本(sample ； サンプル）とは，母集団の要素の部分集合である．

要素(element)は，情報収集の対象となるもっとも基本的な単位である．

看護研究では，要素は通常，人間である．

標本と標本抽出計画は，質についてはさまざまである．

量的研究で;標本を評価する際にもっとも重要なのは代表性である．

代表的な標本(representative sample)とは，母集団の主要な特性をよく備えている標本である．

献血者に関する研究で，母集団が男性,女性が半々ずつである場合,代表的な標本も同じ性別の配分だろう．

標本が母集団を代表していない場合は，研究における外的妥当性（一般化可能性）には問題がある．

残念なことに，母集団から情報を得なければ，ある標本が代表的かどうか確かめることはできない．

ある標本抽出法を使えば，他の抽出法より標本の偏りが生じにくいということがあるかもしれないが，それが代表的な標本であるという保証はどこにもない．

これはちょっとがっかりする話だが，研究者というものは，誤差が起こりうる状況で研究しているのだということを銘記しておくといい．

量的研究者は，こういう誤差を可能なかぎり減らしたり，できれば，その影響の大きさを推定することである．

標本抽出デザイン(sampling design)は，確率標本抽出と非確率標本抽出に分けられる．

確率標本抽出(probability sampling ； 無作為抽出）は，要素を選び出すのに無作為選択をもちいる．

確率標本（無作為標本）の顕著な特徴は，母集団の各要素がその標本に含まれる確率を研究者が特定できることである．

確率標本の代表性にはより大きな信頼がおけるので，２つの標本抽出法では確率標本抽出のほうが尊重されている．

非確率標本抽出(nonprobability sample ； 有意抽出）では，要素を作為的方法で選ぶ．各要素が非確率標本（有意標本）に含まれる確率を推測することはできず,そもそも常に各要素が含まれているという保証もない．

層

母集団を複数の下位母集団,または層(stratum)から成り立つと考えるのも有益な場合もある．

層とは，１つないしそれ以上の特徴によって成立する母集団の互いに相容れない部分である．

たとえば,母集団が米国で現在雇用されているすべての登録ナースであるとしよう．

この母集団は，ナースの性別によって，２つの層に分けることができるだろう．

または，30歳未満，30〜45歳，46歳以上という３つの層に分けることもできよう．

層は，標本選択の過程で，標本の代表性を高めるためにもちいられることが多い．

標本抽出の偏り

費用効果があるので，研究者は，母集団をもちいるというよりも標本をもちいて研究する．

研究者には，１つの母集団のすべての成員を研究できるほどの時間も資源もないのがふつうである．

さらにいえば，母集団全体からデータを集める必要はない．

たいていは，標本からかなり正確な情報を入手できるといってよい．

しかし,標本から得たデータが,誤った結論をもたらすことがある．

研究に進んで参加する人々を100名見つけることは，さほどむずかしいことではない．

むしろ，母集団の偏りのない100名の下位集団を選び出すことがなかなか大変である．

標本抽出の偏り(sampling bias)とは，研究設問にかかわる特性について，母集団のある部分を系統的に過度に代表したり，または過小に代表することをいう．

意識的に偏った抽出の例として，ナースのタッチ(touch)に対する患者の反応を調べることにし，ある病院に入院し，適性基準を満たした最初の50名の患者を標本として使うと決めたとしよう．

ナースに敵意を示したという理由で，Ｚ氏を標本から除外した．

また，Ｘ夫人も最近夫を亡くしたばかりで負担であるという理由で研究から除外した．

つまり，ある人々を意識的に除外したのであり，その決定は真の適性基準を反映していない．

患者のナースについての感情や患者の情緒的状態によって，ナースのタッチへの反応（従属変数）が影響を受けるかもしれず，これは偏りを生じることもある．

しかし，標本抽出の偏りは，ふつうは無意識的に生じる．

看護学生の研究をしていて，看護学図書館に入ってくる学生の10人目ごとに系統的に面接したとしよう．

その場合，たとえ学生の容姿，性別，その他の特性とはまったく無関係に，10人目ごとということを意識したとしても，図書館好きだという点で，学生の標本が偏ることもあろう．

標本抽出の偏りは，部分的に母集団の均質性とかかわっている．

母集団の要素が，重要な属性に関してすべて同じ場合，どの標本も他の標本と同様だといえる．

むしろ，その母集団が完全に均質ならば，つまり，まったく変動を示さなければ，ただ１つの要素があれば，その母集団について結論を導き出すのに十分な標本だということになろう．

多くの生理学的属性では，均質性が適度に高いと仮定して問違いないだろう．

たとえば，人間の静脈血は比較的均質であり，それゆえ任意に採取した血液標本が１つあれば十分である．

しかし，ほとんどの人問の属性では，均質性は例外的である．

年齢，健康状態，ストレス，態度，習慣．こういった属性はいずれも，人間の不均質性を反映している．

母集団に変動が生じたときは，理想的にはその同じ変動が標本にも反映されなければならない．

異なる病院や異なるナーシング・ホーム，コミュニティなど，複数の場所から研究参加者を選ぶことで，研究の一般化可能性を容易に高めることができる．

母集団を幅広く代表できるくらいに，２つの場所が十分に異なっているのが理想であろう．

標本抽出とは、母集団全体を代表するように一部を選び出す過程のことを指し、これを通じて母集団の特性を反映した標本を得ることができる。標本は、母集団の要素の一部から成り立っており、その選択は調査や研究の目的に応じて計画的に行われる。看護研究では、標本の要素となるものは通常、人間であることが多いが、場合によっては特定の病状や特徴を持つ人々が選ばれることもある。このため、標本抽出とその計画は、調査対象や目的に応じてその質がさまざまであり、特に量的研究においては、標本がどれだけ母集団を代表しているかが重要となる。母集団の代表性を持つ標本、すなわち「代表的な標本」とは、母集団の主要な特性をよく備え、母集団全体を正確に反映していると見なされる標本である。たとえば、献血者に関する調査を行う場合、母集団が男性と女性で半々の割合で構成されているなら、代表的な標本も同様に性別の配分が均等であることが望ましい。もし標本が母集団を代表していない場合、研究結果の外的妥当性、すなわち結果の一般化可能性に問題が生じる可能性がある。外的妥当性が欠如すると、調査結果を母集団全体に適用する際に誤解が生じ、結果の解釈や応用が誤った方向に進むリスクが高まる。また、ある標本が本当に代表的であるかどうかを確かめるためには、母集団に関する情報を十分に得ている必要がある。実際、標本が母集団をどの程度反映しているかを確認するためには、母集団全体を調べる以外に確かな方法はないと言える。そのため、完全に代表的な標本を得ることは難しく、標本抽出法によっては他の方法に比べて標本の偏りが生じにくいとされるものもあるが、それでも代表的な標本であるという保証はない。この点は研究者にとって少し残念な話であるが、研究というのは誤差が生じうる状況で進めるものだという前提を念頭に置く必要がある。特に量的研究者は、こうした誤差をできる限り減らしたり、その影響の大きさを推定する努力が求められる。標本抽出デザインには、大きく分けて確率標本抽出と非確率標本抽出の2つの方法がある。確率標本抽出は無作為抽出とも呼ばれ、要素を選び出す際に無作為選択を用いる。確率標本の特徴は、母集団の各要素がその標本に含まれる確率を研究者が特定できることである。確率標本の代表性にはより大きな信頼が置けるため、標本抽出法の中では確率標本抽出がより尊重されている。一方、非確率標本抽出では要素を作為的に選ぶため、各要素が標本に含まれる確率を推測することができず、さらに全要素が必ず含まれている保証もない。このような標本抽出の方法を用いると、意識的な偏りが生じやすく、研究の代表性が低下するリスクがある。母集団は複数の層、つまりサブグループや下位母集団で構成されていることもある。これらの層は1つ以上の特性で区別され、互いに排他的な関係にある部分集合である。例えば、母集団がアメリカで現在雇用されている登録ナース全体である場合、性別によって男性と女性の2つの層に分けることができるし、年齢によって30歳未満、30〜45歳、46歳以上の3つの層に分けることも可能である。この層化を活用することで、標本選択の際に代表性が向上し、調査結果の妥当性がより確保されやすくなる。研究においては、費用と時間の制約があるため、すべての母集団成員を調査するよりも標本を用いることが一般的である。すべての母集団を調査することはリソース的に非現実的な場合が多く、また標本から得られるデータでかなり正確な情報が得られることが多いため、標本を利用することが一般的に行われる。しかし、標本から得たデータが必ずしも正しい結論をもたらすとは限らず、標本抽出の偏りが結果に影響を与える可能性がある。研究に参加する100名を見つけることは比較的容易だが、母集団の特性を反映した偏りのない100名を選ぶことは難しい。標本抽出の偏りは、母集団の一部を過度に代表したり、過小に代表することであり、これが研究結果に影響を及ぼす場合がある。意識的な偏りの例としては、特定の病院に入院する患者を対象とする研究で、条件に適合する最初の50名を標本とする方法が挙げられるが、その中で特定の人物を理由に除外すると、意図的に母集団の一部を代表させない結果となり、調査結果に偏りが生じる可能性がある。しかし、多くの偏りは無意識に発生することが多い。たとえば、看護学図書館に入ってくる10人目ごとの学生を標本とする場合、図書館を利用する学生に偏る可能性があり、これが標本抽出の偏りとなる。偏りがどれほど生じるかは母集団の均質性に影響されるが、母集団が完全に均質であれば、標本も母集団と同様に偏りのないものとなる。生理学的な属性においては均質性が高く、たとえば人間の静脈血はほぼ均質であるため、1つの血液サンプルから得られる情報が母集団全体を代表することも可能であるが、人間の多くの属性において均質性は例外的であり、年齢や健康状態、習慣などの属性に変動が生じる。したがって、母集団に変動がある場合には、その変動を標本にも反映させることが理想的である。複数の病院や地域から参加者を選ぶことで、研究の結果がより一般化しやすくなる。