Matched Case-Control Study
- 提唱者
- Brian MacMahon and others; systematised by Schlesselman (1982)
- 年
- 1950s–1970s
- 種類
- Observational analytic 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
何をする手法か?
Matched Case-Control Study(症例対照研究)は、観察疫学デザインの一種であり、疾患または関心のあるアウトカムを有する各症例(case)を、1人以上の対照(control)(アウトカムを有しない者)と対にする。この対照は、年齢、性別、臨床的背景などの1つ以上の特性を共有し、交絡因子を調整する。その後、症例とその対照との曝露歴を比較し、曝露と疾患の関連のオッズ比を推定する。
手法の背後にある直感
探偵が容疑者とそっくりな人物をペアにするようなものだと考えてください。特定の曝露が疾患を引き起こしたかどうかを知りたい場合、疾患を持つ患者を見つけ、次に年齢、性別、病院が同じで、その疾患にかからなかった類似した人物を1人以上見つけます。これらの背景的特徴を同一に保つことで、ペア間の曝露歴のあらゆる違いは、交絡因子ではなく、実際の関連性を反映している可能性がはるかに高くなります。マッチングは、柔軟性を多少犠牲にする代わりに、比較を厳密にし、シグナルをより明確にします。
歴史学
症例対照研究デザインは1950年代に疫学で形式化され、DollとHillによる喫煙と肺がんに関する画期的な研究(1950年)では病院ベースの対照が使用された。比較可能性を向上させるためのマッチングの原則は早期に適用され、Brian MacMahonらによって成文化された。James Schlesselmanの1982年の教科書Case-Control Studiesは、マッチングオッズ比や条件付きロジスティック回帰を含む、マッチングデザインの分析フレームワークを確立した。Nathan MantelとWilliam Haenszelの1959年の論文は、マッチング分析の基礎となる層別化手法を提供し、条件付きロジスティック回帰アプローチは1970年代から1980年代にかけて開発され、個別にマッチングされた症例対照データのための標準的な分析ツールとなった。
使うべき場面
コホート研究では非現実的に大規模なサンプルまたは非常に長い追跡期間が必要となる稀な疾患またはアウトカムを研究する場合。年齢、性別、臨床センターなどの特定の交絡因子を厳密に制御する必要がある場合。そして、個々のマッチングと条件付き分析を慎重に行うためのリソースが許容される場合。病院ベースの設定やアウトブレイク調査で特に有用である。マッチング変数が曝露と疾患の間の因果経路上の潜在的な中間変数である場合(過剰マッチング)、症例数が非常に少なくマッチングパートナーが見つからない場合、または時間変動曝露が静的なマッチングを不適切にする場合(この場合は症例クロスオーバーまたはコホートデザインが好ましい)には使用しない。マッチングは測定されていない交絡を排除しない。
限界と注意点
- アウトカムの有病率または発生率を推定することはできない。曝露とアウトカムの関連に対するオッズ比のみを推定できる。
- マッチング変数を、複雑な分析手法を使用しない限り、曝露として研究することはできない。
- 過剰マッチング(曝露とは関連があるが疾患とは独立していない変数にマッチングすること)は、必要なサンプルサイズを増加させ、オッズ比をゼロ方向に偏らせる。
- 十分なマッチング対照を見つけることは困難な場合があり、特にマッチング基準の稀な組み合わせでは、マッチングされていない症例を除外する必要が生じる。
- マッチング構造は分析で維持されなければならない。それを無視すると(非条件付きロジスティック回帰を使用すると)、偏った推定値が得られる。
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
- 統計的調整だけでなく、デザインによって強力な交絡因子(年齢、性別、臨床センター)を効率的に制御する。
- 完全なコホートが実現不可能な稀なアウトカムに適している。未マッチサンプルの一部で同等の精度を達成できる。
- マッチングセット内のばらつきを減らし、多くの場合、所定のサンプルサイズに対する統計的効率を高める。
- 臨床および疫学ジャーナルで広く受け入れられ、よく理解されている。条件付きロジスティック回帰は標準であり、すべての主要な統計パッケージに実装されている。
応用
- 病院患者を年齢、性別、入院病棟で対照にマッチングさせることにより、稀な癌のリスク因子を調査する。
- 食中毒の症例を地理的位置と食事の機会で地域対照にマッチングさせるアウトブレイク調査。
- 適応症、年齢、併存疾患で対照にマッチングされた症例による、薬剤有害反応を調べる薬物疫学研究。
- 産業対照にマッチングさせることにより、職業的交絡を除去する稀な曝露(例:特定の化学物質)の職業疫学研究。
- 遺伝子型決定前に集団層別化を最小限にするために、症例と対照を民族でマッチングさせる遺伝疫学。
- 緊急および外科研究では、病院入院が急性曝露-アウトカムの質問に対する自然なマッチングフレームを提供する。
使い方
使い方
疾患またはアウトカム、その診断基準、対象集団(ソース集団)、および期間を特定する厳密な症例定義を策定する。マッチングによって制御しようとする関心のある曝露と交絡因子を特定する。マッチング比(1:1、1:2など)とマッチング変数を事前に指定する。
病院記録、疾患登録、またはサーベイランスシステムなどの定義されたソースから、新規または有病の症例を募集する。各症例が症例定義を満たしていることを確認する。病院ベース、集団ベース、または密度サンプリング戦略を使用して、同じソース集団(症例になり得る資格があった人々)から対照を選択する。
各症例について、マッチング変数の値(例:同じ5歳階級と性別)を共有する1人以上の対照を選択する。個人マッチング(1対1または1対多)は、各対照を特定の症例に結びつける。頻度マッチングは、研究全体で分布のバランスをとる。マッチング比および使用されたキャリパー幅を記録する。
症例とそのマッチングされた対照の両方について曝露状況を明らかにする。差次的誤分類を避けるために、両群で同じ測定方法を使用する。一般的な情報源には、面接、医療記録、バイオバンクデータ、または管理データベースが含まれる。アウトカム評価者を症例/対照の状態に盲検化することで、情報バイアスが軽減される。
マッチングされたデータは、条件付きロジスティック回帰(または1:1マッチングペアの場合はマクネマー検定)で分析し、マッチング構造を維持する。単純な1:1マッチングデザインの場合、マッチングオッズ比はOR = b/cと推定される。ここで、bは曝露症例と非曝露対照の不一致ペア、cは非曝露症例と曝露対照の不一致ペアである。条件付きモデル内で追加の共変量を調整する。
数式
OR = (b / c)
マッチングオッズ比と95%信頼区間として結果を表現する。マッチング変数が適切であったかを評価し、過剰マッチング(因果経路の中間変数にマッチングすること)を確認し、残存交絡を評価する。ソース集団に関する外部妥当性について議論する。
よくある落とし穴
- 過剰マッチング:曝露と疾患の間の因果経路上の変数(中間変数)にマッチングすると、関連性を検出するために必要なばらつきが除去され、ORが1.0方向に偏る。
- 分析におけるマッチングの破棄:マッチングされたデータを標準的な(非条件付き)ロジスティック回帰で分析すると、マッチングによる効率の向上を無駄にし、バイアスを導入する可能性がある。常に条件付きロジスティック回帰またはマクネマー検定を使用する。
- 想起バイアス:症例が対照よりも曝露を鮮明に思い出す場合(差次的想起)、オッズ比は過大評価される。可能な限り客観的な記録またはバイオマーカーを使用する。
- マッチング対照が見つからなかった症例を除外すると、除外可能性が曝露に関連している場合に選択バイアスを導入する可能性がある。
- 残存交絡の不十分な制御:広範なカテゴリ(例:10年ごとの年齢層)にマッチングすると、カテゴリ内の交絡が未解決のまま残る。カテゴリを絞るか、モデルで年齢を連続変数として調整する。
よくある質問
なぜ通常のロジスティック回帰ではなく条件付きロジスティック回帰を使用する必要があるのですか?
個別にマッチングされた研究では、症例とそのマッチングされた対照が層を形成する。非条件付きロジスティック回帰は、すべての層を単一のプールされたサンプルとして扱い、マッチングセットの切片が固定パラメータとして扱われるため、偏った推定値が得られる(付随パラメータ問題)。条件付きロジスティック回帰は、各マッチングセットの十分統計量で条件付けを行い、層固有の切片を排除し、不偏のマッチングオッズ比を生成する。
過剰マッチングとは何ですか、そしてなぜ有害なのですか?
過剰マッチングは、曝露とは関連があるが疾患とは独立に関連していない(または因果経路の中間変数である)変数にマッチングする場合に発生する。症例と対照はデザインによって曝露歴が類似するため、グループ間の対比が減少し、オッズ比は1方向に偏り、同じ検出力を得るために必要なサンプルサイズが大きくなる。曝露の下流の結果となり得る変数へのマッチングは避ける。
マッチング比をどのように選択しますか?
1:1の比率が最も一般的で管理しやすい。症例あたりの対照を1:2または1:3に増やすと、症例は稀だが対照が豊富にある場合に精度が向上する。効率の向上は1:4を超えると低下し、複雑さの増加を正当化することはめったにない。症例が非常に稀で対照が豊富にある場合、1:4の比率が実用的な最大値と見なされることが多い。
同じマッチング症例対照研究で複数の曝露を研究できますか?
はい。条件付きロジスティック回帰モデルには複数の曝露変数を同時に含めることができ、マッチング構造を維持しながら複数のリスク因子の評価を可能にする。ただし、追加の曝露ごとにパラメータが増加し、十分なサイズのサンプルが必要になる。研究プロトコルで主要および二次曝露を事前に指定することにより、データマイニングを避ける。
個人マッチングと頻度マッチングの違いは何ですか?
個人(ペア)マッチングは、マッチング変数上で各特定の症例を1人以上の特定の対照に結び付け、条件付き分析が必要となる。頻度マッチングは、マッチング変数の全体的な分布が症例と対照の間でバランスが取れていることを保証するが、症例固有のペアを作成しない。これは、マッチング変数を調整した非条件付きロジスティック回帰で分析できる。個人マッチングはより厳密な制御を提供するが、ロジスティックに手間がかかり、分析を制約する。
関連する手法
参考文献
Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN:978-0781755474コピーしました。Schlesselman, J. J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.
ISBN:978-0195029338コピーしました。