2群の比率 (リスク) の信頼区間 (直接入力)

データファイルから計算する場合はこちら 2x2より大きな分割表はこちら

解説

この統計ツールは、2つのグループ間で発生する特定の事象（例：病気の罹患率、製品の不良率、治療の有効率など）のリスクを比較するために使用されます。 このツールでは、以下の3つの指標を計算します：

  1. オッズ比
  2. リスク比 (比率の比)
  3. リスク差 (比率の差)

各指標について、点推定値とその信頼区間を計算します。 これにより、2つのグループ間の差が統計的に有意かどうかを判断できます。

このツールでは、Wald法にて計算しています。

各指標の意味

  1. オッズ比
    • 意味: 一方のグループでイベントが発生するオッズと、他方のグループでイベントが発生するオッズの比を示します。
    • 使用場面: オッズ比は、次のような状況でよく使われます
      • ケースコントロール研究: これは、特定の疾患や事象が起こるリスク要因を調査するための研究方法です。ある集団（ケース）と、それに似た別の集団（コントロール）を比較して、特定の要因がどのように影響するかを分析します。
      • 複数の要因を考慮する場合: ロジスティック回帰分析などの統計手法では、複数の要因が結果に与える影響を同時に評価できます。オッズ比は、そのような分析の結果として使われることが多いです。
      • 稀な事象の比較: オッズ比は、発生率が低い（つまり、稀な）事象を比較するのに適しています。例えば、特定の病気の発症リスクがどの程度高いかを示す場合などに有効です。
    • 例: 特定の要因が疾患発症のリスクをどの程度増加させるかを評価する場合。
  2. リスク比
    • 意味: 一方のグループのリスクが他方の何倍であるかを示します。
    • 使用場面: 相対的な効果の大きさを評価したい場合や、ベースラインのリスクが低い場合に有用です。
    • 例: 新薬使用群の疾患リスクが対照群の何倍であるかを知りたい場合。
  3. リスク差
    • 意味: 2つのグループ間のリスクの絶対的な差を示します。
    • 使用場面: 直接的な比較や、効果の大きさを絶対的な尺度で評価したい場合に適しています。
    • 例: 新薬が従来の治療法と比べて疾患リスクを何パーセントポイント低下させたかを知りたい場合。

どの指標を重視するかは、研究の目的や対象となる事象の性質によって異なります。 多くの場合、複数の指標を組み合わせて総合的に解釈することが推奨されます。

Wald法とスコア法の違い

このツールでは、Wald法とスコア法の両方をサポートしています。

  1. Wald法
    • 特徴: 計算が比較的簡単で、広く使用されています。
    • 長所: 大きなサンプルサイズでは信頼できる結果を提供します。
    • 短所: サンプルサイズが小さい場合や、極端な確率（0や1に近い）の場合に精度が低下することがあります。
  2. スコア法
    • 特徴: Wald法よりも複雑な計算を用いますが、より正確な結果を提供することがあります。
    • 長所: 小さなサンプルサイズや極端な確率の場合でも、比較的安定した結果を提供します。
    • 短所: 計算が複雑で、直感的な解釈がやや難しい場合があります。

一般的に、スコア法はWald法よりも保守的な（幅広い）信頼区間を提供する傾向があります。これは特に、サンプルサイズが小さい場合や、観察されたイベントの数が少ない場合に顕著です。

どちらの方法を選択するかは、データの特性や研究の目的によって異なります。両方の方法を計算して結果を比較することも、結果の頑健性を確認する上で有用です。

具体例

ある新薬（治療A）と従来の治療法（治療B）の効果を比較する場合を考えます。

  1. データの収集:

    100人の患者に治療Aを施し、そのうち20人が疾患発症。
    別の100人の患者に治療Bを施し、そのうち15人が疾患発症。

  2. 各治療のリスクの計算:

    治療Aの疾患リスク: \( \frac{20}{100} = 0.20 \) (20%)
    治療Bの疾患リスク: \( \frac{15}{100} = 0.15 \) (15%)

  3. オッズ比の計算:

    治療Aのオッズ: \( \frac{0.20}{1-0.20} = 0.25 \)
    治療Bのオッズ: \( \frac{0.15}{1-0.15} \approx 0.1765 \)
    オッズ比: \( \frac{0.25}{0.1765} \approx 1.42 \)

    解釈: 治療Aを受けた場合、疾患発症のオッズは治療Bを受けた場合の1.42倍になります。

  4. リスク比の計算:

    治療Aの疾患リスクは治療Bの約1.33倍: \( \frac{0.20}{0.15} \approx 1.33 \)

    解釈: 治療Aの疾患リスクは治療Bの1.33倍です。

  5. リスク差の計算:

    治療AとBの疾患リスクの差: \( 0.20 - 0.15 = 0.05 \) (5%)

    解釈: 治療Aは治療Bと比べて、疾患リスクが5パーセントポイント高くなっています。

  6. 信頼区間の計算と結果の解釈:

    このツールは、各指標（オッズ比、リスク比、リスク差）について95%信頼区間を計算します。
    Wald法とスコア法の両方の結果が表示されます。
    信頼区間に1（オッズ比とリスク比の場合）や0（リスク差の場合）が含まれていない場合、その差は統計的に有意であると判断できます。

このツールを使用することで、2つの治療法や2つのグループ間のリスクの差異を統計的に評価し、 より信頼性の高い意思決定を行うことができます。 注意点：

  • サンプルサイズが小さい場合や、イベント数が極端に少ない場合は、結果の信頼性が低下する可能性があります。このような場合、スコア法の使用を検討してください。
  • 統計的有意性は、臨床的または実用的な重要性を必ずしも意味しません。結果の解釈には、常に実際の文脈を考慮する必要があります。
  • 複数の指標を総合的に解釈することで、より包括的な評価が可能になります。
  • Wald法とスコア法で結果が大きく異なる場合は、データの特性や前提条件を再確認し、適切な方法を選択することが重要です。

データ

イベントあり イベントなし 総数
群1 {{ val.群１のイベント数 }} {{ val.群１の総サンプル数 - val.群１のイベント数 }} {{ val.群１の総サンプル数 }}
群2 {{ val.群２のイベント数 }} {{ val.群２の総サンプル数 - val.群２のイベント数 }} {{ val.群２の総サンプル数 }}

結果

オッズ比

オッズ比 {{results.オッズ比.estimate.cp3}}
{{val.信頼区間 +'% 信頼区間'}} [{{results.オッズ比.ci[0].cp3}}, {{results.オッズ比.ci[1].cp3}}]
p値 {{results.オッズ比.pValue.cp3}}

背景: オッズ比は、二つのグループ間でのイベント発生の相対的な確率を比較します。1より大きい値は、グループ1でイベントが発生する可能性が高いことを示します。

応用: 疫学研究やケースコントロール研究で広く使用され、特定の要因へのばく露とアウトカムとの関連を評価します。

計算方法: Wald法とスコア法があります。ここではWald法を示します。

各群のオッズを計算します。
\[ \text{Odds}_1 = \frac{p_1}{1-p_1}, \quad \text{Odds}_2 = \frac{p_2}{1-p_2} \]

オッズ比を計算します。
\[ OR = \frac{\text{Odds}_1}{\text{Odds}_2} = \frac{p_1/(1-p_1)}{p_2/(1-p_2)} \]

オッズ比の標準誤差（対数スケール）を計算します。
\[ SE_{\log(OR)} = \sqrt{\frac{1}{e1} + \frac{1}{n1 - e1} + \frac{1}{e2} + \frac{1}{n2 - e2}} \]

信頼区間の上限と下限を計算します。
\[ \text{Lower limit}_{OR} = \exp(\log(OR) - Z \times SE_{\log(OR)}) \]
\[ \text{Upper limit}_{OR} = \exp(\log(OR) + Z \times SE_{\log(OR)}) \]

p値: オッズ比の対数の標準正規分布を用いて計算します。
\[ Z = \frac{\log(OR)}{SE_{\log(OR)}} \] \[ p = 2 \times (1 - \Phi(|Z|)) \] ここで、\(\Phi\)は標準正規分布の累積分布関数です。

リスク比

リスク比 {{results.リスク比.estimate.cp3}}
{{val.信頼区間 +'% 信頼区間'}} [{{results.リスク比.ci[0].cp3}}, {{results.リスク比.ci[1].cp3}}]
p値 {{results.リスク比.pValue.cp3}}

背景: リスク比は、二つのグループ間でのイベント発生率の比を示します。1より大きい値は、グループ1でイベントが発生する確率が高いことを示します。

応用: コホート研究や臨床試験で頻繁に使用され、ある要因へのばく露がアウトカムに与える影響を評価します。

計算方法: Wald法とスコア法があります。ここではWald法を示します。

リスク比を計算します。
\[ RR = \frac{p_1}{p_2} \]

リスク比の標準誤差（対数スケール）を計算します。
\[ SE_{\log(RR)} = \sqrt{\frac{1-p_1}{n_1p_1} + \frac{1-p_2}{n_2p_2}} \]

信頼区間の上限と下限を計算します。
\[ \text{Lower limit}_{RR} = \exp(\log(RR) - Z \times SE_{\log(RR)}) \]
\[ \text{Upper limit}_{RR} = \exp(\log(RR) + Z \times SE_{\log(RR)}) \]

p値: リスク比の対数の標準正規分布を用いて計算します。
\[ Z = \frac{\log(RR)}{SE_{\log(RR)}} \] \[ p = 2 \times (1 - \Phi(|Z|)) \]

リスク差

リスク差 {{results.リスク差.estimate.cp3}}
{{val.信頼区間 +'% 信頼区間'}} [{{results.リスク差.ci[0].cp3}}, {{results.リスク差.ci[1].cp3}}]
p値 {{results.リスク差.pValue.cp3}}

背景: リスク差は、二つのグループ間でのイベント発生率の絶対的な差を示します。正の値は、グループ1でイベントが発生する確率が高いことを示します。

応用: 公衆衛生や臨床医学で使用され、介入の絶対的な効果や、人口レベルでの影響を評価するのに役立ちます。

計算方法: Wald法とスコア法があります。ここではWald法を示します。

リスク差を計算します。
\[ RD = p_1 - p_2 \]

リスク差の標準誤差を計算します。
\[ SE_{RD} = \sqrt{\frac{p_1(1-p_1)}{n1} + \frac{p_2(1-p_2)}{n2}} \]

信頼区間の上限と下限を計算します。
\[ \text{Lower limit}_{RD} = RD - Z \times SE_{RD} \]
\[ \text{Upper limit}_{RD} = RD + Z \times SE_{RD} \]

p値: リスク差の標準正規分布を用いて計算します。
\[ Z = \frac{RD}{SE_{RD}} \] \[ p = 2 \times (1 - \Phi(|Z|)) \]