カテゴリー: SERIES

提供元：CareNet.com

本連載は、臨床研究のノウハウを身につけたいけれど、メンター不在の臨床現場で悩める医療者のための、「実践的」臨床研究入門講座です。臨床研究の実践や論文執筆に必要な臨床疫学や生物統計の基本について、架空の臨床シナリオに基づいた仮想データ・セットや、実際に英語論文化した臨床研究の実例を用いて、解説していきます。

多変量解析手法の選択と留意点

　臨床研究における多変量解析の主な目的の1つは交絡因子の調整です（連載第40回参照）。交絡因子は、Research Question（RQ）のE（要因）とC（対照）との「理想的な」比較を歪める因子、と説明しました（連載第45回参照）。これまでブラッシュアップしてきたわれわれのRQ（簡略版）を下記に再掲します（連載第40回参照）。

P（対象）：慢性腎臓病（CKD）患者
E（要因）：推定たんぱく質摂取量 0.5g/kg標準体重/日未満
C（対照）：推定たんぱく質摂取量 0.5g/kg標準体重/日以上
O（アウトカム）：1）末期腎不全　2）糸球体濾過量（GFR）低下速度

　また、これまでの先行研究の知見や医学的観点から、下記の因子をわれわれのRQの交絡因子として挙げてデータを収集し（連載第45回参照）、その仮想データ・セットを用いた記述統計の結果を、論文の表1としてEZR（Eazy R）で作成しました（連載第46回、第47回参照）。

年齢、性別、糖尿病の有無、血圧、eGFR、蛋白尿定量、血清アルブミン値、ヘモグロビン値

　臨床研究では、多変量解析の代表的な手法として種々の回帰分析が行われます。回帰分析は、アウトカム指標を表す1つの変数（目的変数）と1つ以上の説明変数（交絡因子）との関係をいろいろな数式で表現し、モデル化します。どのような回帰分析モデルを選択するかはアウトカム指標の種類、すなわち目的変数の型で決まります。

　アウトカム指標の種類、目的変数の型は生存時間（連載第42回参照）および連続変数とカテゴリ変数に大別されるのでした（連載第46回参照）。前述したわれわれのRQ（簡略版）のOで挙げられている末期腎不全（の発症までの時間）は生存時間であり、GFR低下速度は連続変数となります。末期腎不全というアウトカムの発症までの時間は考慮せず、発症の有無のみで扱う場合はカテゴリ（2値）変数となります。生存時間は「打ち切り」も考慮したカテゴリ（2値）変数という捉え方もできます（連載第37回、第41回、第42回参照）。

　アウトカム指標（目的変数）の型の違いによって、それぞれ対応する回帰分析モデルは下記のようになります。

・連続変数：線形回帰（重回帰）
・カテゴリ（2値）変数：ロジスティック回帰
・生存時間：Cox比例ハザード回帰

　交絡因子の調整を多変量解析で行う際、サンプルサイズに比してあまり多くの説明変数（交絡因子）を回帰分析モデルに投入すると、モデルが不安定となります。そのため、回帰分析モデルごとに、投入可能な説明変数（目的変数）の数の目安が下記のように示されています。

・線形回帰（重回帰）：説明変数（交絡因子）1つにつき、サンプルサイズ15例
・ロジスティック回帰：説明変数（交絡因子）1つにつき、アウトカム指標（目的変数）の少ない方のカテゴリ10例
・Cox比例ハザード回帰：説明変数（交絡因子）1つにつき、イベント数10例

　それでは、計画している交絡因子の調整が、われわれの仮想データ・セットで可能かどうか確認してみましょう。説明変数（交絡因子）の数は前述したように計8変数となります。

　まず、Oの1）末期腎不全（の発症までの時間）は生存時間ですので、Cox比例ハザード回帰分析を用います。説明変数（交絡因子）1つにつき、イベント数10例、すなわち8×10＝80例が必要ですが、仮想データ・セットから計算した総イベント数は185例ですので（連載第41回参照）、充分です。

　Oの2）GFR低下速度は連続変数であり、線形回帰（重回帰）分析で必要なサンプルサイズの目安は8×15＝120例です。作成した表1をみると、仮想データ・セットのサンプル数の総計は638例ですので（連載第47回参照）、こちらも大丈夫そうです。

　次回からは、それぞれの回帰分析モデルを用いた多変量解析の実際について、仮想データ・セットを使用したEZRの操作方法を交えて解説していきます。

---

講師紹介

長谷川 毅 ( はせがわ たけし ) 氏
昭和大学臨床疫学研究所 所長・教授
昭和大学大学院医学研究科 衛生学・公衆衛生学分野/腎臓内科学分野 兼担教授
福島県立医科大学臨床研究イノベーションセンター 特任教授

[略歴]
1996年昭和大学医学部卒業。
2007年京都大学大学院医学研究科臨床情報疫学分野（臨床研究者養成コース）修了。
都市型および地方型の地域中核病院で一般内科から腎臓内科専門診療、三次救急から亜急性期リハビリテーション診療まで臨床経験を積む。その臨床経験の中で生じた「臨床上の疑問」を科学的に可視化したいという思いが募り、京都の公衆衛生大学院で臨床疫学を学び、米国留学を経て現在に至る。

---

バックナンバー

▼ 一覧をもっと見る

---

掲載内容はケアネットの見解を述べるものではございません。
（すべての写真・図表等の無断転載を禁じます。）

　

[レポーター紹介]
矢崎 秀（やざき しゅう）

　皆さま、はじめまして。私は2023年6月よりMemorial Sloan Kettering Cancer Center放射線治療科部門のNadeem Riazラボでリサーチフェローをしております。

市中病院でのキャリア開始から研究留学を決意するまで

　私は大学卒業後、市中病院でキャリアを開始しました。そのため臨床業務が中心であり、基礎研究には縁がない生活を送っていました。では、なぜ私が基礎研究やTR（トランスレーショナルリサーチ）で留学を決意するに至ったのでしょうか？

　腫瘍内科医として日々の診療を行う中で、同じがん種であっても個々の患者さんによってがん薬物療法の治療効果は大きく異なることを実感しました。乳がんではホルモン受容体やHER2発現を基にした個別化治療により治療成績は改善していますが、依然として十分ではありません。さらなる治療成績向上には、より個別化した治療の開発が重要になります。そのためには、なぜ個々の患者さんで治療効果が異なるのか、背景にあるがんのbiologyを理解する必要があり、基礎研究やTR研究に興味を持つようになりました。

　一般腫瘍内科研修を終え、異動した国立がん研究センターで病理診断部門や研究所に出入りし、患者さんの検体を用いたオミクス情報解析を学びました。オミクス情報とがんの病態や治療効果を結び付ける作業はとても面白く、技術も日々進歩していることからさらなるトレーニングを積みたいと思いました。海外留学には漠然とした憧れがあり、学位、専門医の取得後のキャリアを考えた際に、留学するなら今しかない、と思い研究留学を決意しました。

難航した留学先探し、頼りになったサイトとは

　最初は、過去に留学経験のある先生方に相談し、その人脈を頼り留学先の検討を始めました。複数のPIをご紹介いただき面談も行いましたが、研究テーマやオファー条件が決定打に欠け、なかなか進展しませんでした。そのほか、ツテはないものの興味のある研究室にメールで打診を行ったりしましたが、返事がないことも多く、留学先探しは難航していました。そんな中、偶然見たNature Careersで興味があった研究室からのポスドク募集を発見し（締め切り前日でした）、急いで応募したところ面談に進みオファーをいただきました。こうして現在の研究室に行くことが決まりました。

　留学先を探している方はNatureやScienceに出ている求人情報を一度はチェックすることをお勧めします。ポスドクの募集が出ているということは、その研究室がポストと研究費を確保しているタイミングであるためチャンスです（しかし、ビックラボから募集が出ることは少なく、頻繁に公募が出ているラボには注意する必要があります）。また、日本人としては複数の研究室に同時にアプローチすることに躊躇しがちですが、並行して進めるほうが効率的です。私は当初、1つずつ交渉していたため、時間を浪費してしまいました。　

注意したい「5 point letter」の発行と語学の準備

　留学までの準備に関して、私からはJ1ビザの注意点とよく聞かれる英語についてお伝えします。

・ビザ

　研究留学の場合はJ1ビザを所得することが一般的ですが、MDが研究留学する際には、臨床業務を行わないことを明記した「5 point letter」が必要となります。DS-2019に加えて、「5 point letter」の発行も依頼しましょう。受け入れ施設もこの書類の必要性を把握していないこともあるので、注意してください。

・英語

　私はとくに資格試験の結果などを求められることはありませんでした。しかし、渡米直後はまったく会話が聞き取れずとても苦労しました（今も大変ですが、少しマシになりました。東海岸はとくに英語が早いという噂もあります…）。英語力がないことで留学をあきらめる必要はないと思いますが、資格試験などを目安に英語のトレーニングをしておくことをお勧めします。

　私は上記の「5 point letter」が不足していたため初回の申請でビザが下りませんでした。受け入れ施設に書類の作成を依頼しましたが前例がなく対応に時間がかかり、出国予定日を過ぎても書類は届きませんでした。待てども書類は届かず、最終的には自分でひな形を作成し、書類を作成してもらいました。ビザ取得までの約１ヵ月間は、住居も引き払っていたため、義理の兄弟の家に家族で泊めていただきました（大感謝です）。留学前から波乱に巻き込まれましたが、何とか無事にアメリカに入国し留学生活を開始しました。

---

バックナンバー

4 海外研修留学便り【米国留学記（矢崎 秀氏）】第4回

3 海外研修留学便り【米国留学記（矢崎 秀氏）】第3回

2 海外研修留学便り【米国留学記（矢崎 秀氏）】第2回

1 海外研修留学便り【米国留学記（矢崎 秀氏）】第1回

提供元：CareNet.com

レポーター： 下村 昭彦氏
（国立研究開発法人 国立国際医療研究センター病院 乳腺・腫瘍内科/がん総合内科）

　2024年9月13日から17日まで5日間にわたり、欧州臨床腫瘍学会（ESMO Congress 2024）がハイブリッド形式で開催された。COVID-19の流行以降、多くの国際学会がハイブリッド形式を維持しており、日本にいながら最新情報を得られるようになったのは非常に喜ばしい。その一方で、参加費は年々上がる一方で、今回はバーチャル参加のみの会員価格で1,160ユーロ（なんと日本円では18万円超え）。日本から参加された多くの先生方がいらっしゃったが、渡航費含めると相当の金額がかかったと思われる…。

　それはさておき、今年のESMOは「ガイドラインが書き換わる発表です」と前置きされる発表など、臨床に大きなインパクトを与えるものが多かった。日本からもオーラル、そしてAnnals of Oncology（ESMO/JSMOの機関誌）に同時掲載の演題があるなど、非常に充実していた。本稿では、日本からの演題も含めて5題を概説する。

KEYNOTE-522試験

　本試験は、トリプルネガティブ乳がん（TNBC）を対象とした術前化学療法にペムブロリズマブを上乗せすることの効果を見た二重盲検化プラセボ対照第III相試験である。カルボプラチン＋パクリタキセル4コースのち、ACまたはEC 4コースが行われ、ペムブロリズマブもしくはプラセボが併用された。病理学的完全奏効（pCR）と無イベント生存（EFS）でペムブロリズマブ群が有意に優れ、すでに標準治療となっている。今回は全生存（OS）の結果が発表された。

　アップデートされたEFSは、両群ともに中央値には到達せず、ハザード比（HR）：0.75、95％信頼区間（CI）：0.51～0.83、5年目のEFSがペムブロリズマブ群で81.2％、プラセボ群で72.2％であり、これまでの結果と変わりなかった。OSも中央値には到達せず、HR：0.66（95％CI：0.50～0.87、p＝0.00150）、5年OSが86.6％ vs.81.7％と、ペムブロリズマブ群で有意に良好であった（有意水準α＝0.00503）。また、pCRの有無によるOSもこれまでに発表されたEFSと同様であり、non-pCRであってもペムブロリズマブ群で良好な結果であった。

　この結果から、StageII以上のTNBCに対してはペムブロリズマブを併用した術前化学療法を行うことが強固たるものとなった。

DESTINY-Breast12試験

　本試験は脳転移を有する/有さないHER2陽性転移乳がん患者に対するトラスツズマブ・デルクステカン（T-DXd）の有効性を確認した第IIIb/IV相試験である。脳転移を有するアームと脳転移を有さないアームが独立して収集され、主に脳転移を有する症例におけるT-DXdの有効性の結果が発表された。脳転移アームには263例の患者が登録され、うち157例が安定した脳転移、106例が活動性の脳転移を有した。活動性の脳転移のうち治療歴のない患者が39例、治療歴があり増悪した患者が67例であった。主要評価項目は無増悪生存期間（PFS）、その他の評価項目として脳転移のPFS（CNS PFS）などが含まれた。脳転移を有する症例のPFS中央値は17.3ヵ月（95％CI：13.7～22.1）、12ヵ月PFSは61.6％と非常に良好な成績であり、これまでの臨床試験と遜色なかった。活動性の脳転移を有するサブグループでも同等の成績であったが、治療歴のないグループでは12ヵ月PFSが47.0％とやや劣る可能性が示唆された。12ヵ月時点のCNS PFSは58.9％（95％CI：51.9～65.3）とこちらも良好な結果であった。安定した脳転移/活動性の脳転移の間で差は見られなかった。

　測定可能病変を有する症例における奏効率は64.1％（95％CI：57.5～70.8）、測定可能な脳転移を有する症例における奏効率は71.7％（95％CI：64.2～79.3）であった。OSは脳転移のある症例とない症例で差を認めなかった。

　この結果からT-DXdの脳転移に対する有効性は確立したものと言ってよいであろう。これまで（とくに活動性の）脳転移に対する治療は手術/放射線の局所治療が基本であったが、今後はT-DXdによる全身薬物療法が積極的な選択肢になりうる。

CAPItello-290試験

　カピバセルチブは、すでにPI3K-AKT経路の遺伝子変化を有するホルモン受容体陽性（HR+）/HER2陰性（HER2-）転移乳がんに対して、フルベストラントとの併用において有効性が示され、実臨床下で使用されている。本試験は転移TNBCを対象として、1次治療としてパクリタキセルにカピバセルチブを併用することの有効性を検証した二重盲検化プラセボ対照第III相試験である。818例の患者が登録され、主要評価項目は全体集団におけるOSならびにPIK3CA/AKT1/PTEN変異のある集団におけるOSであった。結果はそれぞれ17.7ヵ月（カピバセルチブ群）vs. 18.0ヵ月（プラセボ群）（HR：0.92、95％CI：0.78～1.08、p＝0.3239）、20.4ヵ月vs. 20.4ヵ月（HR：1.05、95％CI：0.77～1.43、p＝0.7602）であった。PFSはそれぞれ5.6ヵ月vs. 5.1ヵ月（HR：0.72、95％CI：0.61～0.84）、7.5ヵ月vs. 5.6ヵ月（HR：0.70、95％CI：0.52～0.95）と、カピバセルチブ群で良好な傾向を認めた。奏効率もカピバセルチブ群で10％程度良好であった。しかしながら、主要評価項目を達成できなかったことで、IPATunity130試験（ipatasertibのTNBC1次治療における上乗せ効果を見た試験で、PFSを達成できなかった）と同様の結果となり、TNBCにおけるAKT阻害薬の開発は困難であることが再確認された。

ICARUS-BREAST01試験

　本試験は抗HER3抗体であるpatritumabにderuxtecanを結合した抗体医薬複合体（ADC）であるpatritumab deruxtecan（HER3-ADC）の有効性をHR+/HER2-転移乳がんを対象に検討した第II相試験である。本試験はCDK4/6阻害薬、1ラインの化学療法歴があり、T-DXdによる治療歴のないHR+/HER2-転移乳がんを対象として行われた単アームの試験であり、主治医判定の奏効率が主要評価項目とされた。99例の患者が登録され、HER2ステータスは約40％で0であった。HER3の発現が測定され、約50％の症例で75％以上の染色が認められた。主要評価項目の奏効率は53.5％（95％CI：43.2～63.6）であり、内訳はCR：2％（0.2～7.1）、PR：51.5％（41.3～61.7）、SD：37.4％（27.8～47.7）、PD：7.1％（2.9～14.0）であった。SDを含めた臨床的有用率は62.6％（52.3～72.1）と、高い有効性を認めた。

　有害事象は倦怠感、悪心、下痢、好中球減少が10％以上でG3となり、それなりの毒性を認めた。探索的な項目でHER3の発現との相関が検討されたが、HER3の発現とHER3-DXdの有効性の間に相関は認められなかった。肺がん、乳がんでの開発が進められており、目の離せない薬剤の1つである。

ERICA試験（WJOG14320B）

　最後に昭和大学先端がん治療研究所の酒井 瞳先生が発表した、T-DXdの悪心に対するオランザピンの有効性を証明した二重盲検化プラセボ対象第II相試験であるERICA試験を紹介する。T-DXdは悪心、嘔吐のコントロールに難渋することのある薬剤である（個人差が非常に大きいとは思うが…）。本試験では、5-HT₃拮抗薬、デキサメタゾンをday1に投与し、オランザピン5mgまたはプラセボをday1から6まで投与するデザインとして、166例の患者が登録された。主要評価項目は遅発期（投与後24時間から120時間まで）におけるCR率（悪心・嘔吐ならびに制吐薬のレスキュー使用がない）とされた。両群で80％の症例が5-HT₃拮抗薬としてパロノセトロンが使用され、残りはグラニセトロンが使用された。

　遅発期CR率はオランザピン70.0％、プラセボ56.1％で、その差は13.9％（95％CI：6.9～20.7、p＝0.047）と、統計学的有意にオランザピン群で良好であった。有害事象として眠気、高血糖がオランザピン群で多かったが、G3以上は認めずコントロール可能と考えられる。

　制吐薬としてのオランザピンの使用はT-DXdの制吐療法における標準治療になったと言えるだろう。

---

レポーター紹介

下村 昭彦 ( しもむら あきひこ ) 氏
国立研究開発法人 国立国際医療研究センター病院 乳腺・腫瘍内科/がん総合内科

提供元：CareNet.com

本連載は、臨床研究のノウハウを身につけたいけれど、メンター不在の臨床現場で悩める医療者のための、「実践的」臨床研究入門講座です。臨床研究の実践や論文執筆に必要な臨床疫学や生物統計の基本について、架空の臨床シナリオに基づいた仮想データ・セットや、実際に英語論文化した臨床研究の実例を用いて、解説していきます。

対数変換を行い、新たな変数を作成する

　前回まで、仮想データ・セットを用い、無料の統計解析ソフトであるEZR（Eazy R）の操作手順も交えて、変数の型とデータ・セット記述方法の使い分け（連載第46回参照）、表1（患者背景表）の作成方法（連載第47回参照）について解説しました。

　今回からは、いよいよ多変量解析の実践的な手法について、EZR（Eazy R）の操作手順を含めて解説していきたいと思います。

　これまでに、われわれのResearch Question（RQ）の交絡因子として下記の要因を挙げることにしました（連載第45回参照）。

・年齢、性別、糖尿病の有無、血圧、eGFR、蛋白尿定量、血清アルブミン値、ヘモグロビン値

　これらの要因のうち、蛋白尿定量（UP）は連続変数データですが、その分布は右に裾を引いたような歪んだ分布であることを、ヒストグラム（度数分布図）を描いて示しました（連載第46回参照）。このような分布が歪んだデータは、対数変換を行って正規分布に近似させることができます。多変量解析において、対数変換は重要な前準備の1つです。変数を必要に応じて対数変換することにより、外れ値の影響を減らし多変量解析モデルが安定化する、などの意義があります。

　ここでは、EZRを用いて

1．対数変換を実行
2．新たな変数を作成
3．対数変換後のデータ分布を比較

する方法について説明します。

　はじめに、オリジナルの仮想データ・セットを以下の手順でEZRに取り込みます。

　仮想データ・セットをダウンロードする

※ダウンロードできない場合は、右クリックして「名前をつけてリンク先を保存」を選択してください。

・「ファイル」→「データのインポート」→「Excelのデータをインポート」

次に

・「アクティブデータセット」→「変数の操作」→「連続変数を対数変換する」を選択

そうすると下記のポップアップウィンドウが開きます。

　「変数（1つ以上選択）」では「UP」を選択します。「対数変換の底」は「自然対数（底はe）」を選んでください（詳細は省略しますが、生物統計学の領域では常用対数より自然対数を用いることが多いようです）。「新しい変数名または複数の変数に対する接頭文字列」には、たとえば「Loge_UP」と入力してみましょう。そして、「OK」ボタンをクリックすると、下図の出力ウィンドウで、新しい変数として「Loge_UP」が作成されたことが示されます。

　Rコマンダーの画面（下図）からデータセットの「表示」をクリックし、「Loge_UP」が追加されたことも確認してみてください。

　それでは、歪んだ分布であったUPを対数変換したLoge_UPのヒストグラムをEZRの以下の手順で比較してみましょう（連載第46回参照）。

・「グラフと表」→「ヒストグラム」を選択

　下記のポップアップウィンドウが開きますので、「変数（1つ選択）」はそれぞれ「UP」と「Loge_UP」を、「群別する変数（0～1つ選択）」は「treat」を指定してください。その他はデフォルト設定のままで「OK」をクリックしてみましょう。

　下のようなUP、Loge_UPのヒストグラム（比較群分けごと）が描けたでしょうか。右に裾を引いたような歪んだUPの分布が、対数変換（Loge_UP）することにより正規分布に近似したものとなりました。

---

講師紹介

長谷川 毅 ( はせがわ たけし ) 氏
昭和大学臨床疫学研究所 所長・教授
昭和大学大学院医学研究科 衛生学・公衆衛生学分野/腎臓内科学分野 兼担教授
福島県立医科大学臨床研究イノベーションセンター 特任教授

[略歴]
1996年昭和大学医学部卒業。
2007年京都大学大学院医学研究科臨床情報疫学分野（臨床研究者養成コース）修了。
都市型および地方型の地域中核病院で一般内科から腎臓内科専門診療、三次救急から亜急性期リハビリテーション診療まで臨床経験を積む。その臨床経験の中で生じた「臨床上の疑問」を科学的に可視化したいという思いが募り、京都の公衆衛生大学院で臨床疫学を学び、米国留学を経て現在に至る。

---

バックナンバー

▼ 一覧をもっと見る

---

掲載内容はケアネットの見解を述べるものではございません。
（すべての写真・図表等の無断転載を禁じます。）

　

｜企画・制作｜ケアネット

2024年9月13～17日に開催されたESMO Congress2024の乳がんトピックを国立がん研究センター中央病院の下井 辰徳氏が速報レビュー。

---

レポーター紹介

下井 辰徳 ( しもい たつのり ) 氏
国立がん研究センター中央病院　腫瘍内科

---

掲載内容はケアネットの見解を述べるものではございません。
（すべての写真・図表等の無断転載を禁じます。）

提供元：CareNet.com

本連載は、臨床研究のノウハウを身につけたいけれど、メンター不在の臨床現場で悩める医療者のための、「実践的」臨床研究入門講座です。臨床研究の実践や論文執筆に必要な臨床疫学や生物統計の基本について、架空の臨床シナリオに基づいた仮想データ・セットや、実際に英語論文化した臨床研究の実例を用いて、解説していきます。

仮想データ・セットを用いて論文の表1を作成してみる

　前回は仮想データ・セットを用い、無料の統計解析ソフトであるEZR（Eazy R）の操作手順も交えて、変数の型とデータ・セット記述方法の使い分けについて解説しました（連載第46回参照）。今回は、前回同様に仮想データ・セットからEZRを操作して、表1（患者背景表）を実際に作成してみます。

　まず、下記の手順で仮想データ・セットをEZRに取り込みます。

　仮想データ・セットをダウンロードする

※ダウンロードできない場合は、右クリックして「名前をつけてリンク先を保存」を選択してください。

・「ファイル」→「データのインポート」→「Excelのデータをインポート」

　次に、

・「グラフと表」→「サンプルの背景データのサマリー表の出力」を選択

　すると、下記のポップアップウィンドウが開きます。

　上段の「群別する変数」とは、treatとしたカテゴリ変数（1；低たんぱく食厳格遵守群、0；低たんぱく食非厳格遵守群）でしたので、こちらを選択します（連載第46回参照）。

　中段の「カテゴリー変数」にはdm（糖尿病の有無）とsex（性別）を選択します（連載第46回参照）。

　前回、連続変数を記述する際にはまずヒストグラム（度数分布図）を描き、その分布がおおむね正規分布に近似しているかどうかを確認しましょう、と説明しました。UP（蛋白尿定量）は右に裾を引いたような非正規分布でしたので（連載第46回参照）、「連続変数（非正規分布）」として選択します。age（年齢）、albumin（血清アルブミン値）、eGFR、hemoglobin（ヘモグロビン値）、sbp（収縮期血圧）は「連続変数（正規分布）」とします。

　その他の設定はデフォルトのままでOKですが、下記の項目は以下のように変更してください。

・正規分布しない連続変数の範囲表示：四分位数範囲（Q1-Q3）

　※これは好みですので最小値と最大値のままでも可（連載第46回参照）。

・連続変数の表示の注釈を加える：Yes
・出力先：CSVファイル

　出力設定が完了したらOKをクリックしてみましょう。EZRの出力ウィンドウに下図の表が作成されたでしょうか。

　treat群別に下記のようにそれぞれの背景データのサマリーが表で示されています（連載第46回参照）。

・カテゴリ変数は群別に実数とその割合で
・連続変数（正規分布）は平均値（Mean）と標準偏差（SD）で
・連続変数（非正規分布）は中央値（Median）と四分位範囲（Inter-quartile range：IQR）で

　この表はCSVファイルとしても出力されています。CSVファイルを英文論文の表1として使えるように成形したものを以下に示します。

　可読性を高めるために、数値は四捨五入して有効数字3桁で丸めています。また、脚注（footnote）で略語をスペルアウトなどして、表だけで独立して理解できるように作成することが重要です。

　表1でp値を記載するかどうかですが、筆者はどちらかというと「記載しない派」です。なぜなら、表1の主な目的は、解析対象となった参加者の記述統計を示すことだからです。場合によっては、表1で異なる群間の比較を示すという意味合いもあることがあります。けれども、p値はあくまで統計的な有意性を示す指標であり、臨床的に意味のある差を示すものではないことに留意が必要です（連載第44回参照）。

　たとえば、今回作成した表1をみてみましょう。低たんぱく食厳格遵守群と低たんぱく食厳格非遵守群で、性別以外の患者背景にはいずれも統計学的有意差（p＜0.05）がついています。両群間で年齢は4歳以上、糖尿病の有病割合は10％以上、収縮期血圧も5mmHg以上差があるので、これらの要因については臨床的にも意味がある差異なのかもしれません。しかし、血清アルブミン値やヘモグロビン値の1ポイントにも満たないわずかな差は臨床的に大きな意味を持つでしょうか。サンプルサイズがそこそこ大きい場合、臨床的にはごくわずかな差でも統計学的には有意差が出ることがあります。

　というわけで、筆者は投稿時点では表1にp値を示さないことが多いです。ただ、査読の段階でエディターやレビュワーからp値も記載するように指摘されることもあり、その際は素直に従います（笑）。

---

講師紹介

長谷川 毅 ( はせがわ たけし ) 氏
昭和大学臨床疫学研究所 所長・教授
昭和大学医学部衛生学・公衆衛生学講座/内科学講座腎臓内科学部門 兼担教授
福島県立医科大学臨床研究イノベーションセンター 特任教授

[略歴]
1996年昭和大学医学部卒業。
2007年京都大学大学院医学研究科臨床情報疫学分野（臨床研究者養成コース）修了。
都市型および地方型の地域中核病院で一般内科から腎臓内科専門診療、三次救急から亜急性期リハビリテーション診療まで臨床経験を積む。その臨床経験の中で生じた「臨床上の疑問」を科学的に可視化したいという思いが募り、京都の公衆衛生大学院で臨床疫学を学び、米国留学を経て現在に至る。

---

バックナンバー

▼ 一覧をもっと見る

---

掲載内容はケアネットの見解を述べるものではございません。
（すべての写真・図表等の無断転載を禁じます。）

　

提供元：CareNet.com

本連載は、臨床研究のノウハウを身につけたいけれど、メンター不在の臨床現場で悩める医療者のための、「実践的」臨床研究入門講座です。臨床研究の実践や論文執筆に必要な臨床疫学や生物統計の基本について、架空の臨床シナリオに基づいた仮想データ・セットや、実際に英語論文化した臨床研究の実例を用いて、解説していきます。

変数の型とデータ記述方法の使い分け

　前回は交絡因子について解説し、われわれのResearch Question（RQ）の交絡因子として下記の要因を挙げました（連載第45回参照）。

・年齢、性別、糖尿病の有無、血圧、eGFR、蛋白尿定量、血清アルブミン値、ヘモグロビン値

　今回からは、仮想データ・セットからこれらの交絡因子のデータを「低たんぱく食厳格遵守群」と「低たんぱく食非厳格遵守群」に分けて記述し、表を作成していきます。これは論文の表1として示されることの多い、いわゆる「患者背景表」となります。

　実際に表を作成してみる前に、まずは変数の型とデータ記述方法の使い分け、について説明します。変数の型は連続変数とカテゴリ変数に大別されます。

　連続変数は量を表す変数です。前述した交絡因子では年齢や血圧などの測定値、eGFR、蛋白尿定量、ヘモグロビン値や血清アルブミン値という臨床検査値、が連続変数です。

　カテゴリ変数は性質を表す変数で、名義変数、順序変数が該当します。今回挙げた交絡因子のうち性別と糖尿病の有無、が順序のない2値（1 or 0）の名義変数となります。

　ここからは、無料の統計解析ソフトであるEZR（Eazy R）の操作手順を含めて解説します（連載第43回参照）。表1の作成に必要な仮想データ・セットを以下の手順でEZRに取り込んでみましょう。

　仮想データ・セットをダウンロードする

※ダウンロードできない場合は、右クリックして「名前をつけてリンク先を保存」を選択してください。

・「ファイル」→「データのインポート」→「Excelのデータをインポート」

　　取り込んだ仮想データ・セットの内訳を下記に示します。

・A列：id 患者ID
・B列：treat 比較群分け（カテゴリ変数　1；低たんぱく食厳格遵守群、0；低たんぱく食非厳格遵守群）
・C列：age 年齢（連続変数）
・D列：sex 性別（カテゴリ変数　1；男性、0；女性）
・E列：dm 糖尿病の有無（カテゴリ変数　1；糖尿病あり、0；糖尿病なし）
・F列：sbp 収縮期血圧（連続変数）
・G列：eGFR （連続変数）
・H列：UP 蛋白尿定量 （連続変数）
・I列：albumin 血清アルブミン値（連続変数）
・J列：hemoglobin ヘモグロビン値（連続変数）

　それでは、連続変数のデータ記述方法について説明します。連続変数データの代表値としては平均値（Mean）や中央値（Median）が使われます。また、連続変数データのばらつきを示す値としては標準偏差（Standard deviation：SD）や範囲（Range）、もしくは四分位範囲（Inter-quartile range：IQR）を用いる場合があります。それぞれの使い分けについては、実際にEZRを操作しながら説明します。

　連続変数を記述する際、まずはヒストグラム（度数分布図）を確認してみましょう。EZRでは下記の手順でヒストグラムを描くことができます。

・「グラフと表」→「ヒストグラム」を選択

　すると、ポップアップウィンドウが開きますので、まずは下記のとおりに変数や設定を選択してみてください。

　年齢のヒストグラムが比較群分けごとに示されています。想定のとおり、低たんぱく食厳格遵守群（treat=1）は、低たんぱく食非厳格遵守群（treat=0）より年齢の分布が若干若いようです（連載第45回参照）。このヒストグラムのように、その連続変数データの分布が一峰性（ひとやま）でおおむね左右対称で正規分布に近似している場合は、その代表値を平均値（Mean）で、そのばらつきを標準偏差（SD）で記述することができます。

　しかし、臨床研究における連続変数のデータは正規分布に近似するものばかりではありません。たとえば、下記のように「ヒストグラム」のポップアップウィンドウで蛋白尿定量であるUPを選択し、「OK」ボタンをクリックしてみてください。

　ネフローゼ症候群の患者は対象から除外されていることもあり（連載第40回参照）、多くのデータがUP2g/日以下に偏り、右に裾を引いたようなヒストグラムになっています。このような形状のデータ分布の場合、代表値としては中央値（Median）、データのばらつきを示す値としては四分位範囲（IQR）、もしくは最小値から最大値という範囲（Range）で示すことが望まれます。

　なお、カテゴリ変数データの記述方法は簡単です。カテゴリ変数はカテゴリ別の頻度か割合で報告しますが、データ数の大きさによって、下記に示したような使い分けが慣例的に推奨されています。

・データ数が100以上：小数点以下1桁までの割合（%）
・データ数が100未満20以上：整数の割合（%）
・データ数が20未満：割合は使用せず、頻度の実数

---

講師紹介

長谷川 毅 ( はせがわ たけし ) 氏
昭和大学臨床疫学研究所 所長・教授
昭和大学医学部衛生学・公衆衛生学講座/内科学講座腎臓内科学部門 兼担教授
福島県立医科大学臨床研究イノベーションセンター 特任教授

[略歴]
1996年昭和大学医学部卒業。
2007年京都大学大学院医学研究科臨床情報疫学分野（臨床研究者養成コース）修了。
都市型および地方型の地域中核病院で一般内科から腎臓内科専門診療、三次救急から亜急性期リハビリテーション診療まで臨床経験を積む。その臨床経験の中で生じた「臨床上の疑問」を科学的に可視化したいという思いが募り、京都の公衆衛生大学院で臨床疫学を学び、米国留学を経て現在に至る。

---

バックナンバー

▼ 一覧をもっと見る

---

掲載内容はケアネットの見解を述べるものではございません。
（すべての写真・図表等の無断転載を禁じます。）

　

[レポーター紹介 ]
寺田 満雄（てらだ みつお）

夏休みは1ヵ月取得。でも結果を出している人はハードワーク

　米国での生活で一番違うと感じることは、休日らしい休日を過ごすことができること（うちのラボはその限りでないこともありますが…それはご愛嬌）。これは国による違いというよりも、研究職なので当直・待機、外勤がないことに起因するものかもしれません。それでもオンとオフは日本よりははっきりしている印象を受けます。ボスは臨床医でもありますが、夏休みは1ヵ月ほど休暇をとっています。ですが、忘れてはいけないのは、結果を出している人たちにはハードワーカーも多いことです。集中と効率化とハードワークです。これは私が勝手に抱いていたイメージとは異なるものでした。

　休日は子どもが楽しめるようなイベントがたくさんあります。ハロウィン、クリスマス、イースターといった季節のイベントやスポーツ（スケート、テニス、バスケ、サッカー、アイスホッケーetc.）や釣りの教室が開催されていたりと休日もそれはそれで忙しかったりします。これらの運営は、Donation文化の賜物なのだろうと認識しています。私自身も、無料で教会のESL（外国人のための英語教室）に通わせてもらったり、そこが主催するイベントに家族でお邪魔したりと日本に帰ったら何かに寄付したいと思うようになったぐらいにはDonation文化にもお世話になっています。

　さまざまなイベントごとも然り、子どもに優しい国だとも感じます。子どもを連れているだけでスーパーで優しく対応してもらえたりするので、あえて連れて行ったり…。また日本にいた時よりも家族で過ごす時間が格段に多くなりました。これはなかなかできなかったので、嬉しい環境です。そして、慣れない異国の地、英語環境で妻のサポートには本当に感謝しています。子どもたちも私のわがままで連れてきたわけですが、やはり子どもたちのほうが大人よりも環境への適応は早く、日本の学校との違いに戸惑うことも多いのも親ばかりで、彼らは学校生活をエンジョイしてくれています。

　

　

留学のメリットとデメリット、現時点で言えるのは…

　帰ってからの自分のキャリアは、まだ私自身もよくわかりませんが、これから留学を考えている方に、現在私が感じているメリットとデメリットを綴ろうと思います。メリットはやはり日本とは違う研究の体制を学ぶことができることだと思います。これは臨床研究で留学しても同じに思います。同じだなと感じることもあれば、やはりそうでないところもあります。あとは人脈形成ではないでしょうか。少し別枠ですが、完全に日本式臨床医の働き方枠に囚われてしまっていた自分を、ワークライフバランスも考えたうえで少し冷静にみることができるようになったこともメリットかもしれません（見方によってはデメリットかも…しれないですが）。当たり前だと思っていた日本での勤務状況をラボの人に伝えても、現実味がないらしく話を信じてもらえなかったことも（笑）。

　デメリットは、金銭的な話はもちろんありますが、キャリア面で考えると、今まで続けていたキャリアが一時中断すること。私自身積み上げてきたものが多くあるわけではないですが、すべてをうまく継続することは難しく感じています。もちろん留学先の忙しさと余裕によると思いますが、私の場合は、少し手が回らなくなってしまっているものがあるのは正直なところです。臨床のブランクも長くなりそうなこともあり、帰った後にどうしよう…というのは、割と大きな悩みです。ですが、いったん慣れた環境から離れることで、見える世界は広がったことは間違いありません。留学したことに一切の後悔がないということは言えます。自分の将来はもう少し米国滞在中に考えてみようと思います。

　今回が連載最終回となりますが、お付き合いいただきありがとうございました。少しでもこれから留学を検討している方のお役に立つことができれば幸いです。

　　

---

バックナンバー

第1回：	乳腺外科医の自分がメラノーマのTRに強い研究室へ留学を決めた理由
第2回：	ほぼ全例で網羅的解析を実施、日本との違いを感じる研究環境
第3回：	ラボでの分業、実際どうやっている？
第4回：	夏休みは1ヵ月取得。でも結果を出している人はハードワーク

提供元：CareNet.com

本連載は、臨床研究のノウハウを身につけたいけれど、メンター不在の臨床現場で悩める医療者のための、「実践的」臨床研究入門講座です。臨床研究の実践や論文執筆に必要な臨床疫学や生物統計の基本について、架空の臨床シナリオに基づいた仮想データ・セットや、実際に英語論文化した臨床研究の実例を用いて、解説していきます。

交絡因子とは

　前回お示しした統計解析ソフトEZR（Eazy R）の生存時間曲線の解析結果では、われわれの帰無仮説（下記）は棄却されませんでした（連載第44回参照）。

「低たんぱく食厳格遵守と低たんぱく食非厳格遵守で、末期腎不全の発症率に差がない」

　したがって、生存時間の記述統計解析の結果からは、「末期腎不全の発症率に、低たんぱく食厳格遵守と低たんぱく食非厳格遵守で差があるとは言えない」ということになります。そこで今回は、われわれのResearch Question（RQ）のE（要因）「低たんぱく食厳格遵守」とO（アウトカム）である「末期腎不全」や「糸球体濾過量（GFR）低下速度」との関連を歪める可能性のある交絡因子について解説します。

　まずは、交絡因子の3条件を示します（図）。

図

　交絡因子は、E（要因）とC（対照）との「理想的な」比較を歪める因子、と言い換えることもできます。それでは、われわれのRQで具体的に交絡因子の候補について考えてみましょう。

　たとえば、糖尿病合併の有無はどうでしょうか。糖尿病の合併はOの「末期腎不全発症」リスクを増加させる明らかな予後因子です（条件1）。条件2は要因群（E）と対照群（C）で分布が違う因子、とも言えます。これまでの先行研究レビューで、糖尿病性腎疾患は非糖尿病性腎疾患と比較して低たんぱく食事療法の効果が低いことが示されています（連載第5回参照）。それゆえ、糖尿病合併例では厳格な低たんぱく食事療法の指示を受けている（もしくは遵守できている）割合が低い可能性があり、条件2に該当しそうです。また、「低たんぱく食厳格遵守」した結果として糖尿病となり、「末期腎不全発症」に至るという因果関係は成立しないと思われ、条件3にも合致します。

　年齢はいかがでしょうか。年齢はわれわれのOでも重要な予後因子でしょう（条件1）。高齢CKD患者では、厳しいたんぱく質制限による低栄養などの懸念が診療ガイドラインで示されていることもあり（連載第5回参照）、要因群（E）と対照群（C）で年齢の分布には差がありそうです（条件2）。年齢はわれわれのRQでの中間変数にはあたらないでしょう（条件3）。

　性別は年齢と同様に基本的かつ重要な患者背景の違いとして、条件2に該当するか不明であっても交絡因子として慣習的に扱うことが一般的です。われわれのRQでも男性は女性と比較してOのリスク因子であることは先行研究からも自明であり、少なくとも条件1には合致しますし、中間因子ではないことは明らかです（条件3）。

　蛋白尿の程度や栄養状態・慢性炎症の代替指標としてよく用いられる血清アルブミン値はどうでしょうか。高度な蛋白尿や低い血清アルブミン値はわれわれのOの強い予後悪化因子です（条件1）。高度な蛋白尿や低い血清アルブミン値を呈する症例には、厳格な低たんぱく食事療法を導入しづらいかもしれず、蛋白尿の程度や血清アルブミン値にも要因群（E）と対照群（C）で分布の違いがありそうです（条件2）。蛋白尿の程度や血清アルブミン値は、われわれのRQのEである「厳格な低たんぱく食事療法遵守（vs.非遵守）」とOである「末期腎不全」や「糸球体濾過量（GFR）低下速度」の中間変数である可能性は完全には否めません。しかし、重要かつ強力なベースラインの予後因子であることを考慮し外せない交絡因子としました。

　同様にこれまでの先行研究の知見や医学的観点から、下記の要因を、われわれのRQの交絡因子として挙げ、データを収集することとしました。

年齢、性別、糖尿病の有無、血圧、eGFR、蛋白尿定量、血清アルブミン値、ヘモグロビン値

　次回は収集したこれらの患者背景データを用いて、EZRで記述統計解析を行い、論文の表1の作成方法について解説します。

---

講師紹介

長谷川 毅 ( はせがわ たけし ) 氏
昭和大学臨床疫学研究所 所長・教授
昭和大学医学部衛生学・公衆衛生学講座/内科学講座腎臓内科学部門 兼担教授
福島県立医科大学臨床研究イノベーションセンター 特任教授

[略歴]
1996年昭和大学医学部卒業。
2007年京都大学大学院医学研究科臨床情報疫学分野（臨床研究者養成コース）修了。
都市型および地方型の地域中核病院で一般内科から腎臓内科専門診療、三次救急から亜急性期リハビリテーション診療まで臨床経験を積む。その臨床経験の中で生じた「臨床上の疑問」を科学的に可視化したいという思いが募り、京都の公衆衛生大学院で臨床疫学を学び、米国留学を経て現在に至る。

---

バックナンバー

▼ 一覧をもっと見る

---

掲載内容はケアネットの見解を述べるものではございません。
（すべての写真・図表等の無断転載を禁じます。）