Top 5 This Week

関連記事

オッズ比・リスク比の信頼区間:1をまたぐ意味

- 本サイト運営者のサービスの紹介 -
Dr.データサイエンス|医療統計解析の代行・相談

2群の割合を比べる解析で、100人中30人と100人中20人にイベントが起きた表からオッズ比を求めると1.71になり、95%信頼区間は0.89から3.29になり、点推定値は1.7倍を超えていても、区間の下端は1を下回っているため、この結果を「差はなかった」と書くのか「1.7倍だった」と書くのかで、報告の内容は大きく変わります。しかも比の区間は点推定値を中心に左右対称にならず、件数が0のセルがあると計算そのものが止まるため、区間の作り方と読み方を合わせて確かめておく必要があります。

前提とする2×2表と記号

曝露群と非曝露群のそれぞれでイベントが起きた人数と起きなかった人数を数えた2×2表で、曝露群のイベントあり・なしを$a$と$b$、非曝露群のイベントあり・なしを$c$と$d$とし、群の人数を$n_1=a+b$、$n_0=c+d$と書きます。表の行と列のどちらで割合を取るかは2×2表の読み方:行と列の割合を区別するで扱っており、ここでは行ごとの割合を比べます。

この表から、リスク比は$(a/n_1)/(c/n_0)$、オッズ比は$ad/(bc)$で求めます。2つの比のどちらを推定対象にするかは研究デザインとアウトカムの頻度で決まり、その判断はオッズ比とリスク比の違い:どちらを報告すべきかで説明しています。

なお、95%信頼区間そのものの意味は95%信頼区間とは何か:繰り返し抽出で考えるを前提にします。

比の区間を対数の尺度で作る理由

比は0より大きい値しか取らず、1を境に「2倍」と「半分」が対応する量で、リスク比2と0.5は向きが逆で大きさが同じ関係ですが、比の尺度のまま眺めると、1からの距離は1と0.5で揃っていません。対数を取ると$\log 2$と$\log 0.5$は符号だけが異なる値になり、推定量の分布も正規分布に近づくため、区間は対数の尺度で作ります。

そこでWoolf(1955)は、対数オッズ比の標準誤差を4つのセルの逆数の和から求める方法を示しました。

$$\mathrm{SE}(\log\mathrm{OR})=\sqrt{\frac{1}{a}+\frac{1}{b}+\frac{1}{c}+\frac{1}{d}} \tag{1}$$

式(1)は、対数オッズ比のばらつきが4つのセルの件数それぞれの逆数を足し合わせて決まり、最も件数の少ないセルが標準誤差の大きさをほぼ支配することを表しています。$\log\mathrm{OR}\pm1.96\,\mathrm{SE}$を求めてから指数を取ると、オッズ比の95%信頼区間が元の尺度で得られます。

リスク比についても、Katzら(1978)がコホート研究の区間として、対数リスク比の標準誤差を次の形で示しています。

$$\mathrm{SE}(\log\mathrm{RR})=\sqrt{\frac{1}{a}-\frac{1}{n_1}+\frac{1}{c}-\frac{1}{n_0}} \tag{2}$$

式(2)は、対数リスク比のばらつきが各群のイベント数$a$と$c$で主に決まり、群の人数が大きいほど引き算される項の分だけ小さくなることを表しています。イベントが起きなかった人数$b$と$d$は直接は入らないため、同じ表でもオッズ比の区間よりリスク比の区間の方が狭くなります。

点推定値に対して区間が非対称になる仕組み

対数の尺度では点推定値から上下に同じ幅$1.96\,\mathrm{SE}$を取るので、区間は左右対称です。ところが指数で戻すと、下限は点推定値を$\exp(1.96\,\mathrm{SE})$で割った値、上限は同じ値を掛けた値になり、比の尺度では上側が長く伸びます。

この非対称は計算上の都合で生じたものではなく、比という量の性質をそのまま反映しています。たとえば100人中30人と20人の表では、オッズ比1.714から下限までは0.819、上限までは1.571で、上側が約2倍の長さになり、20人中3人と1人の表では下側3.035に対して上側32.01まで開きます。

そのため、比の尺度で点推定値±1.96×標準誤差の対称な区間を作ると、下限が0を下回ることもあり、比が取り得ない範囲まで区間に含めてしまいます。

1をまたぐ区間とp値の対応

対数の尺度では、比が1であることは$\log$比が0であることに当たります。そのため、Wald型の区間が1を含むかどうかは、同じ標準誤差を使ったWald検定のp値が0.05以上かどうかと一致し、この関係は信頼区間が0をまたぐ:有意差との関係で扱った差の区間と同じ構造をしています。

なお、AltmanとBland(2011)は、この対応を逆にたどって、報告されたp値と点推定値から信頼区間を復元する手順を示しています。

ただし、区間をWoolf法で求め、p値をカイ二乗検定やFisherの正確検定で求めるように、異なる方法を組み合わせると、境界付近で「区間は1をまたぐのにp値は0.05未満」という食い違いが起こり得ます。

実際、100人中25人と14人の表では、カイ二乗検定(補正なし)のp値は0.0496と0.05を下回りますが、オッズ比の区間は0.993から4.223、リスク比の区間は0.987から3.230で、どちらも下限がわずかに1を下回っています。区間と検定が別の近似に立っているため、境界の値ではこのように判定が揃わない場合があります。

この食い違いは、区間とp値の一方を「正しい方」として選んでも解消しないため、どちらの方法で区間とp値を求めたかを報告に書き、境界の近くでは判定よりも区間の両端の大きさを読む方が、表から得られる情報を正確に伝えます。

1をまたぐ区間は「関連がない」を意味しない

100人中30人と20人の例に戻ると、オッズ比の区間は0.90から3.29で、カイ二乗検定のp値は0.102でした。この結果を「曝露とイベントに関連はなかった」と書くと、区間の上端3.285、つまりオッズが3倍を超える関連とも矛盾しないという情報が消えてしまいます。

この読み方の誤りについて、AltmanとBland(1995)は「証拠がないことは、ないことの証拠ではない」という表題で、有意でない結果を効果がないことの裏づけとして扱う誤りを指摘しました。また、Greenlandら(2016)は、信頼区間が帰無値を含むことを効果がない根拠とみなす読み方を、p値と区間の代表的な誤解の一つに挙げています。

そこで1をまたぐ区間は、下限が表す大きさと上限が表す大きさの両方とデータが両立する、と読みます。30人と20人の例なら、「オッズ比1.71、95%信頼区間0.89〜3.29で、わずかに低いオッズから3倍を超えるオッズまでがデータと両立し、関連の向きと大きさは定まっていない」と書くのが、この表から言える範囲です。

一方、20人中3人と1人の表ではオッズ比3.35、区間0.32から35.37で、同じく1をまたぎますが、区間の幅は100人の例とは比べものになりません。1をまたぐという点では2つの例は同じでも、前者は中程度の関連までを絞り込みつつあるのに対し、後者は約3分の1から35倍までのどれとも区別できず、実質的にほとんど情報を持っていないという点で、読み方は大きく異なります。

件数の少ないセルと0のセル

式(1)と式(2)はどちらもセルの逆数を含むため、1つのセルが0になると標準誤差が計算できず、オッズ比も0または無限大になります。15人中0人と15人中4人の表がその例で、曝露群のイベントが1件もないため、そのままではWoolf法の区間は求まりません。

この時によく使われるのが、4つのセル全てに0.5を足してから計算する補正です。補正後のオッズ比は0.082、95%信頼区間は0.004から1.69、リスク比は0.11、区間は0.007から1.90になり、どちらも1をまたいでいます。

もう一つの方法は、Fisherの正確検定と同じ条件付き分布に基づいてオッズ比を推定し、その分布から区間を求めるやり方です。この表では条件付き最尤推定値が0、95%信頼区間は0から1.379、p値は0.0996で、検定そのものの考え方はFisherの正確確率検定:期待度数が小さいときにあります。

同じ表に対して、0.5を足したWoolf法では上限1.689、正確法では上限1.379となり、どちらの方法を選んだかで区間の端が変わります。しかも補正なしのカイ二乗検定はp値0.032を返す一方で、Fisherの正確検定は0.100を返しており、期待度数の小さい表では近似の検定と正確な検定の判定も揃いません。

この状況では、方法の選択によって結論が変わり得るため、どの方法で区間を求めたかを書かずに数値だけを示すのは不適切です。セルに0がある、あるいは期待度数が小さい表では、正確法の区間を主に示し、0.5の補正を使った場合はその旨を明記したうえで、補正の有無で区間の端がどれだけ動くかを読者が確かめられるようにします。

論文や報告書での扱われ方

論文でこれらの比を報告する時の形について、先に触れたAltmanとBland(2011)は、同じ推定値と標準誤差からp値と区間を相互に変換できることを示しました。そのうえで区間はp値だけでは分からない効果の大きさの範囲を示し、Greenlandら(2016)が区間の両端をそれぞれデータと両立する大きさとして読むよう説明しているのも、この点を指しています。

そのため報告では、比の点推定値と区間の両端を一緒に示し、区間をどの方法で求めたかを書きます。「有意差なし」とだけ書いて点推定値と区間を省く報告は、AltmanとBland(1995)が指摘した、証拠がないことを効果がないことと取り違える誤りを招きます。

Rで比の区間とp値を並べる

ここまでの4つの表について、オッズ比とリスク比、それぞれの95%信頼区間、補正なしのカイ二乗検定とFisherの正確検定のp値を一度に求めます。区間は式(1)と式(2)で求めた標準誤差から作り、0のセルを含む表だけは4つのセルに0.5を足しています。

# 2×2表から比と95%信頼区間、2種類のp値を求める
ratio_table <- function(a, n1, c, n0, add = 0) {
  b <- n1 - a; d <- n0 - c
  tab <- matrix(c(a, b, c, d), nrow = 2, byrow = TRUE)
  aa <- a + add; bb <- b + add; cc <- c + add; dd <- d + add
  log_or <- log(aa * dd / (bb * cc)); se_or <- sqrt(1/aa + 1/bb + 1/cc + 1/dd)
  log_rr <- log((aa / (aa + bb)) / (cc / (cc + dd)))
  se_rr <- sqrt(1/aa - 1/(aa + bb) + 1/cc - 1/(cc + dd))
  ci <- exp(c(log_or + c(0, -1.96, 1.96) * se_or, log_rr + c(0, -1.96, 1.96) * se_rr))
  p_values <- c(suppressWarnings(chisq.test(tab, correct = FALSE)$p.value), fisher.test(tab)$p.value)
  setNames(round(c(ci, p_values), 3),
    c("OR", "OR_lo", "OR_hi", "RR", "RR_lo", "RR_hi", "p_chisq", "p_fisher"))
}
examples <- rbind(
  "30/100 vs 20/100" = ratio_table(30, 100, 20, 100),
  "25/100 vs 14/100" = ratio_table(25, 100, 14, 100),
  "3/20 vs 1/20" = ratio_table(3, 20, 1, 20),
  "0/15 vs 4/15 (+0.5)" = ratio_table(0, 15, 4, 15, add = 0.5))
examples
# 25人と14人の表のカイ二乗検定のp値(丸める前)
signif(suppressWarnings(chisq.test(matrix(c(25, 75, 14, 86), 2, byrow = TRUE), correct = FALSE)$p.value), 3)
# オッズ比の点推定値から下限・上限までの距離
cbind(to_lower = examples[, "OR"] - examples[, "OR_lo"],
  to_upper = examples[, "OR_hi"] - examples[, "OR"])
#>                        OR OR_lo  OR_hi    RR RR_lo  RR_hi p_chisq p_fisher
#> 30/100 vs 20/100    1.714 0.895  3.285 1.500 0.916  2.456   0.102    0.141
#> 25/100 vs 14/100    2.048 0.993  4.223 1.786 0.987  3.230   0.050    0.073
#> 3/20 vs 1/20        3.353 0.318 35.366 3.000 0.340 26.451   0.292    0.605
#> 0/15 vs 4/15 (+0.5) 0.082 0.004  1.689 0.111 0.007  1.899   0.032    0.100
#> [1] 0.0496
#>                     to_lower to_upper
#> 30/100 vs 20/100       0.819    1.571
#> 25/100 vs 14/100       1.055    2.175
#> 3/20 vs 1/20           3.035   32.013
#> 0/15 vs 4/15 (+0.5)    0.078    1.607

この出力の各行が1つの表に当たり、1列目から3列目がオッズ比と区間、4列目から6列目がリスク比と区間です。4つの表はどれも区間が1をまたいでいますが、25人と14人の表は下限が0.993と0.987で境界に接しており、丸める前のカイ二乗検定のp値0.0496と並べると、区間と検定の判定が食い違うことが分かります。

下の表のto_lowerとto_upperは、点推定値から区間の両端までの距離です。どの行でも上側の距離が下側を上回り、件数の少ない表ほどその差が開いていることから、比の尺度で区間を読む時は「点推定値±何」という形で要約できないことが確かめられます。

続いて、0のセルを含む表について、補正を使わずに正確な条件付き推定を行います。

# 0のセルを含む表の条件付き最尤推定と正確な区間
fisher.test(matrix(c(0, 15, 4, 11), nrow = 2, byrow = TRUE))
#> 	Fisher's Exact Test for Count Data
#> data:  matrix(c(0, 15, 4, 11), nrow = 2, byrow = TRUE)
#> p-value = 0.09962
#> alternative hypothesis: true odds ratio is not equal to 1
#> 95 percent confidence interval:
#>  0.000000 1.379265
#> sample estimates:
#> odds ratio
#>          0

この出力のオッズ比0は条件付き最尤推定値が境界の値に張りついたもので、真のオッズ比を0と推定した値として読む量ではありません。同じ表でも区間の上限は1.379と、0.5を足したWoolf法の上限1.689より小さく、方法によって区間の端が変わるため、報告では方法名を数値と一緒に書きます。

最後に、4つの表の区間を対数目盛の横軸に並べた図を描きます。

# 図1:比の95%信頼区間を対数目盛で並べる
ypos <- rep(4:1, times = 2) + rep(c(0.15, -0.15), each = 4)
par(mar = c(4, 10, 1, 1))
plot(c(examples[, "OR"], examples[, "RR"]), ypos, log = "x", xlim = c(0.003, 40),
  ylim = c(0.5, 4.5), pch = rep(c(16, 17), each = 4), yaxt = "n",
  xlab = "Ratio with 95% CI (log scale)", ylab = "")
segments(c(examples[, "OR_lo"], examples[, "RR_lo"]), ypos,
  c(examples[, "OR_hi"], examples[, "RR_hi"]), ypos)
abline(v = 1, lty = 2)
axis(2, at = 4:1, labels = rownames(examples), las = 1, cex.axis = 0.8)
legend("bottomright", legend = c("Odds ratio", "Risk ratio"), pch = c(16, 17), bty = "n")
4つの2×2表について、オッズ比とリスク比の点推定値と95%信頼区間を対数目盛の横軸に並べた図です。破線の1をどの区間もまたいでおり、20人中3人と1人の表の区間が最も長く伸びています。
図1 4つの2×2表のオッズ比(丸)とリスク比(三角)の95%信頼区間です。対数目盛では点推定値の左右がほぼ同じ長さに見えるため、比の尺度での非対称は対数変換の結果として生じていることが分かり、20人中3人と1人の表は1をまたぐうえに区間の幅が際立って広くなっています。

図1では、対数目盛にしたことで、どの区間も点推定値を中心にほぼ左右対称に描かれています。この見え方は、出力のto_lowerとto_upperで見た比の尺度での非対称と同じ区間を別の目盛で表したものであり、比の区間は対数目盛で図示すると両端の大きさを公平に比べられます。

比の区間を報告する時の判断

比の区間を報告する前に決めておくのは、どの比を推定対象にするかと、0のセルや件数の少ないセルにどの方法を当てるかの2つです。どちらも結果を見る前の解析計画で決めておけば、結果を見てから区間の作り方を選び直す余地がなくなります。

そのうえで区間が1をまたいだ時は、30人と20人の例のように「0.89倍から3.29倍までと両立する」と下限と上限の両方の大きさを書き、0のセルがある表では補正の有無と方法名を区間に添えます。境界の値で区間と検定の判定が食い違う時も、方法名を書いておけば読者は食い違いの理由をたどれます。

なお、比の区間の出し方と読み方を研究計画や論文の表に合わせて検討したい場合は、Dr.データサイエンスで解析方針のご相談を承っています。

参考文献

  1. Woolf B. On estimating the relation between blood group and disease. Annals of Human Genetics. 1955;19(4):251-253.
  2. Katz D, Baptista J, Azen SP, Pike MC. Obtaining confidence intervals for the risk ratio in cohort studies. Biometrics. 1978;34(3):469-474.
  3. Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ. 1995;311(7003):485.
  4. Altman DG, Bland JM. How to obtain the confidence interval from a P value. BMJ. 2011;343:d2090.
  5. Greenland S, Senn SJ, Rothman KJ, Carlin JB, Poole C, Goodman SN, Altman DG. Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. European Journal of Epidemiology. 2016;31(4):337-350.

Popular Articles