▼▼▼▼▼▼▼▼
チャンネル登録はこちら

欠測データを扱う際のよくある誤り

欠測データを扱う際に最も犯しがちな誤りは，必要な仮定が満たされているかどうか，または異なる仮定をした時に結果が目に見えるほど変化するか，といった考察をすることなしに単純に完全データによる解析やBOCFなどの手法を適用することである，

例えばBOCFは，忠者の状態がベースライン以降変化しないということを仮定している．

ある感染症に対して２種類の抗生物質の有効性を比較する試験において，すぐに回復した個々が治療への関心を失い脱落しがちで，１つの治療群は他方より効果があったという場合には. BOCFは治療効果を過小評価する傾向を示すだろう．

人はしばしば，自分たちは保守的に考えているという理由でLOCFやBOCFといった方法を正当化するが，臨床試験では「保守的」ということはそれが治療の有益性を主張するのをより難しくするというものでなければならない．

その定義において. LOCFやBOCFは，何が欠測データを生じさせているか，そしてどの群がよりそうであるかに依存して，保守的にも反保守的にもなり得る．

欠測データがもたらす影響を理解する最良の道は．欠測データについて調整を行う異なった種類の方法を用いて，結果がどのように変わるかを調べる感度分析を行うことである．

もし結果が使用した手法に対して影響を受けないのであれば，欠測データの結果に対する影響は過度に大きいものではないということに，我々はより確信が持てるようになる．

まとめると、van Belle は，欠測データに対する最良のアプローチとして「いかなる欠測データも持たない」ことを提唱している.

このことは一般には現実的ではないが，努力すべき重要な１つのゴールドスタンダードである．

がんの臨床試験での５年生存率のように，期間を延長して被験者を追跡することが必要となる試験終了時点において欠測データは直ちに合算することができ，観測は被験者との接触を失うとかプロトコール違反のような，回避可能な種類の欠測データを最小にするように行わなければならない．

欠測データに関するＮＲＣパネルは，欠測データを回避するためのデザインの詳細についての提案とその議論を行っている.

欠測データを最小にすることは，すべての被験者を解析に含められるように全貝にある値を補完することを要求するintent to treat （ITT）解析がおこなわれる，

第ｍ相の確認試験においては特に重要なことである．

この状況において，結果は，全面的に受け入れてもらうためには，一般には「最悪データによる」解析に対してもロバストである必要がある．

臨床試験のデザインを計画する時には，そのデザインと解析で欠測データが適切に扱われるようにするために，統計学者と相談し予想される欠測データの率について議論しなければならない．

例えば,ある者は5％の欠測データが予想される場合に，「最悪データ」の仮定をしたとしても良好な検出力を保てるようにサンプルサイズを増やしておきたいと考えるかもしれない．

欠測データを扱うための手法は，プロトコールにあらかじめ定義されているべきである．

最終的に使用する方法は観測された欠測の率に依存するかもしれないが，あり得る欠測の率は通常予測可能であり，観察された率によって条件付けされる手法については，試験統計家の助けを借りて統計解析計画書中に概要を説明することができる．

終わりに，試験結果の報告を作成する時には．欠測データの量とそれを扱うために使用した手法について明確に記述するべきである．

感度分析についての記述も常に含まれるべきである．

欠測データを扱う際に最も犯しがちな誤りは、データが欠損している理由や仮定の妥当性を十分に考慮せず、単純に完全データによる解析やBOCF（Baseline Observation Carried Forward）などの一般的な手法を適用してしまうことです。例えば、BOCFはベースライン以降の状態が変化しないと仮定していますが、これは多くの状況で現実的ではありません。ある感染症に対する2種類の抗生物質の有効性を比較する試験を例に考えてみましょう。もしある治療法によって速やかに回復する被験者がその後の治療に対する関心を失い、追跡調査から脱落するケースが多発するならば、BOCFを適用した場合、実際の治療効果が過小評価される可能性が高いのです。なぜなら、BOCFの仮定のもとではベースラインの観察値がその後も保持されるため、早期に回復した被験者の改善効果が適切に反映されないからです。また、人々はよく「保守的にデータを扱いたい」という理由で、LOCF（Last Observation Carried Forward）やBOCFの手法を正当化しようとしますが、臨床試験のコンテキストでは「保守的」ということは治療の有効性の主張をより慎重に行うことを意味します。つまり、仮定に基づいて欠測データがどのように扱われるかによって、保守的な結果が得られる場合もあれば、逆に治療効果を過小評価してしまう、あるいは過大評価してしまうこともあり得るのです。欠測データがもたらす影響を正しく理解するための最良の方法は、異なる種類の欠測データ調整法を適用し、その結果がどのように変化するかを調べる「感度分析」を行うことです。感度分析を実施することで、用いた手法に結果がどの程度影響を受けるかが明らかになり、もし結果が異なる方法にも頑健である場合には、欠測データの影響が過度に大きいものではないと確信を持つことができます。さらに欠測データに対する最良のアプローチとして、van Belleは「いかなる欠測データも持たない」ことを提唱しています。この理想的な状態を完全に達成するのは現実的ではないものの、目指すべき重要なゴールドスタンダードとして意識すべきです。例えば、がんの臨床試験で5年生存率を評価する際、被験者を長期間にわたり追跡することが求められるため、欠測データが発生しやすい状況にあります。試験終了時点で欠測データがすぐに合算できるように観察を行うと同時に、被験者との連絡が途絶える、プロトコール違反が発生する、といった回避可能な欠測データの発生を最小化するよう努めることが重要です。欠測データに関するNRC（National Research Council）パネルも、欠測データを回避するための詳細な試験デザインの提案と議論を行っています。このようなアプローチは、すべての被験者を解析に含められるよう、意図的な補完を行うITT（Intention-to-Treat）解析を促進し、特に第�V相の確認試験においては非常に重要となります。このような状況下で、結果が最悪の仮定を用いた解析にも頑健であることは、結果の信頼性を高めるために不可欠です。臨床試験のデザインを計画する際には、欠測データが発生するリスクに対して予防的な設計が求められるため、統計学者との連携が欠かせません。例えば、ある試験において欠測データが5％程度発生すると予想される場合には、最悪のデータ仮定に基づいても十分な検出力を維持できるよう、サンプルサイズを事前に増加させることが考えられます。欠測データを扱うための手法は、臨床試験のプロトコールに事前に明確に定義されるべきであり、最終的に使用する方法が観測された欠測率に依存する可能性があるとしても、欠測の程度はあらかじめ予測可能であるため、試験統計家のサポートを得て統計解析計画書（SAP）に欠測データに対する対応を詳細に盛り込むことが望ましいです。試験結果を報告する際には、欠測データの発生頻度やその処理方法について明確に記述する必要があります。また、感度分析の結果も常に報告に含めることで、解析結果の信頼性を補強することができます。