統計学とは何か
統計学とは、データを収集、整理、分析、解釈するための学問です。医療においては研究データの分析から診断精度の評価、治療効果の判定、疫学調査まで、あらゆる場面で統計が使われています。
医療における統計の4つの役割
研究データの分析
臨床試験の結果を数値で評価する
診断の精度評価
検査の感度・特異度を定量化する
治療効果の評価
新薬や新治療法の有効性を検証する
疫学研究
疾患の発生率やリスク因子を明らかにする
記述統計と推測統計
統計学は大きく2つの領域に分かれます。
記述統計と推測統計
データの特徴を要約・記述する手法です。平均値、中央値、最頻値、標準偏差、分散の計算やグラフ・表での可視化が含まれます。
目的は「手元のデータを正確に把握する」ことです。
サンプル（標本）から母集団全体について推測する手法です。仮説検定、信頼区間、回帰分析などが含まれます。
目的は「限られたデータから全体像を推し量る」ことです。
視点
論文では記述統計→推測統計の順で使う
臨床研究の論文では、まず記述統計で対象者の特性を示し（Table 1）、次に推測統計で仮説を検証する、という構成が一般的です。
データの種類
医療データを適切に分析するには、扱うデータの種類を正しく見分けることが出発点になります。
量的データと質的データ
数値で測定でき、四則演算が意味を持つデータです。平均値や標準偏差を計算できます。
年齢、体重、身長、収縮期血圧、HbA1c、体温、eGFR、CRPなど。
カテゴリに分類されるデータです。
名義尺度は順序がないカテゴリ（性別、血液型、診断名）、順序尺度は順序があるカテゴリ（重症度スケール、TNM分類のステージ、痛みのNRS）です。
視点
データの種類が統計手法を決める
「どの統計手法を使うか」は、データの種類で大きく変わります。量的データにはt検定や相関分析、質的データにはカイ二乗検定やFisherの正確検定を使います。論文を読む際にも「このデータの種類に対して適切な手法が使われているか」を確認する習慣をつけましょう。
基本統計量
中心傾向の指標
データの「中心はどこか」を示す指標です。
平均値（Mean） はすべての値の合計を個数で割った値です。最も直感的な指標ですが、外れ値の影響を受けやすいという弱点があります。たとえば、10人の入院日数が 3, 4, 4, 5, 5, 5, 6, 6, 7, 50 の場合、平均は9.5日になりますが、中央値は5日です。外れ値1つで実態とかけ離れた値になります。
中央値（Median）はデータを小さい順に並べたとき中央に位置する値です。外れ値に対してロバスト（頑健）な指標であり、入院日数や医療費など右に裾が長い分布で特に有用です。
最頻値（Mode）は最も頻繁に出現する値です。カテゴリカルデータの代表値として使われます。
ばらつきの指標
データの「散らばり具合」を示す指標です。
標準偏差（Standard Deviation: SD） はデータが平均からどの程度散らばっているかを示します。値が小さいほどデータが平均付近に集中し、大きいほど散らばっています。
分散（Variance）は標準偏差の2乗です。数学的な計算では分散を使うことが多いですが、解釈のしやすさでは標準偏差が優れています（単位がデータと同じため）。
注意
SD（標準偏差）とSE（標準誤差）を混同しない
論文でよく見る「SD」と「SE（Standard Error）」は別物です。SDはデータのばらつきを表し、SEは推定値の精度を表します。SEはSD÷√nで計算されるため、サンプルサイズが大きくなるほど小さくなります。グラフのエラーバーがSDなのかSEなのかで、見た目の印象が大きく変わるので注意してください。
分布
正規分布
統計学で最も重要な分布の一つです。左右対称の釣鐘型（ベルカーブ）をしており、平均と標準偏差の2つのパラメータで完全に特徴づけられます。多くの統計手法は正規分布を前提としているため、正規分布かどうかの確認（正規性の検定）は分析の第一歩になります。
医療での例として、健常者集団の身長・体重の分布、多くの検査値の基準範囲（平均±2SD）などがあります。
その他の重要な分布
二項分布
成功か失敗かの2つの結果がある試行を繰り返す場合。治療の奏効・非奏効、合併症の有無など
ポアソン分布
まれな事象の発生回数を扱う。副作用の発生件数、感染症のアウトブレイク、救急搬送数など
医療研究での統計の役割
統計はデータ分析の段階だけでなく、研究デザインの時点から関与します。設計が甘いと、どれだけ丁寧にデータを集めても結論が出せなくなります。
研究デザイン段階
サンプルサイズの計算、対照群の設定、ランダム化の方法を決定する
データ分析段階
記述統計で対象者の特性を要約し、推測統計で仮説を検証する
結果の報告段階
使用した統計手法、p値、信頼区間、効果量を正確に報告する（CONSORT声明・STROBE声明など）
参考文献
- Altman, D. G., & Bland, J. M. (1994). Statistics notes: Quartiles, quintiles, centiles, and other quantiles. BMJ, 309(6960), 996. https://doi.org/10.1136/bmj.309.6960.996
- Altman, D. G., & Bland, J. M. (1995). Statistics notes: Absence of evidence is not evidence of absence. BMJ, 311(7003), 485. https://doi.org/10.1136/bmj.311.7003.485
- CONSORT Group. Consolidated Standards of Reporting Trials (CONSORT). https://www.consort-statement.org/
- STROBE Initiative. STrengthening the Reporting of OBservational studies in Epidemiology (STROBE). https://www.strobe-statement.org/
セルフチェック
1. 入院日数のデータが右に大きく歪んだ分布をしている場合、中心傾向の指標として最も適切なものはどれか？
2. 次のうち質的データ（カテゴリカルデータ）はどれか？
3. 論文のグラフでエラーバーが「SE（標準誤差）」で描かれている場合の注意点として正しいのはどれか？
明日のアクション
手元にある臨床データや公開データセット（例：UCI Machine Learning RepositoryのHeart Diseaseデータセット）を使い、量的データと質的データを分類したうえで、量的データの平均値・中央値・標準偏差を計算してみましょう。ExcelやPython（pandas）で df.describe() を実行するだけでも基本統計量が一覧で得られます。