▼▼▼▼▼▼▼▼
チャンネル登録はこちら

グループ間の比較：リスク差とリスク比

割合と率がわかったところで、２つのグループの割合や率を比較する方法を考えてみましょう。

＜薬を飲んだグループ＞
心筋梗塞発症１０例　未発症９０例　合計１００例

＜薬を飲まなかったグループ＞
心筋梗塞発症２０例　未発症８０例　合計１００例

このデータは、ある薬を飲んだグループ１００人と飲まなかったグループ１００人を何年か追跡調査した結果、何人の人に心筋梗塞が起こったかを集計したものです。

心筋梗塞が起きたかどうか、だけに注目しているので、割合を考えます。

薬を飲んだグループの心筋梗塞発症割合は、10/100=0.1

薬を飲まなかったグループの心筋梗塞発症割合は、20/100=0.2

ただ単にこの２つの割合を見比べてもよいと言えばよいのですが、それよりも、２つの割合を比較する計算をして１つの指標を導き出した方が、２つのグループの比較がより容易になります。

それがリスク差であり、リスク比であるのです。

ここでいきなり「リスク」という言葉を出しましたが、リスクとは、健康に関連するイベントの発生割合のことを指します。

では、リスク差やリスク比の計算をどのようにするかと言うと、

リスク差＝薬を飲んだグループのリスク−コントロールグループのリスク

リスク比＝薬を飲んだグループのリスク／コントロールグループのリスク

です。今の場合、薬を飲まなかったグループがコントロールグループになります。

薬を飲むか飲まないか以外だと、例えば、タバコを吸うか吸わないかだったら、コントロールグループがタバコを吸わないグループで、「薬を飲むグループ」の代わりに「タバコを吸うグループ」になります。

注意してほしいことは、常にコントロールグループを基準にするので、リスク差だったら、コントロールグループが引き算の後、リスク比だったら、コントロールグループのリスクが分母にきます。

この心筋梗塞の例で計算してみると、

リスク差＝0.1−0.2＝−0.1

リスク比＝0.1/0/2＝0.5

となります。

リスク差がマイナスの値をとっているので、薬を飲んだグループのリスクが２倍少ない（0.5倍多い）ことがすぐにわかります。

同じようにして、２つのグループの率の差である率差や２つのグループの率の比である率比も、率を計算すれば計算することができます。

効果の指標と関連の指標

もう少し深く考えてみましょう。

今、計算したリスク差の値から、薬を飲んだグループのリスクが0.1小さいことがわかりました。

これはいったい何を意味するのでしょうか？

もしかすると、

この薬を飲むと、飲まない場合に比べて、心筋梗塞を発症する人が１００人中１０人減る

と思うかもしれません。はたしてそうでしょうか。

これは、薬を飲むか飲まないかという「原因」と心筋梗塞が発症するかどうかという「結果」の間の関係性について述べています。

つまり、因果関係が調べられる状況の下でだけ成り立つリスク差の値の解釈なのです。

因果関係が調べられない状況では、

例えば、薬を飲むグループが若い人ばかりで、薬を飲まないグループに年配の人が多かったら、

このようにリスク差の値を解釈することはできませんよね。

薬を飲んだから心筋梗塞を発症する人が減ったのか、若いから（年配の人に比べて）発症する人が少なかったのかがわかりません。

このような場合には、

薬を飲んだグループでは、薬を飲まなかったグループに比べて、心筋梗塞を発症する人が１００人あたり１０人少なかった。

と事実関係を述べることしかできないのです。

リスク比についても同様で、因果関係が調べられる状況では、

この薬を飲むと、薬を飲まない場合に比べて、心筋梗塞を発症する危険性が２倍減る。

と解釈できるけれども、因果関係が調べられない状況では、

この薬を飲んだグループでは、薬を飲まなかったグループに比べて、心筋梗塞の発症が２倍少なかった。

と事実関係を述べることしかできないのです。

因果関係が調べられる状況でのリスク差やリスク比といった指標を、総称して効果の指標と呼ぶことがあります。

それに対して、因果関係が調べられない状況でのリスク差やリスク比といった指標を、総称して関連の指標と呼ぶことがあります。

同じ計算結果でも、解釈が全然違ってくるので注意が必要です。

心筋梗塞発症率の比較について、今回はある薬を飲んだグループと飲まなかったグループの発症割合を比較する方法を解説します。まず、心筋梗塞発症のデータとして、薬を飲んだグループ100人の中で発症したのは10人、未発症は90人でした。同様に、薬を飲まなかったグループ100人では発症が20人、未発症が80人でした。これらのデータは数年間の追跡調査で得られたもので、薬の影響がどのように心筋梗塞発症に関連しているかを評価するために重要です。心筋梗塞が発生した割合、すなわち発症割合を考えると、薬を飲んだグループの心筋梗塞発症割合は10/100=0.1、薬を飲まなかったグループの発症割合は20/100=0.2です。このように単純に2つの割合を比較することもできますが、より分かりやすくグループ間の違いを評価するためにリスク差とリスク比を使います。リスク差とは、薬を飲んだグループのリスクからコントロールグループのリスクを引いたもので、リスク比は薬を飲んだグループのリスクをコントロールグループのリスクで割ったものです。今回の場合、薬を飲まなかったグループがコントロールグループとなります。具体的に計算すると、リスク差は0.1（薬を飲んだグループのリスク）−0.2（コントロールグループのリスク）＝-0.1、リスク比は0.1（薬を飲んだグループのリスク）÷0.2（コントロールグループのリスク）＝0.5となります。リスク差が-0.1であることは、薬を飲んだグループの心筋梗塞発症リスクが10%低いことを意味し、リスク比が0.5であることは、薬を飲んだグループのリスクがコントロールグループの半分、すなわち2倍低いことを示しています。これらの指標は2つのグループ間の比較を視覚的に簡単にし、医療従事者が効果的な治療法を評価する際に重要です。しかし、これらの指標をどのように解釈するかは状況に依存します。ここで「リスク」という言葉は健康に関連するイベント、つまり心筋梗塞発症のような事象が発生する割合を指します。リスク差は、ある治療や条件による影響がどの程度の減少または増加をもたらすかを示し、リスク比はその影響が相対的にどれほど大きいかを示します。これらの指標は、因果関係が検討できる状況でのみ、治療や条件の効果を示す「効果の指標」として使用できます。例えば、薬を飲むことが心筋梗塞発症に直接影響を与えると証明できる場合、リスク差は薬を飲むことで心筋梗塞の発症が100人中10人減ることを意味します。これは「原因と結果」の関係を明示するもので、薬の服用が心筋梗塞発症を防ぐための具体的な予防策として解釈できます。一方で、因果関係が調べられない状況では、リスク差やリスク比は単に2つのグループの比較を示す「関連の指標」としてのみ使用されます。例えば、薬を飲んだグループが若い人で構成され、薬を飲まなかったグループが年齢層が高い場合、そのリスク差やリスク比は年齢による影響の可能性を無視できません。若年層が年配者よりも心筋梗塞の発症率が低い傾向にあるため、薬の効果ではなく年齢が発症率の違いを説明している可能性があります。このような場合、リスク差は「薬を飲んだグループでは、飲まなかったグループに比べて心筋梗塞を発症する人が100人あたり10人少なかった」といった事実関係を述べることにとどまり、因果関係の解釈はできません。リスク比も同様に、因果関係が証明できる状況では「薬を飲むことで、薬を飲まない場合に比べて心筋梗塞発症のリスクが2倍減少する」と解釈できますが、因果関係が不明な場合は「薬を飲んだグループは、薬を飲まなかったグループに比べて心筋梗塞発症が2倍少なかった」と述べるに留まります。つまり、因果関係を考慮せずに単に比較するだけでは、どの要因が結果に影響を及ぼしたかが不明確なため、「関連の指標」として解釈することになります。これらの違いは研究や調査結果を理解するうえで重要です。医療や公衆衛生の分野で行われる研究は、可能な限り因果関係を明らかにすることを目指します。無作為化比較試験（RCT）は、その目的に最も適した方法の一つです。RCTでは、参加者が無作為に治療グループとコントロールグループに分けられ、要因が均等に分散されるため、因果関係をより確実に調べることができます。例えば、薬の効果を調べるために、無作為化されたグループに薬を服用させ、コントロールグループにはプラセボを与えることで、薬の直接的な効果を比較することができます。これにより、年齢や性別、健康状態などのバイアスを最小限に抑え、薬の効果を正確に評価できます。一方、観察研究では、因果関係を明確に示すのは難しいことが多いです。観察研究は、既存のデータや自然発生的なグループを用いてリスク差やリスク比を計算しますが、これらの結果は因果関係ではなく関連性を示すことが一般的です。例えば、観察研究で得られたリスク比が2.0である場合、「ある要因により発症リスクが2倍である」とは言えず、「その要因を持つ人は、他の人に比べて発症リスクが2倍高い」と関連性を示すだけに留まります。因果関係を検討する際には、共変量や交絡因子の影響を考慮する必要があります。交絡因子とは、調査対象となる要因とアウトカムの両方に影響を及ぼし、因果関係の解釈を難しくする要因です。例えば、心筋梗塞の発症を調べる際に、年齢、性別、喫煙、肥満、遺伝的要因などが交絡因子として働く可能性があります。これらの因子を考慮せずに単純なリスク差やリスク比を解釈すると、誤った結論に至る可能性が高まります。したがって、研究ではしばしば多変量解析や調整された分析を行い、交絡因子の影響を制御して因果関係をより正確に評価しようとします。多変量解析は、複数の変数を同時に考慮し、特定の要因の純粋な影響を把握する方法です。このようにして得られたリスク差やリスク比は、因果関係の指標として信頼性が高くなります。効果の指標と関連の指標を正確に理解することは、医療の現場や公衆衛生政策を立案する際にも役立ちます。例えば、新しい薬や治療法が導入されるとき、その効果を評価するためにリスク差やリスク比が使用されます。