Skip to content
検索結果に戻る

コホート研究 — 縦断的観察デザイン

提唱者
Doll & Hill (British Doctors Study, 1951); Snow (cholera, 1854)
年
Mid-20th century (formal epidemiological design codified ~1950s)
種類
Observational longitudinal study design
系統
Clinical / epidemiology

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

文字サイズ

何をする手法か?

コホート研究は、共通の開始時点(通常は関心のあるアウトカムがない状態)を持つ個人のグループを編成し、そのグループを時間を追って追跡し、誰がアウトカムを発症するかを観察します。曝露群と非曝露群の発生率を比較することで、研究者は相対リスクと絶対リスク差を推定できます。コホート研究は、疾患の発生率を測定し、曝露とアウトカムの間の時間的関係を確立するための、ゴールドスタンダードとなる観察デザインです。

手法の背後にある直感

コホート研究を、将来を見据えたドキュメンタリーのように考えてみてください。プロットが展開する前に参加者のキャストを募集し、特定の要因に曝露される人物を記録し、その後数ヶ月または数年にわたって誰が病気になるかを観察します。アウトカムの前に曝露を観察するため、因果関係のタイムラインは症例対照研究よりも明確です。トレードオフは時間とコストです。まれな疾患の場合、信頼できる結論を導き出すのに十分なイベントが蓄積されるまでに、数十年追跡される膨大なコホートが必要になることがあります。

歴史学

コホートデザインのルーツは、19世紀半ばのロンドンにおけるジョン・スノーのコレラに関する観察にありますが、正式な疫学コホート研究は、リチャード・ドールとオースティン・ブラッドフォード・ヒルによる英国医師研究(1951-1954)などの画期的な調査を通じて1950年代初頭に確立され、喫煙と肺がんの因果関係が実証されました。1948年に開始されたフラミンガム心臓研究は、心血管リスク要因に対する長期的な前向きコホートアプローチの典型例となりました。方法論的基礎は、ブライアン・マクマホン、トーマス・ピュー、そして後にケネス・ロスマンによって体系化されました。

使うべき場面

コホート研究は、研究課題が疾患の発生率、曝露とアウトカムの時間的順序、または病態の自然史に関わる場合、そしてランダム化が非倫理的または非現実的である場合に使用します。コホートデザインは、まれな曝露(参加者を曝露状況に基づいて選択できるため)、単一の曝露からの複数のアウトカム、および長期的な影響の研究に特に適しています。アウトカムが非常にまれな場合(十分なイベントを観察するために膨大なサンプルが必要となる)、研究予算やタイムラインが長期的な追跡をサポートできない場合、または症例対照研究や横断研究でより効率的に質問に答えられる場合は、コホート研究を使用しないでください。

限界と注意点

  • まれなアウトカムには非効率的 — 十分なイベントが蓄積されるまでに、膨大なサンプルサイズと長期間の追跡期間が必要となる場合があります。
  • 追跡不能は、脱落者が残る者と異なる場合に選択バイアスを導入する可能性があります。
  • 長期間と大規模なサンプル要件により、コホート研究は費用が高く、ロジスティクス的に困難です。
  • ランダム化比較試験とは異なり、デザインだけでは測定されていない変数による交絡を排除することはできません。

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

  • 時間的順序を確立する — 曝露はアウトカムの前に測定され、症例対照研究や横断研究よりも説得力のある因果推論を支持します。
  • 絶対発生率と相対リスクの計算が可能であり、オッズ比だけではありません。
  • 単一のコホートから複数のアウトカムに関するデータを同時に得ることができます。
  • 曝露の将来的な測定は、遡及的デザインと比較して想起バイアスを低減します。
  • 曝露された個人でコホートを充実させることにより、まれな曝露の研究に適しています。

応用

  • 食事パターン、身体活動、または脂質低下療法が心血管系に及ぼす長期的な影響の定量化。
  • 職業病(例:アスベスト曝露労働者における中皮腫)の発生率の推定。
  • 糖尿病、HIV、アルツハイマー病などの慢性疾患の自然史の研究。
  • 承認後の監視におけるワクチンの有効性と有害事象の評価。
  • 環境曝露(大気汚染、放射線)が数十年にわたる集団の健康に与える影響の調査。

使い方

使い方

1

研究者は、関心のあるアウトカムをまだ持たない、リスクのある集団を特定し、募集します。参加基準は、年齢、地理、職業、または医療システムへの登録によって定義される場合があります。開始コホートは共通の開始時点で登録され、ベースライン特性が記録されます。

2

曝露状況(例:喫煙、食事、投薬使用、職業的要因)はベースラインで評価され、多くのデザインでは、追跡期間を通じて定期的に再評価されます。この段階での正確な曝露測定が研究全体の質を決定します。ここでの誤分類は、リスク推定値をヌルに向かって偏らせます。

3

参加者は、定期的な評価、レジストリ連携、行政データ、または積極的な接触を通じて、時間を追ってモニターされます。追跡不能は、この段階での内的妥当性に対する主要な脅威です。研究を離脱する者が残る者と系統的に異なる場合、推定される発生率が偏る可能性があります。

4

新規アウトカムイベント(新規診断、死亡、入院)は、臨床検査、医療記録、疾患レジストリ、または生命統計との連携を通じて特定されます。明確で事前に指定されたアウトカム定義は、アウトカムの誤分類を最小限に抑えます。

5

曝露群と非曝露群の発生率が計算されます。主要な効果指標は相対リスク(RR = 曝露群の発生率 / 非曝露群の発生率)であり、追跡期間が異なる場合は率比です。交絡を制御するために、多変量回帰(例:ポアソン回帰、コックス回帰)によって調整済み推定値が得られます。

数式
RR = (Ie / Iu)

よくある落とし穴

  • 時間変動する曝露の無視 — ベースラインの曝露が追跡期間中に変化する(例:禁煙)にもかかわらず固定されていると見なすと、曝露の誤分類と結果のバイアスが生じる可能性があります。時間更新分析または周辺構造モデルを使用してください。
  • 追跡期間の不適切な管理 — 追跡期間が参加者間で異なる場合に、人年発生率ではなく生のイベント数を比較すると、誤解を招く結果が生じます。
  • 不死時間バイアス — 参加者がアウトカムを経験できない追跡期間(例:処方薬が満たされるまでの時間)を曝露群に割り当ててはなりません。そうしないと、リスク推定値が人為的に有利になります。
  • 健康な労働者効果または健康な利用者効果 — 職業的または臨床的環境から募集されたコホートは、一般集団よりも系統的に健康である可能性があり、外部一般化可能性を制限します。

よくある質問

前向きコホート研究と後ろ向きコホート研究の違いは何ですか?

前向きコホート研究では、研究者は参加者を募集し、その後時間を追って追跡し、イベントが発生するにつれて曝露とアウトカムのデータを収集します。後ろ向き(歴史的)コホート研究では、曝露とアウトカムの両方がすでに発生しており、研究者は既存の記録からコホートを再構築します。分析ロジックは同じですが、後ろ向きデザインはより速く安価である一方で、不完全な歴史的記録からの情報バイアスを受けやすいです。

コホート研究はどのくらいの規模が必要ですか?

サンプルサイズは、アウトカムの予想発生率、検出したい効果の大きさ、追跡期間、および必要な統計的検出力に依存します。一般的なアウトカムの場合、数百人の参加者で十分な場合があります。まれなアウトカムで効果量が小さい場合、数十年追跡される数万人の参加者が必要になる場合があります。募集を開始する前に検出力計算を行う必要があります。

コホート研究はランダム化比較試験とどう異なりますか?

ランダム化比較試験では、研究者が曝露の割り当てを制御するため、デザインによって交絡が排除され、因果関係の結論を導き出すことができます。コホート研究では、曝露は自然な状況によって決定されるため、測定されていない交絡因子が曝露とアウトカムの関連を歪める可能性があります。コホート研究は観察研究であるため、因果関係の問いに対するエビデンスの階層では下位に位置しますが、ランダム化が非倫理的または非現実的である場合に実施可能です。

コホート研究はどのような効果指標を生成しますか?

主要な効果指標は、累積発生率を使用する場合は相対リスク(リスク比)、人年分母を使用する場合は発生率比です。コホート研究は、公衆衛生上の影響について直接解釈可能なリスク差(寄与リスク)も推定できます。ロジスティック回帰からのオッズ比は便宜上報告されることがありますが、アウトカムがまれな場合にのみリスク比を近似します。

追跡不能はどのように対処すべきですか?

まず、積極的な維持戦略を通じて追跡不能を最小限に抑えます。追跡不能の割合を報告し、完了者と非完了者のベースライン特性を比較します。intention-to-follow-upの原則に基づいて分析し、感度分析(例:最良シナリオと最悪シナリオの補完)を実施して、結果の頑健性を評価します。脱落の予測因子が測定されている場合、逆確率重み付けによって情報的打ち切りを補正できます。

関連する手法

参考文献

  1. Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN:978-0781755641
    コピーしました。
  2. Doll, R., & Hill, A. B. (1954). The mortality of doctors in relation to their smoking habits: a preliminary report. British Medical Journal, 1(4877), 1451–1455.

    DOI 文献を開く
    コピーしました。