8 事後の検出力・精度・報告の書き方
最後に、研究が終わったあとの「検出力」の誤用、検定ではなく 推定の精度 から人数を決める方法、そして計画書・論文での書き方を扱います。
8.1 「事後の検出力」は計算しない
有意差が出なかった論文で、「観測された差と標準偏差で検出力を計算したら 30% だった。だから検出力不足で差が出なかった」と書かれていることがあります。 この 観測された効果を使った事後の検出力(observed power)には、意味がありません。
観測された差から計算した検出力は、p 値だけで決まってしまう からです。
- p = 0.05 ちょうどなら、事後の検出力は 必ず約 50%
- p > 0.05(有意でない)なら、事後の検出力は 必ず 50% 未満
つまり「有意でなかった → 事後の検出力が低かった」は、同じことを言い換えているだけで、新しい情報はありません。人数(ここでは 1 群 64 人)を変えても、この関係はほとんど変わりません。
- 効果の推定値と信頼区間。区間に「臨床的に意味のある差」が含まれるか、含まれないか
- 計画段階の検出力(事前に 見込んだ差に対する検出力)と、実際の人数・標準偏差が計画とどう違ったか
8.2 精度から人数を決める
有病率の調査や、測定法の性能評価のように、検定ではなく推定 が目的の研究もあります。このときは「信頼区間の幅をどれくらいにしたいか」から人数を決めます。
8.2.1 割合を推定する
ある地域の高血圧の有病率を、±3 ポイント(95% 信頼区間の幅の半分)の精度で推定したいとします。
\[ n = \frac{z_{1-\alpha/2}^2 \, p(1-p)}{E^2} \]
有病率の見込みが分からないときは、いちばん人数が多くなる p = 0.5 で計算します(1068 人)。
8.2.2 平均を推定する
収縮期血圧の平均を ±2 mmHg の精度で推定したいなら、標準偏差 18 mmHg(第 2 章)として:
312 人です。
精度による計算には、検出力(1 − β)が入っていません。計算した人数で得られる信頼区間の幅は、平均的に 目標どおりになるだけで、約半分の研究では目標より広くなります。 確実に目標の幅に収めたいなら、標準偏差の見積もりの上限を使う(第 4 章)、少し人数を足す、などの工夫をします。
8.3 人数が決まっているとき
希少疾患や、既存のコホートを使う研究では、人数が先に決まっていることがあります。 このときは、計画の段階で「この人数で、検出力 80% で見つけられる差」を計算して示します。これは事後の検出力とは違い、意味のある計算です。
1 群 30 人なら、検出力 80% で見つけられるのは 7.4 mmHg 以上 の差です。これが臨床的に意味のある差より大きければ、研究の目的(探索的な研究と位置づける、評価項目を変える、多施設にする…)を考え直します。
8.4 計画書・論文での書き方
サンプルサイズの根拠は、第三者が同じ計算を再現できる ように書きます(CONSORT 声明 項目 7a、SPIRIT 声明 項目 14)。
- 主要評価項目 と、使う 検定・解析方法
- 見込む差(と、その根拠:臨床的に意味のある最小の差か、先行研究か)
- ばらつき(標準偏差・対照群の割合・イベント率)と、その 出典
- 有意水準(両側か片側か)と 検出力
- 計算された人数と、脱落・割付比・クラスター などの補正
- 使ったソフトウェア・関数(
power.t.test()、シミュレーションならその条件と繰り返し回数) - 非劣性・同等性なら マージン とその根拠
- 複数の主要評価項目や中間解析があるなら、有意水準の調整 の方法(多重検定ハンズオン)
8.5 やってみよう
- 有病率 20% と見込まれる病気を、±2 ポイントの精度で推定するには何人必要ですか
- 1 群 50 人しか集まらない研究で、標準偏差 14.1 mmHg のとき、検出力 80% で見つけられる差はいくらですか
- 1537 人。精度を ±3 → ±2 ポイントにすると、人数は (3/2)² = 2.25 倍になります
- 約 8.0 mmHg。5 mmHg の差を見つけるには足りません
- 観測された効果で計算する 事後の検出力は p 値の言い換え で、意味がない。信頼区間を示す
- 推定が目的なら、信頼区間の幅 から人数を決める。割合の見込みが分からなければ p = 0.5
- 人数が決まっているなら、計画段階で 検出できる差を計算して示す
- 計画書には、評価項目・解析・差・ばらつきとその出典・α・検出力・補正・ソフトウェアを書く