信頼区間と効果量

信頼区間とは何か

信頼区間の定義

信頼区間（Confidence Interval: CI）は、母集団の真の値が含まれると推定される範囲です。

たとえば「新薬群の平均血圧低下量は8.5mmHg、95%信頼区間は [5.2, 11.8]」であれば、母集団における真の平均血圧低下量は5.2mmHgから11.8mmHgの間にあると95%の信頼度で推定されます。

なぜ信頼区間が重要なのか

p値は「差があるかないか」を二値的に判定しますが、信頼区間は「効果がどの程度の範囲にありそうか」を示します。

信頼区間の解釈

95%信頼区間の意味

「同じ母集団から同じ方法で100回サンプリングして信頼区間を計算したら、そのうち約95回は真の値を含む」という頻度論的な解釈が正確な意味です。

注意点として、1回の研究で得られた信頼区間について「真の値がこの範囲内にある確率が95%」という解釈は厳密には正しくありません（頻度論の立場では）。ただし実用上は「真の値がこのあたりにある」という合理的な推定範囲として使われます。

信頼区間の幅が示すもの

信頼区間の幅は推定の精度（不確実性）を反映しています。

• 幅が狭い → 推定が精密（サンプルサイズが大きい、データのばらつきが小さい）
• 幅が広い → 不確実性が大きい（サンプルサイズが小さい、データのばらつきが大きい）

効果量とは何か

効果量の定義と重要性

効果量（Effect Size）は、統計的有意性とは独立に「効果の実質的な大きさ」を定量化する指標です。

p値はサンプルサイズに強く依存するため、数万人規模の研究では臨床的にほぼ無意味な差でもp < 0.001になることがあります。効果量はサンプルサイズの影響を受けにくいため、結果の実質的な意義を判断するのに適しています。

効果量の種類

Cohen's d — 2群の平均差の標準化

2群の平均の差を共通の標準偏差で割った値です。

例：新薬群と対照群でHbA1cの平均差が0.3%、共通SDが0.6%の場合、Cohen's d = 0.3 / 0.6 = 0.5（中程度の効果）。

相関係数（r）— 2変数の関連の強さ

オッズ比（OR）・リスク比（RR）— 二値アウトカムの効果指標

臨床研究で最も頻繁に用いられる効果量指標です。

• OR = 1 / RR = 1: 差なし
• OR > 1 / RR > 1: リスク増加
• OR < 1 / RR < 1: リスク減少

p値と効果量の違い

p値の限界

p値だけでは次の情報がわかりません。

• 効果の大きさ（臨床的に意味のある差かどうか）
• 推定の精度（サンプルサイズの影響を受ける）
• 臨床的な重要性（患者にとっての実際のベネフィット）

効果量が臨床判断を変える

効果量は「統計的に有意かどうか」ではなく「臨床的に意味があるかどうか」の判断材料になります。

医療研究での活用

例1：新薬の効果評価

• p値: 0.03（統計的に有意）
• 効果量: Cohen's d = 0.15（小さい効果）
• 95% CI: [0.5, 3.2] mmHg
• 解釈: 統計的には有意だが、臨床的には小さい効果。大規模試験でわずかな差が検出された可能性がある。

例2：治療法の比較

• p値: 0.08（統計的に有意でない）
• 効果量: Cohen's d = 0.6（中程度の効果）
• 95% CI: [−0.5, 8.5] mmHg
• 解釈: 統計的には有意でないが、効果量は中程度。サンプルサイズ不足でβ過誤（検出力不足）の可能性が高い。追加の研究が望まれる。

まとめ

• 信頼区間は効果の大きさの推定範囲と不確実性を示す
• 95%信頼区間が0（差なし）を含むかどうかで有意性も判定できる
• 効果量はサンプルサイズに依存せず、効果の実質的な大きさを示す
• p値、信頼区間、効果量の3つを組み合わせて結果を評価するのが現代の推奨