2  何を調整するか:DAG・中間因子・合流点

「関係しそうな変数は、とりあえず全部モデルに入れる」は、よくある方針ですが、入れてはいけない変数 もあります。 この章では、答えが分かっているシミュレーション で、調整すべき変数とそうでない変数を確かめます。

変数の間の因果の向きを矢印で描いた図を DAG(有向非巡回グラフ)といいます。調整する変数は、DAG で次の 3 つの形を区別して決めます。

形 図 第 3 の変数 Z を調整すると
交絡(分岐) X ← Z → Y 偽の関連が 消える(調整すべき)
中間因子(連鎖) X → Z → Y X の効果の一部が 消える(総効果を知りたいなら調整しない)
合流点 X → Z ← Y なかった関連が 生まれる(調整してはいけない)

以下のシミュレーションでは、X が Y に与える本当の効果 を自分で決めておき、どの調整でその値が得られるかを見ます。

2.1 交絡因子:調整すると正しくなる

Z(例:年齢)が X(例:喫煙)と Y(例:血圧)の両方に影響し、X は Y に影響しない(本当の効果 = 0)とします。

調整しないと X の係数は 0.5 ほどになり、効果があるように見えます。Z で調整すると、ほぼ 0(本当の値)に戻ります。

flowchart LR
  Z["Z(交絡因子)"] --> X
  Z --> Y
  X -. "効果 0" .-> Y

2.2 中間因子:調整すると効果が消える

X が Z を通じて Y に影響する場合です(X → Z → Y)。例えば、肥満(X)が血圧(Z)を上げ、血圧が心血管疾患(Y)を増やす という経路です。

  • 調整なし:0.54(理論値は、直接の効果 0.2 と Z を通じた効果 0.35 を合わせた 総効果 0.55)
  • Z で調整:0.20(Z を通じた部分が消え、直接効果 だけが残る)

「肥満は心血管疾患を増やすか」と問うなら、知りたいのは 総効果 です。血圧で調整すると、肥満の効果のうち、血圧を上げることによる部分を差し引いてしまいます(過剰調整)。

2.2.1 実データ:BMI と心血管疾患

BMI が 5 高いと、CVD のオッズ比は 1.35 倍ですが、血圧で調整すると 1.18 倍に小さくなります。 どちらが「正しい」かではなく、問い(総効果か、血圧を介さない効果か)によって、調整すべき変数が違う のです。

2.3 合流点:調整すると、なかった関連が生まれる

X と Y が どちらも Z の原因 になっている場合です(X → Z ← Y)。X と Y の間には、本当は何の関係もないとします。

調整しなければ 0 なのに、Z で調整すると −0.48 という強い関連が生まれました。

2.3.1 合流点で「選ぶ」ことも調整と同じ

モデルに入れなくても、合流点の値で対象者を選ぶ と、同じことが起きます。 例えば、2 つの病気 X と Y はまったく無関係でも、どちらかがあると入院しやすい とき、入院患者だけを調べると、X と Y に負の関連が見えます(バークソンのバイアス)。

全員ではオッズ比 1(無関係)なのに、入院患者だけで見ると オッズ比 0.20 で、X があると Y が少ないように見えます。 病院の患者だけ・研究に参加した人だけ・検査を受けた人だけ を調べるときは、その選ばれ方が合流点になっていないかを考えます。

ノート「肥満パラドックス」と合流点

心不全や透析の患者では、「太っている人のほうが予後がよい」という報告がよくあります。 その一因として、病気になった人だけを選んでいる(病気は肥満と、ほかの重い原因の両方から生じる合流点)ために、肥満と他の危険因子の間に負の関連が生まれる、という説明が議論されています。

2.4 結果だけに影響する変数・曝露だけに影響する変数

変数 調整すると
Y だけ の原因(例:Y の強い予測因子) バイアスは変わらず、推定が精密になる(線形回帰)。調整してよい
X だけ の原因(例:処方の方針、操作変数) バイアスは減らず、推定が不安定になる。残余交絡を 増幅 することもある
X の 結果(X より後に起きたこと) 中間因子や合流点になりうる。原則として調整しない

2.5 調整した変数の係数を、解釈しない

喫煙の効果を推定するために、年齢・性別で調整したモデルを作ったとします。

このモデルの 年齢や性別のオッズ比を「年齢の効果」「性別の効果」として報告するのは誤り です(Table 2 の誤謬)。 喫煙の効果のために選んだ調整変数は、年齢の効果を推定するのに必要な変数とは違います(例:喫煙は年齢と死亡の間の中間因子になりうる)。1 つのモデルからは、1 つの曝露の効果 だけを報告します。

重要この章のまとめ
  • 調整する変数は、DAG(因果の矢印の図)で 交絡(分岐)・中間因子(連鎖)・合流点 を区別して決める
  • 交絡因子 は調整する。中間因子 を調整すると効果の一部が消える(過剰調整)。合流点 を調整・選択すると、なかった関連が生まれる
  • 曝露より後に起きたことは、原則として調整しない
  • 1 つのモデルからは 1 つの曝露の効果だけを報告する(Table 2 の誤謬)