6 追跡と脱落を記述する ― 誰が最後まで残ったか
コホート研究では、時間がたつにつれて参加者が 亡くなり、引っ越し、来なくなります。 最後まで残った人は、最初に集めた人と同じ集団ではありません。この章では、追跡と脱落を記述しないと何を見誤るかを体験します。
6.1 診察の回ごとに集計する
Framingham の 3 回の診察(約 6 年おき)ごとに、参加者の特徴を集計します。
1 回目から 3 回目にかけて、喫煙者の割合は 49.2% → 34.4% に下がっています。 これは「参加者がたばこをやめた」からでしょうか? ほかにどんな理由が考えられますか?
6.2 3 回目の診察に来たのは誰か
1 回目の参加者 4434 人を、3 回目の診察に来たかどうか で分けて、1 回目(ベースライン)の特徴を比べます。
- 3 回目までに 590 人が亡くなっていた。その人たちはベースラインで年齢が高く、血圧が高く、糖尿病・冠動脈疾患の既往が多かった
- 生存しているのに来なかった人が 581 人。喫煙者がやや多い
- 3 回目に来た 3263 人は、最初からより若く、より健康な人たち だった
つまり、3 回目の集団は「元の集団が 12 年たった姿」ではなく、生き残って、診察に来られた人たち です。 回ごとの集計の変化には、参加者自身の変化(禁煙・加齢)と、誰が抜けたか の両方が混ざっています。
「3 回目の診察のデータで、血圧と○○の関係を調べる」と、すでにリスクの高い人が抜けた集団を見ることになります。 たとえば高血圧で早く亡くなる人が抜けると、残った人の中では高血圧の害が小さく見えることがあります。 最後の時点のデータだけで解析するときは、そこまでに誰が抜けたかを必ず記述 します。
2 つを分けるには、同じ人を追いかけて 集計します。3 回とも来た人だけで見ます。
同じ 3206 人でも喫煙率は 47.6% → 34.2% に下がるので、喫煙率の低下の大部分は本当の禁煙 でした(予想は当たりましたか?)。 一方で、この 3206 人は 1 回目の時点で、全体(49.2%)より喫煙率がやや低く、糖尿病や冠動脈疾患の既往も少ない集団です。 「どちらの理由か」は、記述して確かめないと分かりません。
6.3 追跡期間を記述する
コホート研究の論文では、どれくらいの期間、何人を追跡し、何件のイベントがあったか を最初に報告します。
- 生存者は全員 24 年ちょうどで打ち切り(研究の追跡期間の終わり、管理的打ち切り)
- 途中で追跡できなくなった人(脱落による打ち切り)はいない
このデータは追跡が非常に完全な例です。実際のコホート(特に健診・レセプトデータ)では、転居・転職・保険の切り替えで追跡が途切れる人 が多く、途切れやすさが健康状態と関係していることもあります。 打ち切りの理由と時期の分布を記述しておくと、生存時間解析の前提(打ち切りがイベントと無関係)を検討できます。
6.3.1 率(人年あたり)で記述する
追跡期間が人によって違うときは、割合よりも 人年あたりの率 で記述します。
6.4 発症の解析:最初から病気の人を除いているか
冠動脈疾患(CHD)の 新規発症 を数えてみます。
28.0% …… ですが、ベースラインの時点で すでに冠動脈疾患があった人(PREVCHD == 1)を確認します。
既往のある 194 人は、全員が ANYCHD = 1、発症までの日数が 0 として記録されています。「新規に発症した」のではなく、最初から病気だった 人です。
既往のある人を除くと、新規発症は 24.7% です。 発症リスクの解析に既往のある人を含めると、既往の多い群(高齢・男性・高血圧)のリスクが過大に 見えます。 「解析開始時点で、まだイベントが起きていない人」にそろえることは、コホート研究の基本です。
6.5 イベント数を群ごとに数える
最後に、比べたい群ごとの イベント数 を確認します。人数が多くても、イベントが少なければ推定は不安定です。
4240 人のコホートでも、糖尿病の人は 109 人、発症は 55 件しかありません。 糖尿病の人をさらに性別・年齢で分けたり、多くの変数で調整したりすると、すぐに推定が不安定になります。
- 追跡の後半の集団は 生き残って参加し続けた人。脱落した人と残った人の ベースラインの特徴を比べる
- 追跡期間・打ち切り・イベント数・人年 を記述する
- 発症の解析では、ベースラインですでにイベントがあった人 を除く
- 群ごとの イベント数 を確認してから、層別やモデルの複雑さを決める