Skip to content
検索結果に戻る

コホート研究デザイン

提唱者
Donald Acheson, Olli Miettinen, and others in modern epidemiology
年
1970s-1980s
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

文字サイズ

何をする手法か?

コホート研究は、曝露からアウトカムまで、ある集団の個人を時間的に追跡するものである。ベースラインで曝露群と非曝露群(または曝露レベルが異なる参加者)を登録し、特徴を把握し、アウトカムが発生するか研究が終了するまで前向きに観察する。コホート研究は疫学の基礎であり、ランダム化比較試験が不可能または非倫理的な場合に因果関係を確立するためのデザインとして選択される。

手法の背後にある直感

喫煙者と非喫煙者の2つのグループを10年間追跡し、それぞれのグループで肺がんの発生数を数えることを想像してみよう。相対リスク(RR)=(喫煙者の肺がん数)/(非喫煙者の肺がん数)は、喫煙者ががんを発症する可能性がどれだけ高いかを示す。コホート研究は、時間的順序(曝露がアウトカムに先行する)を自然に保持し、想起バイアスを回避し(疾患発症後に記憶を頼るのではなく、ベースラインで曝露を記録するため)、単一の曝露から複数のアウトカムを研究できる。主なトレードオフは、費用と時間である。何年も、しばしば多大な費用をかけて人々を追跡する必要がある。交絡因子(曝露とアウトカムの両方に関連する他の要因)は、制御されない限り脅威であり続ける。

歴史学

コホート研究は、1950年代から1970年代にかけて疫学で顕著になり、心血管リスク因子を先駆的に研究したフラミンガム心臓研究(1948年~現在)に代表される。Olli Miettinenらによって統計的基礎が形式化され、コホート(罹患率ベース)と症例対照(オッズベース)のアプローチが区別された。現代のコホート研究は、効率化のために電子健康記録、疾患登録、バイオバンクを活用している。動的コホート(ローリング登録)やネストされた症例対照デザイン(コホート内から症例と対照を選択)は、方法論的なツールキットを拡張した。

使うべき場面

コホート研究を使用するのは以下の場合である:(1)まれな曝露(例:少数の人に影響する職業性ハザード)を研究する場合、(2)曝露とアウトカムの間の時間的関係を確立する場合、(3)単一の曝露から複数のアウトカムを研究する場合(例:喫煙→がん、心疾患、COPD)、(4)数年または数十年以上にわたる長期的な影響を評価する場合、(5)疾患の自然史と罹患率を評価する場合、(6)ランダム化比較試験が非倫理的な場合(例:有害物質への曝露)、(7)アウトカムが一般的で、症例対照研究よりも効率が悪い場合。

限界と注意点

  • 時間と費用:コホートを数年または数十年追跡するには、継続的な資金、人員、インフラが必要であり、脱落(追跡不能)は一般的である。
  • 追跡不能によるバイアス:追跡不能となった参加者が曝露または交絡因子に関して系統的に異なる場合、RR推定値はバイアスを受ける。高い追跡率(>80%)が必要である。
  • まれなアウトカム:アウトカムの罹患率が非常に低い場合、巨大なコホートが必要となり、費用が増大する。症例対照研究の方が効率的かもしれない。
  • 交絡:未測定または不正確に測定された交絡因子は、RRにバイアスをもたらす可能性がある。調整は測定された変数に限定される。
  • コホート効果:時間とともに登録された参加者は、ベースライン特性、予後、または世相トレンドが異なる可能性があり、比較可能性に影響を与える。

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

  • 明確な時間的順序:曝露がアウトカムより前に記録され、横断研究デザインよりも説得力のある形で方向性と因果関係を確立する。
  • 複数のアウトカム:単一の曝露が多くのアウトカムに関連する可能性があり、広範な仮説生成に経済的である。
  • 罹患率と絶対リスク:曝露群と非曝露群の罹患率を直接推定し、治療必要数の計算を可能にする。
  • アウトカム依存性の選択を回避:コホートはアウトカムではなく曝露によって定義され、症例対照研究に固有の選択バイアスを防ぐ。
  • 罹患率:人時数という分母は追跡期間の変動を考慮し、追跡期間が異なる研究間での比較を可能にする。

応用

  • 職業性疫学:危険な産業(アスベスト、鉱業、化学製造)の労働者を追跡し、職場曝露に起因する疾患リスクを定量化する。
  • 食事とライフスタイル研究:参加者を登録し、ベースラインの食事と身体活動を測定し、心血管疾患、がん、または死亡率を追跡する(例:看護師健康研究)。
  • がんの罹患率と予後:疾患のない参加者を登録し、時間とともにがん診断を追跡する。または、がん患者を登録し、生存率を追跡する。
  • 出生コホートと小児発達:妊婦または新生児を登録し、早期曝露(例:母親の喫煙、大気汚染、貧困)を測定し、長期的な健康と発達アウトカムを評価する。
  • 薬剤安全性と有害事象:新しい薬剤を開始した患者を登録し、代替治療と比較して有害事象、入院、または死亡率を監視する。

使い方

使い方

1

コホートの源泉(例:40~70歳の疾患のない成人、工場の従業員、診療所の患者)を定義する。曝露を定義する:二値(あり/なし)、カテゴリ(低/中/高)、または連続値(使用年数)か?ベースラインで疾患のない参加者を登録する。曝露状況とベースラインの交絡因子(年齢、性別、人種、社会経済的地位、併存疾患など)を測定し、記録する。所定の期間(数ヶ月から数十年)にわたって参加者を追跡する。積極的な追跡(面接、診察、郵便調査)または受動的な追跡(健康記録、疾患登録、保険請求)を使用する。アウトカムイベント(診断、入院、死亡)を日付とともに記録する。追跡不能、脱落、および打ち切り(研究終了時に参加者が生存/疾患なしであるが、アウトカム状況が不明な場合)を文書化する。すべての参加者でアウトカムの定義を標準化する。

数式
Define cohort (exposed and unexposed groups); enroll eligible participants; establish baseline characteristics and exposure status; follow participants forward in time; record outcome events.
2

各曝露群における罹患率を計算する:罹患率=(群におけるアウトカムイベント数)/(リスクのある人時数)。人時数は追跡期間の変動を考慮する。一人の参加者が5年間追跡され、もう一人の参加者が2年間追跡された場合、人時数は合計7人時年となる。相対リスク(RR)=罹患率(曝露群)/罹患率(非曝露群)を計算する。RR > 1 はリスクの増加を示唆し、RR < 1 はリスクの減少(または保護効果)を示唆し、RR = 1 は関連がないことを示唆する。95%信頼区間(ポアソン分布に基づくまたはデルタ法)を計算する。層別化(Mantel-Haenszel法)または回帰(Cox比例ハザードモデル、ポアソン回帰)を用いて交絡因子を調整する。Coxモデルで比例ハザード仮定を確認する。

数式
Calculate incidence (risk) in exposed and unexposed groups; compute Relative Risk (RR) = Incidence_{\text{exposed}} / Incidence_{\text{unexposed}}.
3

RRが2であることは、曝露群が非曝露群と比較して2倍の罹患率を持つことを意味する。RRが0.5であることは、曝露群が半分の罹患率を持つこと(保護効果)を意味する。1.0を含まない信頼区間は、統計的に有意な関連を示唆する(α=0.05)。因果関係を評価する:関連は強いか(RR > 2~3)?用量反応性があるか(曝露増加→リスク増加)?サブグループ間で一貫しているか?時間的に整合しているか?未測定の交絡因子を考慮する:未測定の変数(例:遺伝的素因、食事)が観察されたRRを説明できるか?結果をコホートと同様の集団に一般化する。RRに加えて、絶対リスク減少または治療必要数(NNT)を報告し、臨床的文脈を提供する。

数式
Interpret RR in context of follow-up duration, loss to follow-up, and confounding; assess temporality; generalize to source population.

よくある落とし穴

  • 不十分な追跡記録:アウトカム日付の欠落または曖昧さ、あるいは参加者間でのアウトカム定義の一貫性の欠如は、時間的推論を無効にする。
  • 追跡不能の無視:追跡不能となった参加者を分析から除外することは、選択バイアスを増大させる。治療意図(intention-to-treat)のロジックを使用し、異なる欠損データメカニズムの下での感度分析を実行する。
  • 未測定の交絡因子:未測定の要因(例:遺伝的感受性)が曝露とアウトカムの関連を説明する可能性がある。常に潜在的な未測定交絡因子について議論する。
  • 事後層別化:結果を見た後にコホートをサブグループに分割することは、多重比較、偽発見、過学習につながる。サブグループ仮説は事前に指定する。
  • 線形性の仮定:用量反応分析において、曝露レベルとアウトカムの間の線形関係を仮定することは、閾値効果またはプラトー効果を覆い隠す可能性がある。データをプロットし、非線形適合をテストする。

よくある質問

コホート研究における相対リスク(RR)とオッズ比(OR)の違いは何ですか?

コホート研究では、罹患率(時間経過に伴うアウトカムの確率)を直接測定するため、相対リスク(RR)が自然な推定値となる:RR = 罹患率(曝露群)/罹患率(非曝露群)。オッズ比(OR)はアウトカムのオッズの比であり、罹患率を測定できない症例対照研究で生じる。まれなアウトカム(罹患率<10%)を持つコホートでは、RRとORは近似する。アウトカムが一般的な場合、両者は乖離する:ORはRRと比較して効果を過大評価する。コホート研究では常にRRを報告し、ORは症例対照研究デザインのために予約する。

人時数とは何ですか、そしてなぜ重要ですか?

人時数(または追跡期間)は、個々の追跡期間の合計である。100人をそれぞれ10年間追跡した場合、それは1000人時年となる。50人が5年間、50人が10年間追跡された場合も、それは750人時年となる。罹患率(Incidence rate)は、人時数単位(例:1000人時あたり)で計算される。人時数は、一部の参加者が脱落したり、死亡したり、早期に打ち切られたりするという事実を考慮する。人時数を分母として使用する(単なる人数ではなく)ことで、追跡期間が変動する場合でも、バイアスのない推定値が得られる。

追跡不能をどのように扱いますか?

追跡不能はバイアスの主要な原因である。80%以上の追跡率を目指す。解析において、追跡不能となった参加者を単に除外してはならない。これは選択バイアスを導入する。代わりに、治療意図(intention-to-treat)のロジックを使用する:追跡不能となった参加者を、最後に知られた状態に基づいて分類し、異なるアウトカムシナリオ(例:追跡不能となった全員がアウトカムなし、追跡不能となった全員が発生した、またはランダムに欠損)を仮定した感度分析を実行する。追跡不能が曝露群と非曝露群の間で著しく異なる場合、結果の解釈には注意が必要である。逆確率重み付け(IPW)または多重代入法は、「ランダムに欠損」という仮定の下で系統的な欠損を調整できる。

コホート研究と横断研究をどのように区別しますか?

コホート研究は、疾患のない(またはアウトカムのない)参加者を登録し、ベースラインで曝露を測定し、アウトカムが発生するまで前向きに追跡する。横断研究は、単一の時点での曝露とアウトカムを同時に測定し、有病率を捉える。コホート研究は明確な時間的順序(曝露→アウトカム)を持ち、因果推論を可能にする。横断研究は方向性を確立できない:曝露がアウトカムを引き起こしたのか、それともアウトカムが曝露の認識に影響したのか?コホート研究はより費用と時間がかかるが、因果関係のより強力な証拠を提供する。

関連する手法

参考文献

  1. Miettinen, O. S. (1976). Estimability and estimation in case-referent studies. American Journal of Epidemiology, 103(2), 226–235.

    DOI 文献を開く
    コピーしました。
  2. 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。
  3. Veierød, M. B., Lydersen, S., & Laake, P. (2012). Medical Statistics in Clinical and Epidemiological Research. Gyldendal Akademisk.

    ISBN:978-8205418627
    コピーしました。