交絡を調整する ハンズオン
何を調整するか・オッズ比の読み方・連続変数・交互作用・過学習・傾向スコア — Framingham とシミュレーションで
はじめに
English version available — Read in English (machine-assisted translation by generative AI).
観察研究の論文の多くは、「年齢・性別・……で調整したオッズ比(ハザード比)」を報告しています。 回帰モデルに変数を入れれば「調整」はできますが、
- どの変数を 入れるべきか(入れてはいけない変数はあるか)
- 調整したオッズ比は、何倍のリスク を意味するのか
- 年齢を「50 歳未満 / 以上」で入れても、調整したことになるのか
- 「男性では有意、女性では有意でない」は、効果が違うという意味か
- 変数を p 値で選んでよいのか
- 傾向スコアを使えば、ランダム化比較試験と同じになるのか
といった問いに答えられないと、調整したつもりで結論を誤ります。
このハンズオンでは、Framingham 心臓研究 の教育用データと、答えが分かっているシミュレーション を、ブラウザで動く R で使いながら、交絡の調整の考え方と落とし穴を体験します。
このハンズオンのゴール
- 交絡を説明し、調整で推定値がどう変わるかを 自分で確かめられる
- DAG(因果の矢印の図)を描き、調整すべき変数・してはいけない変数(中間因子・合流点)を区別できる
- オッズ比とリスク比の違いを理解し、標準化 でリスク差・リスク比を求められる
- 連続変数の扱い(区切る・直線・スプライン)と 残余交絡 を説明できる
- 交互作用(効果の修飾)を、乗法と加法の両方の尺度で読める
- 変数の数と 過学習、p 値による変数選択 の問題を説明できる
- 傾向スコア(重みづけ・マッチング)を使い、その限界(測っていない交絡)を説明できる
対象読者
- 疫学・臨床研究・ヘルスケアデータの解析に関わる方
- 割合・オッズ比・ロジスティック回帰の出力を見たことがある方
- R は「コードを読んで、少し書き換えて実行できる」程度で大丈夫です
記述統計ハンズオン(第 7 章:Table 1 と交絡)と χ² 検定ハンズオン(第 7 章:Mantel-Haenszel)の続きとして読むこともできます。
ブラウザで R が動きます
各章のコードセルは、あなたのブラウザの中で R が実行されています(webR という技術)。 コードを書き換えて「Run Code」を押せば、すぐに結果が変わります。インストールは不要です。
ノート
- 各章を開いた直後は、R とパッケージの読み込みに 数十秒〜1分ほど かかります
- 読み込み中にタブを裏に回すと処理が遅くなるので、表示されるまでそのままお待ちください
- PC での閲覧を推奨します
使うのは R に最初から入っている glm() などと、dplyr・ggplot2 だけです。傾向スコアも、専用のパッケージを使わずに手で計算します。
使うデータ
Framingham 心臓研究(教育用データ)の 1 回目の診察(1950 年代、4434 人)と、その後 24 年間の死亡・心血管疾患(CVD)です。
警告データの注意
- 匿名化のために一部が改変されています。研究結果として引用することはできません
- 1950 年代の米国の人たちのデータで、当時の降圧薬・治療は今とは大きく違います。降圧薬の例は 調整の方法を学ぶためのもの で、薬の効果についての結論ではありません
章の構成
| 章 | 内容 |
|---|---|
| 1 | 交絡とは(喫煙と死亡、降圧薬と死亡) |
| 2 | 何を調整するか:DAG・中間因子・合流点(シミュレーション) |
| 3 | オッズ比を読む:リスク比との違い・標準化・非併合性 |
| 4 | 連続変数の扱い:区切る・直線・スプライン・残余交絡 |
| 5 | 交互作用:効果の修飾、乗法と加法の尺度 |
| 6 | 変数の数と過学習・p 値による変数選択 |
| 7 | 傾向スコア:重みづけ・マッチング・バランス・重なり・限界 |
| 8 | 演習と、交絡の調整のチェックリスト |