症例対照研究デザイン
- 提唱者
- Jerome L. Schlesselman, Brian MacMahon, Thomas Pugh
- 年
- 1950s-1970s
- 種類
- Research Design
- 系統
- observational design
この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む
何をする手法か?
症例対照研究は、疾患またはアウトカムを有する個人(症例)と、アウトカムを有さない比較群(対照群)を特定し、その後、過去の曝露を遡及的に測定する。1950年代から1970年代にかけて、SchlesselmanやMacMahonといった疫学者によって開発された症例対照研究は、希少疾患に対して特に効率的である。なぜなら、アウトカムが濃縮された症例をサンプリングするため、膨大なコホートを必要としないからである。これらは臨床疫学、観察研究、アウトブレイク調査の主要な手法である。
手法の背後にある直感
症例対照研究は逆向きに進む。疾患を持つ人々から始め、「病気になる前に何に曝露されましたか?」と尋ねる。疾患を持たない対照群と比較する。症例群が対照群よりも過去の曝露を報告する可能性がはるかに高い場合、その曝露はリスク因子である可能性が高い。主要な統計量はオッズ比(OR)であり、症例対照サンプルのみから計算できる。主な課題は、想起バイアス(症例は対照群とは異なる方法で曝露を記憶する可能性がある)と選択バイアス(対照群の選択方法が結果に影響を与える)である。希少疾患の場合、症例対照研究はコホート研究よりもはるかに効率的である。100人の症例と100人の対照を登録し、数年間追跡する10万人の疾患のない人々よりも効率的である。
歴史学
症例対照研究の方法論は、疫学者が希少疾患を効率的に研究する方法を模索した1950年代に登場した。Jerome Schlesselmanのモノグラフ(1982年)は統計的基礎を形式化した。症例対照デザインは因果関係の確立に決定的な役割を果たした。奇形(1960年代)と喫煙および肺がん(Doll & Hill)に関する古典的な症例対照研究は、曝露を迅速に検出するこのデザインの力を例示している。ネストされた症例対照研究(コホート内から対照を選択する)およびマッチングされた症例対照デザインは、精度を高めるために進化してきた。今日、症例対照研究は疫学、特にアウトブレイク、職業性ハザード、および希少な有害事象の調査において、依然として基本的である。
使うべき場面
症例対照研究を使用する場合:(1) 疾患またはアウトカムが希少(例:希少がん、先天性異常)で、コホート研究が高価すぎる場合。(2) 曝露とアウトカムの間に長い潜伏期間(数年から数十年)が存在する場合。(3) 単一のアウトカムに対して複数の曝露を研究する場合。(4) アウトブレイクまたは疫病調査を実施する場合(曝露群 vs 非曝露群の比較)。(5) 既存のデータ(医療記録、疾患登録)から仮説を生成する場合。(6) リソースが限られている場合(症例対照研究はコホート研究よりも安価で迅速である)。(7) 追跡が不可能な過去の曝露を研究する場合。
限界と注意点
- 想起バイアス:アウトカムを経験した症例は、対照群とは異なる過去の曝露を記憶する可能性がある。症例が曝露報告を誇張または過小評価した場合、ORは偏る。
- 選択バイアス:対照群の選択方法がORに決定的に影響する。対照群は症例を生み出した同じ母集団から来る必要がある。地域由来の症例に対して入院患者を対照群として使用するとバイアスが生じる。
- 時間的曖昧さ:遡及的な曝露測定は因果関係を不明瞭にする可能性がある。曝露がアウトカムに先行したのか、それともアウトカムが曝露の想起に影響したのか?
- 罹患率の計算不可:症例対照研究はアウトカムが濃縮されたサンプルであるため、疾患の罹患率または絶対リスクを直接推定することはできない。ORは推定可能な唯一の関連尺度である。
- 曝露の誤分類:遡及的な曝露評価(特に遠い過去の曝露の場合)は誤差が生じやすく、ORをゼロ方向に偏らせる。
出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。
強み
- 希少アウトカムに対する効率性:アウトカムが濃縮されたサンプリングにより、症例対照研究は希少疾患に対してコホート研究よりもはるかに効率的である。希少がんの研究では、数年間追跡する10万人の代わりに、300人の症例と300人の対照を登録する可能性がある。
- 迅速性と費用:遡及的なデータ収集は、前向きな追跡よりも迅速かつ安価である。
- 複数の曝露:単一の症例対照研究で多くの曝露を同時に検討し、新たなリスク因子を特定できる。
- 確立された疾患登録:多くのがんや先天性異常などの疾患には登録があり、適切に特徴付けられた症例に容易にアクセスできる。
- 潜伏期間:症例対照研究は、曝露とアウトカム診断の間の長い誘発潜伏期間を自然に扱う。
応用
- アウトブレイク調査:食中毒アウトブレイク中に、症例(罹患者)と対照(曝露したが罹患していない者)を特定し、摂取した食品を比較して発生源を特定する。
- 先天性異常疫学:先天性異常を持つ乳児を症例として登録し、地域ベースの対照群を選択し、母親に妊娠中の薬物使用、感染、または曝露について尋ねる。
- 労働衛生:中皮腫(希少アウトカム)を持つ労働者を症例とし、アスベスト関連疾患のない労働者を対照とし、雇用記録からアスベスト曝露を遡及的に評価する。
- 薬剤の有害作用:肝不全で入院した患者(症例)を、肝不全のない入院対照群と比較し、薬剤履歴をレビューして肝毒性のある薬剤を特定する。
- がん病因:新規診断されたがん患者(症例)を、年齢/性別で頻度マッチングされたがんのない対照群と比較し、食事、喫煙、生殖歴を収集してリスク因子を特定する。
使い方
使い方
症例の定義:関心のあるアウトカム(例:糖尿病、心筋梗塞、先天性異常)を有する個人。症例は新規診断されたもの(発生例)または特定の期間における疾患を有する全ての個人(有病例)とすることができる。症例を明確に定義する:診断基準、診断日、医療記録によって確認された疾患状態。対照群の選択:症例を生み出した母集団から対照群を選択する—対照群は症例を生み出した母集団における曝露分布を代表する。対照群は疾患がない(少なくとも特定の疾患アウトカムに対しては)必要がある。マッチング:対照群は、年齢、性別、人種、またはその他の交絡因子について、症例に対して1:1または1:kでマッチングすることができる。マッチングは検出力を向上させるが、統計的調整が必要である(マッチングペアにはMcNemar検定)。あるいは、非マッチング対照群を使用し、回帰分析で交絡因子を調整する。過去の曝露の測定:医療記録、面接、質問票、またはバイオバンク検体から測定する。歴史的な曝露(遠い過去)には、医療記録または職業歴を使用する。最近の曝露には、面接が実行可能である。
数式
Identify cases (with outcome) and controls (without outcome); measure prior exposure retrospectively from medical records, interviews, or surveys; match controls to cases on age, sex, or other variables if needed.
2×2分割表の作成:行=曝露状況(あり/なし)、列=症例/対照状況。オッズ比の計算:OR = (a × d) / (b × c)、ここで a = 曝露あり症例、b = 曝露なし症例、c = 曝露あり対照、d = 曝露なし対照。対数スケールを使用して95%信頼区間を計算する。マッチングデータ(nマッチングペア)の場合、McNemar検定を使用する:χ² = ((b − c)²) / (b + c)、これは不一致ペアが均衡しているかを検定する。非マッチングデータの場合、ロジスティック回帰を使用して交絡因子を調整し、調整済みORを計算する。調整済みORを信頼区間とp値とともに報告する。曝露と交絡因子間の交互作用を確認する。
数式
Tabulate 2×2 table (exposure × outcome); compute Odds Ratio (OR) = (a×d)/(b×c); apply McNemar's test for matched data or logistic regression for unmatched data with confounders.
OR = 1:曝露とアウトカムの間に相関はない。OR > 1:曝露はアウトカムを有するオッズの増加と関連している(リスク因子)。OR < 1:曝露はオッズの減少と関連している(保護因子)。例えば、OR = 3は、症例群における曝露のオッズが対照群におけるオッズの3倍であることを意味する。疾患が希少(有病率 <10%)の場合、ORは相対リスクを近似する。疾患が一般的な場合、ORは効果を過大評価する。1.0を含まない信頼区間は統計的有意性を示唆する。因果関係には統計的相関以上のものが必要である:関連の強さ(OR >2–3)、研究間の一貫性、用量反応関係、時間的妥当性、生物学的メカニズムを考慮する。代替説明を評価する:選択バイアス、想起バイアス、または未測定の交絡因子が観察された関連を説明できるか?
数式
Interpret OR: OR=1 no association, OR>1 increased odds of exposure in cases, OR<1 decreased odds. In rare outcomes, OR approximates Relative Risk. Consider recall bias, selection bias, and unmeasured confounding.
よくある落とし穴
- 不適切な対照群選択:入院患者(地域由来の症例の場合)から選択された対照群や、関連疾患を持つ対照群は選択バイアスを引き起こす。対照群は疾患がなく、母集団を代表するべきである。
- 解析におけるマッチングの無視:症例と対照が年齢/性別でマッチングされている場合、標準ロジスティック回帰は不適切である。マッチングされた分析には条件付きロジスティック回帰またはMcNemar検定を使用する。
- 差次的想起バイアス:症例は対照よりも曝露をより徹底的に記憶したり、より歪めたりする可能性がある。客観的な記録(例:カルテ、雇用記録)を使用し、想起調査を避けることで最小限に抑える。
- 事後的な対照群選択:データを見た後に(例:特定の共変量を均衡させるために追加の対照群を選択する)対照群の選択を調整すると、バイアスが生じる。対照群の基準を事前に定義する。
- 有病率-発生率バイアス:発生例(新たに診断された)ではなく有病例(母集団中の全ての疾患症例)を登録した場合、重症疾患の生存者が濃縮され、ORが歪む可能性がある。
よくある質問
オッズ比は相対リスクの良い近似値となるのはいつか?
オッズ比(OR)は、疾患が母集団で希少である場合(通常、有病率が10%未満)、相対リスク(RR)を近似する。有病率が低い場合、疾患のオッズ ≈ 疾患のリスクとなるため、OR ≈ RRとなる。有病率が10%を超える場合、ORはRRと比較して効果を過大評価する。例えば、RR = 2の場合、有病率が高いとORは2.5以上になる可能性がある。常に、症例対照研究はRRではなくORを生成することに留意する。臨床的解釈にRRが必要な場合は、ベースラインリスク(母集団における疾患の有病率)を使用してORを変換する必要がある。
ネストされた症例対照研究とは何か、なぜそれを使用するのか?
ネストされた症例対照研究は、前向きコホート研究の中から症例と対照を選択する。全ての症例メンバーは、アウトカムが発生した際にコホートから特定され、対照はコホート内の非症例からランダムにサンプリングされ、多くの場合年齢と性別で症例にマッチングされる。ネストされた症例対照研究は、コホート研究と症例対照研究の強みを組み合わせている。時間的順序と罹患率データが利用可能(コホート研究と同様)でありながら、高価な曝露(例:バイオマーカー、遺伝子検査)について測定するのは症例と対照のサブセットのみであるため、費用が低くなる。ネストされた症例対照研究からのオッズ比は、疾患が希少でなくても、コホート研究の相対リスクを近似する。
マッチングされた対照群とマッチングされていない対照群のどちらを選択すべきか?
マッチングされた対照群(年齢、性別などで症例に1:1マッチング)は、精度を向上させ、マッチングされた変数による交絡を減少させる。しかし、マッチングは統計的に「高価」である。条件付きロジスティック回帰を使用する必要があり、マッチングされた変数の独立した効果を推定することはできない。マッチングされていない対照群は、ロジスティック回帰で多くの交絡因子を調整することを可能にし、より費用対効果が高い場合がある。マッチングは、強力な交絡因子(年齢、性別、暦年)があり、対照群を見つけるのが難しい場合に最も有用である。潜在的な交絡因子が多数ある場合は、回帰調整による非マッチングデザインを検討する。
症例対照研究における選択バイアスと情報バイアスの違いをどう区別するか?
選択バイアスは、症例と対照の選択方法から生じる。症例と対照が異なる母集団(例:入院症例 vs 地域対照)から来ている場合、ORは偏る。情報バイアス(誤分類)は、曝露またはアウトカムの測定における誤差から生じる。想起バイアスは情報バイアスの1種である。重篤な疾患を持つ症例は、対照群とは異なる過去の曝露を記憶する可能性がある。どちらもORを偏らせるが、異なる方法で偏らせる。選択バイアスを最小限に抑えるには、症例と対照が同じ母集団から来ていることを確認する。情報バイアスを最小限に抑えるには、想起調査ではなく、客観的な記録(カルテ、バイオマーカー)を使用する。
関連する手法
参考文献
Schlesselman, J. J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.
ISBN:978-0195027815コピーしました。Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN:978-0781755657コピーしました。Greenland, S., & Thomas, D. C. (1990). On the need for the rare disease assumption in case-control studies. American Journal of Epidemiology, 132(2), 374–375.
出版物の文献を開くコピーしました。