【査読対応のコツ】データベース研究のサンプルサイズについて

臨床研究の世界に足を踏み入れると、私たちは様々な研究デザインに出会います。その中でも、研究の方向性を大きく左右するのが、時間の流れをどのように捉えるかという点です。研究は、未来に向かって情報を集めていく「前向き研究」と、過去に遡って情報を解析する「後ろ向き研究」に大別されます。この区別は、単なる手法の違いにとどまらず、研究者が立てるべき問いの種類や、用いるべき統計的な考え方の根幹に関わってきます。

このnoteでは、特に後ろ向き研究、すなわちレトロスペクティブ研究におけるサンプルサイズと統計的検出力の問題に焦点を当て、しばしば研究者を悩ませる「検出力は必須なのか」という問いに、体系的に答えていくことを目指します。

まず、二つの研究の方向性について理解を深めましょう。前向き研究、専門的にはプロスペクティブ研究と呼ばれるものは、研究計画を立てた時点から将来に向けて、参加者のデータを収集していくアプローチです 。

例えば、新しい治療法の効果を検証するために、治療を受ける群と受けない群を未来に向かって追跡し、その結果を比較する臨床試験などがこれに該当します。このアプローチの強みは、研究者が知りたい情報に合わせて、データの収集方法を厳密に計画・管理できる点にあります。

一方、本noteの主題であるレトロスペクティブ研究は、「後ろ向き研究」とも呼ばれ、その名の通り、研究を開始する時点から過去に遡って情報を調査する研究手法です 。これは決して消極的な意味合いを持つ言葉ではありません 。研究者は、既に存在している診療録や公的なデータベースといった記録を利用して、特定の疾患とその要因との関連性を探ります 。例えば、ある疾患を持つ患者さんたちの過去の生活習慣や治療歴を調べることで、発症のリスク因子を特定しようと試みる研究がこれにあたります 。

レトロスペクティブ研究には、症例対照研究や後ろ向きコホート研究といった具体的なデザインが存在します 。症例対照研究では、特定の疾患を持つ「症例」群と、その疾患を持たない「対照」群を設定し、過去の要因への曝露状況を比較します 。後ろ向きコホート研究では、過去のある時点での記録に基づき、特定の要因に曝露された集団とされなかった集団を同定し、現在までの疾患発生率を比較します 。これらの研究は、希少疾患の調査や、長期間の追跡が必要な事象を比較的短期間で、そして低コストで研究できるという大きな利点を持っています 。

しかし、レトロスペクティブ研究には、その性質上、避けることのできない一つの大きな制約が存在します。それは、研究に利用できるデータセットが、研究を開始する時点ですでに確定しているという点です 。研究者は、過去の記録という限られた情報源に依存するため、新たな参加者を追加してサンプルサイズを増やすことはできません 。この「サンプルサイズが事前に固定されている」という事実こそが、レトロスペクティブ研究の統計的評価を考える上での最も重要な出発点となります。

論文を投稿し、査読の過程を経験した研究者の方なら、「サンプルサイズはどのように決定しましたか？」という質問を受けたことがあるかもしれません。この問いは、特に前向きの介入研究においては、研究の質を担保するための根幹的な質問です。しかし、レトロスペクティブ研究でこの問いに直面したとき、多くの研究者は「既存のデータを用いたため、事前のサンプルサイズ計算は行っていません」と答えることになります。このやり取りの背景には、査読者が持つ、主に前向き研究を基準とした厳密さの規範と、レトロスペクティブ研究が持つ現実的な制約との間の乖離が存在します。査読者は、研究の信頼性を保証する一つの指標としてサンプルサイズ計算を求めますが、その要求がレトロスペクティブ研究の文脈では必ずしも適切ではない場合があるのです。この根本的な視点の違いを理解することが、本noteのテーマを考える上で大切になります。

仮説検証の「検出力」という考え方

臨床研究、特に新しい治療法や介入の効果を評価する前向き研究において、中心的な役割を果たす統計的な概念が「検出力（power）」です。論文の査読過程でサンプルサイズの妥当性が問われるとき、その根底にはほとんどの場合、この検出力という考え方が存在します。この章では、まず検出力とは何か、そしてなぜそれが特に前向き研究において重要視されるのかを、丁寧に解説していきます。

統計的検出力とは、非常に簡潔に言えば、「もし本当に効果が存在する場合に、その効果を研究が見つけ出すことができる確率」のことです 。研究とは、限られた数のサンプル（標本）から、より大きな集団（母集団）全体に関する結論を導き出そうとする試みです。そのため、偶然による誤差が常に伴います。この誤差には二つの種類があります。一つは「本当は効果がないのに、偶然にも効果があったように見えてしまう」誤り、これを「第一種の過誤（偽陽性）」と呼びます 。もう一つが、「本当は効果があるのに、偶然にもそれを見逃してしまう」誤り、これを「第二種の過誤（偽陰性）」と呼びます 。統計的検出力は、この第二種の過誤を犯さない確率として定義されます 。一般的に、研究デザインにおいては、この検出力を80%以上に設定することが望ましいとされています 。これは、もし本当に効果があるならば、100回同じ研究を繰り返した場合に、少なくとも80回はその効果を統計的に有意なものとして正しく検出できる、という期待値を意味します 。

この検出力の考え方は、研究を始める前に行う「サンプルサイズ設計（a priori power analysis）」と密接に結びついています 。前向きの介入研究では、研究を開始する前に、目標とする検出力を達成するために何人の参加者が必要かを計算することが、科学的にも倫理的にも不可欠とされています 。なぜなら、検出力が低すぎる研究、つまりサンプルサイズが小さすぎる研究は、たとえ本当に価値のある効果が存在したとしても、それを見つけ出す能力が低いため、時間や費用、そして何よりも研究参加者の貢献を無駄にしてしまう可能性があるからです 。逆に、サンプルサイズが過剰に大きい研究もまた、不必要に多くの参加者をリスクに晒したり、リソースを浪費したりすることになり、倫理的な問題となり得ます 。したがって、事前に適切なサンプルサイズを設計することは、研究の成功確率を高め、資源を効率的に使い、倫理的な配慮を果たすための重要なプロセスなのです 。

では、研究の検出力は何によって決まるのでしょうか。主に四つの要因が相互に関係しています 。

第一に、最も直感的な要因は「サンプルサイズ」です。一般的に、サンプルサイズが大きければ大きいほど、データのランダムなばらつき（ノイズ）の影響が小さくなり、集団間の真の差（シグナル）が明確になります。その結果、検出力は高まります 。

第二に、「効果量（effect size）」です。効果量とは、研究対象となる現象の強さや大きさを示す指標です 。例えば、治療群と対照群の平均値の差が大きければ大きいほど、その効果は検出しやすくなります。つまり、効果量が大きいほど、より少ないサンプルサイズでも高い検出力を得ることができます 。

第三に、データの「ばらつき（variability）」です。集団内のデータのばらつきが小さいほど、異なる集団間の差は際立ちやすくなります。例えば、参加者の反応が皆似通っていれば、少しの差でも明確に捉えることができます。逆に、ばらつきが大きいと、真の効果がノイズに埋もれてしまい、検出力は低下します 。

第四に、「有意水準（alpha）」です。これは、第一種の過誤を犯す確率の上限値であり、通常は5%（0.05）に設定されます 。この基準を厳しくする（例えば1%にする）と、偶然の結果を「有意」と判断しにくくなるため、結果として真の効果を見逃す確率、すなわち第二種の過誤の確率が上がり、検出力は低下します 。

これらの要因の関係性を理解すると、検出力という概念が、本質的に「仮説検証」という二元的な意思決定の枠組みに深く根ざしていることが見えてきます。仮説検証の目的は、「効果がある（対立仮説）」か「効果がない（帰無仮説）」かという、白黒はっきりとした結論を出すことです 。検出力は、この判断を正しく行うための研究の「性能」を保証するものです。この「有無を判定する」という目的が、レトロスペクティブ研究でしばしば追求される別の目的、すなわち「効果の大きさを測る」という目的と、どのように異なるのか。その点を考えることが、次の章への橋渡しとなります。

効果を測る「推定精度」という視点

先ほどは、研究の目的が「効果の有無を判定する」仮説検証である場合、統計的検出力がいかに重要であるかを見てきました。しかし、科学的な探求の目的は、常に白黒をつけることだけではありません。特に、すでに存在するデータを扱うレトロスペクティブ研究においては、「効果があるかないか」という二者択一の問いよりも、「もし効果があるとしたら、その大きさはどの程度か」を正確に知ることの方が、より重要で有益な場合があります。ここで登場するのが、「推定精度（precision）」という、もう一つの重要な統計的視点です。