堺と倉敷で行っている2017年系統的レビュー研究計画書作成ワークショップ第6回その1のスライドです。 メタ・アナリシスと存在、発生、効果の指標を解説しています。

1. 系統的レビュー研究計画書作成ワークショップ
第六回 その1
存在、発生、効果の指標
と
メタ・アナリシス
尼崎総合医療センター Hospital Care Research Unit
片岡裕貴 辻本啓
京都大学大学院 辻本康
精治寮病院 阪野正大
岡山県精神科医療センター 宋龍平
京都大学大学院医学研究科社会健康医学系専攻医療疫学分野 吉岡貴史
安房地域医療センター 北本晋一
亀田総合病院集中治療科 佐藤明 山本良平 安田英人
近畿中央胸部疾患センター呼吸器内科 香川智子
亀田総合病院麻酔科 重城聡
亀田ファミリークリニック館山 宮本侑達

2. このコースの目標
• 各参加者が興味を持つ臨床疑問を洗練した
上で、実施に足るレベルの系統的レビュー
の研究計画書を完成させる
2

3. 前回までの復習 Risk of bias

4. 前回までの復習 Risk of bias

5. おさらい ランダム化作成と割付の隠蔽化とは？
5

6. おさらい ランダム化作成と割付の隠蔽化の違い？
6
ランダム化作成（random sequence
generation)は割付順序の作成方法です。
バイアスの少ない作成方法としては、サイコロ
を振って作る、乱数発生させるなどが取られる。
割付の隠蔽化(allocation concealment)は
ランダム順序を組み入れ者に分からなくするた
めの方法です。
中央割付や番号を振り封をした透けない封筒を
用いた封筒法などがバイアスの少ない隠蔽化で
す。

7. 7
第六回
メタ・アナリシス

8. SR＆MAの全体像
8
構造化された疑問
系統的な検索
・データベースの選択
・検索式の作成
・文献の選択基準
・事前登録
漠然とした疑問
選択文献を対象とした
批判的吟味
・事前に規定した
評価基準(Risk of bias)
発表
結果の統合とまとめ
(=meta-analysis)
第一回 第二ー四回
第五回第六－八回第九回

9. 今回のエフォート目安
動画 １時間程度
事後課題 30分程度
時間のある方は
Cochrane handbook Ch.09を参照くだ
さい
9

10. 注意！
その1とその3を見るだけで、今回の課題は
提出可能です。
可能な限り簡単に説明してはいますが、
個別研究での解析のやり方を知らない人に
は、それなりに難しい内容です。

11. 本動画の目標
• メタ・アナリシスと系統的レビューの違
いについて説明できる
• 存在、発生、効果の指標について説明で
きる
11

12. 系統的レビューのInstitute of Medicineによる定義（意訳）
構造化された疑問にフォーカスして、
似ているが異なる研究を探して、
事前に規定された科学的な方法に基づき、
選んで
評価して
まとめる
科学的な調査
データとして可能であれば、
メタ・アナリシスをする
12
http://www.nhlbi.nih.gov/health-pro/guidelines/about

13. メタ・アナリシスとは
2つ以上の別の試験の結果を
統計的に統合すること

14. 系統的レビュー≠メタアナリシス
系統的レビュー
メタ・アナリシス

15. 試験の結果？
＝効果の指標
今日はこれを理解してもらいます
15

16. 変数とは？
A 変な数
B 二つ以上の値を取る事象
16

17. 正解
B 二つ以上の値を取る事象
17

18. 以下のうちで2値変数はどれか？
• 男女
• 生死
• 身長
• 血圧
• 47都道府県
18

19. 正解
• 男女：2値変数
• 生死：2値変数
• 身長：連続変数
• 血圧：連続変数
• 47都道府県：カテゴリー変数
(順番に意味はない)
19

20. さっきのは個々の対象者で測定した変数でした
では、
これらをまとめて提示するのに
どんな指標を使いますか？
例：男性10人、女性10人の集団を記述する
20

21. 答え
例えば全体で20人
男性の割合(proportion)は50％
疫学の用語で
有病割合(prevalence proportion)
と呼びます
有病率と呼ばれることもありますが、
率はスピードを含む概念(後述)ですので
有病割合と呼ぶほうが適切です
日常用語と感覚が少し違うので、英語で覚える方を
お勧めします
21

22. 補足
男女比(ratio)は1
というまとめ方もあります
この場合、分母に分子は含まれません
10人/10人
22

23. 質問
さきほどの男女は二値変数でしたが、
連続変数だったらどうなるでしょうか？
例：平均血圧をまとめる
23

24. 答え
皆さんご存知
平均
標準偏差
といった指標を使いますね
「要約統計量」と呼びます
24

25. イベント発生の指標
さきほどの20人を1年間追跡したとき
10人がある疾患に罹患したとします
そのことを表す指標にはどんなものが？
25

26. 例
1年イベント発生割合が
0.5
※発生割合(incidence proportion)は分子が
分母に含まれる
10人(観察期間中のイベント発生人数)
÷20人(観察された人数)
なので、単位はない
一定期間での疾病，イベントの発生割合
のことをリスク（risk）とも呼ぶ
26

27. 例
イベント発生率が
0.5/年
※率(rate)はスピードを表す
10人(観察期間中のイベント発生人数)
÷(20人(観察された人数)*1年(観察期間))
なので、分母に時間が入る
27

28. 質問：以下のうち、率(rate)はどれでしょうか？
• 打率
• 円周率
• 死亡率
• 有病率
• 28日生存率
28

29. 正解
・打率 →proportion(安打/打数)
・円周率 →ratio(円周/直径)
・死亡率 →rate
・有病率 →prevalence proportion
・28日生存率→incidence proportion
29

30. ここまでのまとめ
存在の指標
・有病割合(prevalence proportion)
発生の指標
・発生割合(incidence proportion)
＝リスク、とも呼ぶ
・発生率(incidence rate)
30

31. つづいて、効果の指標
PICOに戻ると
I群とC群でのOを測定した結果を比較する
ことになります
31

32. Oを測定？（太字は個々の対象者での変数）
• 二値変数
• 有病割合 ※こちらは群で要約した指標
• 発生割合/率
• 連続変数
• 平均
• 生存時間(時間と死亡／打ち切り)
※今回、詳しくは説明しません
32

33. 質問：これらの指標を比較する方法は？
33

34. 答え
差か比
34

35. 効果の指標の実例
①２値変数
リスク比、オッズ比、リスク差
②連続変数
平均値の差(MD)、
標準化された平均値の差（SMD）
③生存時間
ハザード比

36. 例
見たいアウトカム 個々の対象
者で
測定される
変数
要約 効果の指標
30日死亡割合 2値変数 割合 リスク比
全生存期間 生存時間 Kaplan-
Meier法
ハザード比
治療開始時と
半年後の
血圧の差
連続変数 平均 平均の差
36

37. 詳しくは覚えなくても大丈夫です。
ただし、
・アウトカムが何なのか
・個々の患者ではどんな変数になるのか
・それを要約するとどんな指標になるのか
・効果の大きさを何で表現するのか
（オッズ比、SMD、ハザード比）のどれか
だけは決めておきましょう。
37

38. なぜなら
アウトカムの変数が決まると
解析方法が自動的に決まります
38

39. 通常の研究で解析を行う方法©山崎新先生
39
アウトカム変数 2値 連続 生存時間
分布の記述 頻度集計
分割表
ヒストグラム
平均、SD
Kaplan-Meier法
単変量解析 カイ二乗検定
（または
フィッシャー検定）
リスク比の推定
T検定
F検定
平均値の差
Log-rank検定
率比の推定
多変量解析 ロジスティック
回帰分析
重回帰分析 Cox回帰分析
お経ですね

40. メタ・アナリシスの場合
• 個々の研究で使用されているアウトカム変
数の種類に慣れ親しむ
• 効果の比較を行うに適した測定方法を選ぶ
アウトカム変数の型
2値 連続 生存時間
分布の記述 頻度集計 ヒストグラム Kaplan-Meier
分割表 平均、SD
単変量解析 χ2検定 t検定、F検定 Log-rank検定
（リスク比） （平均値の差） （率比）
多変量解析 Logistic回帰 重回帰分析 Cox回帰
アウトカム
変数の種類
効果サイズ Fixed-effect
methods
Random-effects
methods
二値変数
(Dichotomous)
オッズ比
(OR)
Mantel-Haenszel
Inverse variance
Peto
Mantel-Haenszel
Inverse variance
リスク比
(RR)
Mantel-Haenszel
Inverse variance
Mantel-Haenszel
Inverse variance
リスク差
RD
Mantel-Haenszel
Inverse variance
Mantel-Haenszel
Inverse variance
連続変数
(Continuous)
平均の差
(Mean difference)
Inverse variance Inverse variance
標準化平均差
(Standardized mean difference)
Inverse variance Inverse variance
O – E and Variance User-specified
(default ‘Peto odds ratio’)
Peto None
Generic inverse
variance
User-specified Inverse variance Inverse variance
Other data User-specified None None
40Table 9.4.a: Summary of meta-analysis methods available in RevMan

41. よくある間違い
アウトカム：死亡率
→しかし、一次研究では率ではなく1ヶ月の
死亡割合で多く報告されている
（修正後）
28日死亡割合（ただし30日死亡割合も同等
とみなす）
41

42. よくある間違い
アウトカム：肺炎治療の成功
→研究ごとに違う可能性あり
（修正後）
肺炎治療の成功（原著者の定義に従う）
感度分析として、「抗菌薬の安全な終了」のみ
に限定した結果も提示する
※感度分析：研究実施に当たって設定した
仮定を検証する解析のこと
42
この場合は、「抗菌薬の安全な終了」が
本当に知りたいアウトカムで、
それ以外の形でアウトカムが測定されている
研究を除外しても結果の大きさや方向性が変
わらないことを検証する、という意味

43. ここからはメタ・アナリシス
43

44. 混ぜ方は二種類だけ
・固定効果モデル(fixed effect model)
一つの真の介入効果を仮定、
一次研究の見た目の結果のばらつきは偶然、と仮定
44
真の効果
偶然
偶然
一次研究その１
での効果一次研究その2
での効果

45. 混ぜ方は二種類だけ
・ランダム効果モデル(random effects model)
一次研究それぞれに「真の効果」を仮定
45
その2の
「真の効果」
一次研究その１
での効果
その1の
「真の効果」
一次研究その2
での効果

46. 混ぜ方は二種類だけ
・ランダム効果モデル(random effects model)
一次研究それぞれに「真の効果」を仮定
その「真の効果」はランダムにばらついている、と仮定
46
その2の
「真の効果」
一次研究その１
での効果
その1の
「真の効果」
一次研究その2
での効果

47. どちらを選ぶかは、
研究計画書の段階で決めます。
ただし、感度分析(前提とした仮定を変えて
も結果が変わらないかを検証)する際にもう
一方を実施することになります。
47

48. 本動画の目標
• メタ・アナリシスと系統的レビューの違
いについて説明できる
• 存在、発生、効果の指標について説明で
きる
48