データ分析で「真の原因」を探る際、必ず現れる「見えない敵＝交絡」。この敵の正体と、それを倒すための強力な統計的武器（層別化、傾向スコア、MSMなど）の基本戦略を学びます。
原因(X)と結果(Y)の「真の関係」を歪める「見えない敵」。原因と結果の両方に影響する第三の因子(C)（例：重症度、喫煙）を指します。DAGにおける「裏道（バックドア・パス）」 X ← C → Y を生み出します。
・層別化: Cでグループ分けし、層内で比較。因子が多いと「次元の呪い」で破綻します。
・マッチング: Cが一致する「そっくりさん」のペアを作成。ペアが見つからないデータは損失。「未知の交絡」には無力です。
・傾向スコア(PS): 多数のCを「治療の受けやすさ」という1次元スコアに集約し、次元の呪いを克服。PSマッチングやIPTW (重み付け) に利用。
・G-computation: 「もしも」の平行世界をモデルで予測し比較。
・最強の敵: Cが時間と共に変化し「交絡」と「中間因子」の二重の役割を持つジレンマ。従来の武器は全て無力化されます。
・最終兵器 (MSM): IPTWを時間軸に応用し、このジレンマを解決する唯一の手法です。
臨床研究や医療データ分析の旅に出ると、私たちはいつも「Aという治療は、Bという結果に本当に効いたのか？」という、核心的な問いに直面します。例えば、「新しい降圧薬は、従来の薬よりも本当に脳卒中を減らしたのか？」「ある看護ケアは、本当に入院期間を短縮させたのか？」といった問いです。
データの上では、一見すると「A群の方がB群より結果が良い」ように見えるかもしれません。しかし、その結論に飛びつく前に、立ち止まって考える必要があります。なぜなら、その関係性を歪めてしまう「見えない敵」が、ほぼ必ずデータの中に潜んでいるからです。
それが、今回特集する交絡（Confounding）です。
「交絡」とは、文字通り「交じり合って、絡み合い、真実を見えにくくする要因」のことです。この敵は本当に厄介で、放っておくと臨床現場や公衆衛生の判断を根本から誤らせる力を持っています。例えば、「まったく効いていない治療が、あたかも劇的に効いているように見える」こともあれば、逆に「本当に効果のある重要な治療が、まったく効かない、あるいは有害であるかのように見える」ことすらあるのです (Pearl, 2009)。
もし、この「見えない敵」の存在に気づかず、あるいは対処法を知らないまま誤った結論を出してしまったら…その影響は計り知れません。
今回の講義は、この交絡という敵の正体を徹底的に解明し、データ探偵としてそれを華麗にさばくための強力な武器（統計手法）を学ぶ、非常に重要な回です。準備はよろしいでしょうか？一緒に冒険を始めましょう。
（※このセクションは、C22「因果推論への招待状」やC23「臨床疫学と研究デザイン」と密接に関連しています。ぜひ合わせて復習してみてください。）
「見えない敵」交絡とは何か？
さて、敵の正体を暴くところから始めましょう。私たちがデータ分析という冒険で直面する、最も厄介な「見えない敵」。それが交絡（Confounding）です。
交絡とは、簡単に言えば、私たちが知りたい「原因（例：治療A）」と「結果（例：回復）」という2つの関係に割り込んでくる「招かれざる第三者」のことです。この第三者が、原因と結果の両方に影響を与えることで、2つの間の「真の関係」を見えなくしてしまうのです。
臨床現場で非常によく遭遇する、典型的な「ワナ」を紹介しましょう。
臨床例：「適応による交絡 (Confounding by Indication)」
ある新しい治療薬X（原因）が開発されたとします。私たちは、この薬Xが患者の生存率（結果）を改善するかどうか、電子カルテのデータ（観察研究）で調べたいと考えました。
データを集計したところ、驚いたことに、新薬Xを使った群の方が、従来薬を使った群よりも生存率が「低い」という結果が出てしまいました。「新薬は有害だったのか？」と結論づけるのは、まだ早すぎます。
ここで「見えない敵」がいないか探してみましょう。…いました。それは「患者の重症度（C）」です。
- 医師は、「重症な患者」ほど、ワラにもすがる思いで「新薬X」を投与する傾向があった。（重症度 C → 新薬X）
- 当然ながら、「重症な患者」は、それ自体が「生存率が低い」原因となります。（重症度 C → 生存率 Y）
この場合、「重症度」という交絡因子が、新薬群に「重症患者」を不均等に集めてしまったせいで、新薬が本来持っているかもしれない真の効果（X → Y）が、重症度の強い負の効果（C → Y）によって打ち消され、見かけ上「有害である」かのように歪められてしまったのです。これを特に「適応による交絡」と呼び、観察研究では常につきまとう問題です (Hernán and Robins, 2020)。
交絡の3つの条件
ある変数Cが交絡因子であると認定されるには、厳密には以下の3つの条件を満たす必要があります (Rothman et al., 2008)。
- 原因（治療・曝露）と関連していること。（例：重症だと新薬が選ばれやすい）
- 結果（アウトカム）と関連していること。（例：重症だと生存率が低い）
- 原因と結果の「中間」にないこと。（例：「新薬 → 血圧低下 → 生存率改善」の場合、「血圧低下」は交絡因子ではなく、効果が現れるプロセスの「中間因子」です）
古典的な例：「コーヒーと肺がん」
もう一つ、古典的で分かりやすい例え話が、「コーヒーを飲む（X）と、肺がんになりやすい（Y）」という（見かけ上の）関係です。
もし本当にそうなら大変ですが、ここで「見えない敵」を探します。もうお分かりですね。それは「喫煙（C）」です。
- 条件1（CとXの関連）: コーヒーをよく飲む人は、タバコもよく吸う傾向がある（かもしれません）。
- 条件2（CとYの関連）: タバコを吸うと、肺がんのリスクが上がります。
- 条件3（中間因子でない）: 喫煙は、コーヒーが肺がんを引き起こすプロセスの中間ではありません。
この場合、「喫煙」という交絡因子が3つの条件をすべて満たし、「コーヒー（原因）」と「肺がん（結果）」の両方に影響を与えています。そのせいで、コーヒーと肺がんの間に、本当は存在しないかもしれない「偽りの相関」が生まれてしまうのです。
DAGで「裏道」を可視化する
この複雑な関係性を、一目で理解できるようにした「地図」が、C22でも登場した有向非巡回グラフ（DAG: Directed Acyclic Graph）です。これは因果推論の世界では標準言語とも言えるツールです (Pearl, 2009)。
先ほどの例をDAGで描くと、以下のようになります。
この図で、矢印は「因果関係の可能性がある流れ」を示しています。
- 私たちが本当に知りたい道 (表の道):
X ---> Y
（コーヒーは、本当に肺がんの原因なのか？ その強さは？） - 交絡によって生じる「偽りの道」 (裏道 / バックドア・パス):
X <--- C ---> Y
（コーヒーと喫煙が関連し、かつ喫煙が肺がんの原因であるために生じる、見かけ上の関連）
私たちがデータを単純に集計した時に見えるのは、「表の道」と「裏の道」がごちゃ混ぜになった結果です。
疫学研究やデータサイエンスの大きな目的の一つは、この「裏道（バックドア・パス）」を統計的なテクニックでうまく「閉じる（Block）」こと。それによって、「表の道」だけを取り出し、交絡の影響が取り除かれた「XがYに与える真の効果」を推定することにあります。
ちなみに、この「裏道」を（私たちが測定できていない”未知の”交絡因子も含めて）最初から断ち切る、最も強力で完璧な方法が、C23（臨床疫学と研究デザイン）でも学んだランダム化比較試験（RCT）です。
RCTでは、「ランダム化（くじ引き）」という偉大なプロセスが、患者のあらゆる背景因子（重症度 C、年齢、遺伝的素因などすべて）と治療選択（A）の間の関連（DAGにおけるC ---> Aの矢印）を、強制的に断ち切ります。その結果、治療群と対照群の背景は（平均的に）完璧にバランスし、交絡の心配が（理論上）なくなるのです。
しかし、臨床現場では倫理的、費用的、あるいは時間的な理由から、すべての問いに対してRCTを実施することは不可能です。（例えば、「喫煙は有害か？」を検証するために、人をランダムに喫煙群と非喫煙群に割り当てることは倫理的にできません）。
そのような時、私たちは手元にある「観察データ（Real World Data）」（電子カルテやレセプトデータなど）、すなわち交絡に満ち溢れたデータを使わざるを得ません。
これから紹介する「層別化」「マッチング」「傾向スコア」といった「交絡の調整（Adjustment）」と呼ばれるテクニックは、この交絡だらけの観察データから、統計的な力を駆使して「あたかもRCTを行ったかのような」公平な比較を（私たちが”既知の”交絡因子について）再現しようと試みる、データ探偵の強力な武器なのです。
伝統的な武器①：層別化解析 (Stratified Analysis)
さて、交絡という「見えない敵」の正体がわかったところで、最初にして最も直感的な武器、「層別化解析（Stratified Analysis）」を紹介しましょう。これは、交絡を調整するための最も古典的で基本的なアプローチです。
この手法のアイデアは驚くほどシンプルです。
「交絡因子の影響が同じになるように、データをグループ（層）に分けて、そのグループの中だけで比較すれば、公平になるはずだ」
というものです。
臨床例：「同じ条件（重症度）で比べる」
この「層別化」の考え方を、医療現場で非常によくあるシナリオでイメージしてみましょう。
今、「新しい治療薬X（原因X）」が「死亡率（結果Y）」を下げるか知りたいとします。私たちは電子カルテのデータ（観察研究）を使ってこれを分析することにしました。しかし、ここには「患者の重症度（交絡因子C）」という非常に重要な要素があります。
- 当然ながら、重症度(C)が高いほど、死亡率(Y)は高くなります。（C → Y）
- そして、臨床現場では、重症度(C)が高い患者ほど、医師が「最後の手段」として新薬Xを投与する傾向があったとします。（C → X）
この状況で、新薬Xを「投与された群」と「投与されなかった群」の死亡率(Y)を、病院全体のデータで単純に比較したらどうなるでしょう？
「投与された群」には重症な患者が不釣り合いに多いため、たとえ新薬Xに素晴らしい効果があったとしても、その効果が重症度の悪影響で相殺され、見かけ上、「投与された群」の方が死亡率が高く見えてしまうかもしれません。これが「適応による交絡」です。
そこで「層別化」の出番です。私たちはこう考えます。
「重症度がごちゃ混ぜになっているから、公平な比較ができないんだ。それなら、患者を重症度別にグループ（＝層）を分けてしまおう！」
例えば、以下のようにデータを3つのグループ（層）に分割します。
- 層1：軽症 患者グループ
- 層2：中等症 患者グループ
- 層3：重症 患者グループ
そして、「それぞれの層の中だけで」、新薬Xの効果を比較します。
- 「軽症」の層の中だけで、「新薬群」vs「従来薬群」の死亡率を比較。
- 「中等症」の層の中だけで、「新薬群」vs「従来薬群」の死亡率を比較。
- 「重症」の層の中だけで、「新薬群」vs「従来薬群」の死亡率を比較。
もし、これら3つの層すべてで「新薬群」の方が死亡率が低ければ、私たちは「重症度の影響を取り除いても、新薬Xには効果がありそうだ」と、より自信を持って言えるようになります。
このように、「同じ重症度（＝交絡因子のレベルが同じ層）」で比べることで、重症度(C)という交絡因子の影響（裏道）を取り除くことができるのです。
DAGで見る「層別化」の仕組み
この操作は、DAG（有向非巡回グラフ）の上では、「交絡因子Cで条件づける（Conditioning on C）」と呼ばれます。DAGの「裏道」である X <--- C ---> Y をブロックする操作に対応します。
層（例：「中量級」）を選ぶことは、Cの値を特定の範囲に固定することです。その層の中では、C（体重）はもはや変動しません（あるいは、変動が非常に小さい）。Cが変動しなければ、CはXやYと関連することができなくなり、結果として X <--- C ---> Y という裏道が遮断されるのです。
「コーヒーと肺がん」の例での適用
先ほどの「コーヒーと肺がん」の例でやってみましょう。交絡因子は「喫煙」でした。
- ステップ1：層に分ける
まず、手元のデータ全体を、「喫煙」という交絡因子に基づいて2つの層に分割します。- 層1：喫煙者のグループ
- 層2：非喫煙者のグループ
- ステップ2：各層の「中」で比較する
次に、それぞれの層の中だけで、コーヒーと肺がんの関連を見ます。- 層1（喫煙者）の中：「コーヒーを飲む人」の肺がんリスクと、「飲まない人」の肺がんリスクを比較します（例：リスク比を計算）。
- 層2（非喫煙者）の中：「コーヒーを飲む人」の肺がんリスクと、「飲まない人」の肺がんリスクを比較します（例：リスク比を計算）。
- ステップ3：評価と統合
もし、両方の層（喫煙者層、非喫煙者層）で計算したリスク比が、どちらも1（＝リスクに差がない）に近ければ、「喫煙の影響を考慮した結果、コーヒーと肺がんには関連がないようだ」と結論づけることができます。
（発展）もし、両方の層で関連が見られた場合、それらの結果を統計的に統合し、「喫煙で調整した全体のリスク比」を計算することもできます。この統合手法として最も有名なのが、マンテル・ヘンツェル法（Mantel-Haenszel method）です (Mantel and Haenszel, 1959)。
層別化の致命的な弱点：「次元の呪い」
この方法は非常に分かりやすく、交絡の概念を理解する上で不可欠です。しかし、現実の医療データの前では、すぐに限界に直面します。
それは、交絡因子が1つではなく、2つ、3つ…と増えた場合です。
例えば、先ほどの例で、「年齢」も交絡していると考えたとしましょう。「年齢」を例えば「50歳未満」「50-69歳」「70歳以上」の3段階（3層）に分けるとします。
「喫煙（2層）」と「年齢（3層）」の両方で調整するには、 \(2 \times 3 = 6\) つの「層」が必要になります。
- 層1：喫煙者・50歳未満
- 層2：喫煙者・50-69歳
- 層3：喫煙者・70歳以上
- 層4：非喫煙者・50歳未満
- …
- 層6：非喫煙者・70歳以上
これでもうかなり大変ですが、もし「性別（2層）」、「基礎疾患の有無（2層）」、「BMI（3段階）」も加えようとすると…
層の数は、 \(2 \times 3 \times 2 \times 2 \times 3 = 72\) 層にもなってしまいます。
こうなると、多くの層で「データが数人しかいない」あるいは「比較したい片方の群が0人」といった事態が頻発します。データがスカスカ（スパース）になり、まともな比較ができなくなってしまうのです。これを俗に「次元の呪い (Curse of Dimensionality)」と呼びます。
さらに、年齢や血圧のような「連続変数」を扱う場合、「どこで区切るか（例：50歳未満か、40歳未満か？）」という恣意性が入り込み、区切り方次第で結果が変わってしまう問題や、同じ層（例：50-69歳）の中でも50歳と69歳ではリスクが異なり、交絡が取り除ききれない「残余交絡 (Residual Confounding)」の問題も残ります。
このように、層別化は交絡調整の基本原理として重要ですが、多くの交絡因子を同時に扱う現代の医療データ分析では、力不足なのです。そこで、この「次元の呪い」を克服する、より洗練された武器が必要となります。それが、次以降に登場する「回帰モデル」や「傾向スコア」といった手法です。
伝統的な武器②：マッチング (Matching)
前回解説した「層別化解析」は、交絡因子が1つか2つなら強力ですが、因子が増えると「次元の呪い」によって層が細かくなりすぎ、破綻してしまうという弱点がありました。
そこで登場するのが、もう一つの伝統的な武器「マッチング（Matching）」です。これは、層別化とは少し異なる発想で「公平な比較」を実現しようとします。
層別化が「体重別」といった大雑把なグループ（層）を作るのに対し、マッチングはもっと直接的です。
「治療群の『この人』と、ほぼ同じ条件を持つ『あの人』を非治療群から見つけてきて、1対1のペアを作ってしまおう！」
というアプローチです。
たとえ話：「人工的な双子を作る」
この考え方は、「人工的な双子（Artificial Twins）」を作るイメージで考えると非常に分かりやすいです。
例えば、ある新しい外科手術（治療X）の効果を、電子カルテデータで調べたいとします。
治療群のAさん：
「55歳・男性・喫煙者・BMI 28・併存疾患Aあり」で、新手術X を受けました。
このAさんの結果（例：5年生存）を、データ全体（＝平均的な患者）と比較しても、Aさんの背景（年齢、性別、喫煙歴…）が偏っているため、公平な比較になりません。
そこで、マッチングの出番です。私たちは、従来の手術（治療Y）を受けた患者（対照群）のデータベース全体を検索し、Aさんの「そっくりさん」を探します。
対照群から探したBさん：
「55歳・男性・喫煙者・BMI 28・併存疾患Aあり」で、従来手術Y を受けていた。
見つかりました。AさんとBさんは、私たちが「交絡因子だ」と分かっている全ての変数（年齢、性別、喫煙、BMI、併存疾患）が、完全に一致しています。この2人の唯一の違いは、受けた手術（XかYか）だけです。
この「人工的な双子」ペアを、治療群の患者全員分（CさんとDさん、EさんとFさん…）見つけてきます。そして、分析の際は、元の巨大なデータセットではなく、この「マッチングが成立したペアだけのデータセット」を使って、ペア内で結果を比較するのです。
これにより、「年齢」「性別」「喫煙」といった既知の交絡因子の影響を、理屈の上では（ペア内では）完璧に揃えることができます。DAG（有向非巡回グラフ）の言葉で言えば、交絡因子Cで条件づける（Cの値をペア内で同一に固定する）ことで、 X <--- C ---> Y という裏道（バックドア・パス）を強力に遮断するわけです。
（発展）実際には、このように完全に一致するペアを見つけるのは難しいため、「年齢が±2歳以内」「BMIが±1以内」といった「ある程度近い（Caliper）」範囲でのマッチング（キャリパーマッチング）や、1人の治療患者に対して複数の対照患者を見つける「1:Nマッチング」なども広く行われます (Stuart, 2010)。
マッチングの弱点：効率と「未知」の敵
この方法は層別化より直感的で強力に見えますが、もちろん弱点もあります。
- データの損失（非効率性）
最大の弱点は、「そっくりさん」が見つからなかった患者は、分析から除外（＝捨てられてしまう）ことです。
例えば、治療群のGさん（90歳・女性・非喫煙者・BMI 16）が非常に珍しい背景を持っていた場合、対照群に「そっくりさん」が見つからないかもしれません。その場合、Gさんの貴重なデータは分析に使えません。交絡因子が多かったり、珍しい患者さんが治療群に多かったりすると、多くのデータが捨てられ、統計的な検出力が低下するだけでなく、「マッチングしなかった人」が持つ情報が失われるため、結果にバイアスが生じる可能性もあります。 - 未知・未測定の交絡因子には無力
これはマッチングの「アキレス腱」とも言える重大な限界です。マッチングは、私たちが「これは交絡因子だ」と認識し、かつ「データとして測定」した変数（年齢、性別、BMIなど）しか揃えることができません。
もし、私たちが測定しなかった「遺伝的素因」や「健康意識の高さ」「服薬アドヒアランス」といった「未知の交絡因子」や「未測定の交絡因子」が存在した場合、マッチングは何の役にも立ちません。「人工的な双子」に見えても、それら「見えない」要因については全く揃っておらず、交絡が残存してしまうのです (Rubin, 2006)。 - 「次元の呪い」からの不完全な脱出
多数の変数（例：20個の併存疾患）で「完全に」一致するペアを探そうとすると、結局「そっくりさん」が誰一人見つからなくなり、層別化と同じ「次元の呪い」の問題に直面します。
マッチングは、特に症例対照研究（Case-Control Study）などで強力な武器であり続けますが、上記のような弱点、特に「多くの交絡因子を同時に扱いたい」という要求に応えるため、研究者たちはさらに賢い方法を模索しました。
その結果生まれたのが、次章で解説する「傾向スコア（Propensity Score）」という、近代疫学における革命的なアイデアです。
現代の主力武器：傾向スコア (Propensity Score)
さて、「層別化」も「マッチング」も、交絡因子が増えると「次元の呪い」によって現実的に破綻してしまう、という壁に突き当たりました。
「年齢」「性別」「BMI」「喫煙歴」「10種類の併存疾患」… これら全てを同時に揃えようとすると、層は無限に細かくなり、そっくりさんは誰一人見つからなくなります。長年、観察研究はこのジレンマに悩まされてきました。
この「次元の呪い」という巨大な壁を、非常にエレガントな発想で打ち破ったのが、今回紹介する「傾向スコア（Propensity Score）」です。これは、疫学・統計学の世界に文字通り「革命」を起こしたアイデアと言えます。
この概念は、ハーバード大学のDonald Rubin教授とPaul Rosenbaum教授によって1983年に発表された、画期的な論文によって提唱されました (Rosenbaum and Rubin, 1983)。
傾向スコアとは何か？
傾向スコアの定義は、こうです。
「ある患者が、その背景因子（すべての交絡因子）のセットを持っていた場合に、治療（介入）を受ける確率」
…と言われても、ちょっとピンと来ないかもしれませんね。大丈夫です。これは「なぜそんな確率を計算するのか？」が分かると、一気に視界が開けます。
たとえ話：「治療の受けやすさ」という総合ハンディキャップ
先ほどの「層別化」や「マッチング」が、「年齢」「性別」「BMI」…と、10個の項目を一つひとつ突き合わせていたのに対し、傾向スコアは全く違うアプローチを取ります。
「患者さんの背景（交絡因子）は、結局のところ、その人が『治療を受けやすいか』『受けにくいか』という一つの傾向に集約されるのではないか？」と考えたのです。
例えば、ゴルフのハンディキャップを想像してみてください。Aさんは「高価なクラブ（＋5点）」「練習時間（＋3点）」「体力（＋4点）」…といった様々な要因（＝交絡因子）の結果、「ハンディキャップ 12」という単一のスコアを持ちます。Bさんは「ハンディ 13」かもしれません。
傾向スコアもこれと似ています。「年齢（70歳）」「性別（男性）」「重症度（高い）」「基礎疾患（多い）」…といったすべての交絡因子を説明変数としてロジスティック回帰モデル（確率を予測するモデル）に投入し、その人が「新しい治療を受ける確率 \(P\)」を予測します。
この予測された確率（例：0.75）こそが、その患者の「傾向スコア」です。0から1の間の単一の数値であり、その人の「治療の受けやすさ」を総合的に表すハンディキャップ・スコアのようなものです。
なぜ「たった1つ」のスコアで良いのか？
ここがRubin教授らの偉大な発見の核心です。彼らは数学的に次のことを証明しました。
「もし2人の患者の『傾向スコア』が同じ（例：どちらも0.3）ならば、そのスコアを計算するために使った10個の交絡因子（年齢、性別、BMI…）の分布は、その2人の間で（平均的に）バランスが取れていると期待できる」
これは衝撃的な事実です。つまり、
- （旧来の方法）：「年齢50歳、男性、BMI 25、喫煙者…」という10個の変数すべてが一致する「そっくりさん」を探す必要があった。→（ほぼ見つからない）
- （傾向スコア）：「傾向スコアが 0.3」というたった1つの変数が「近い」人を探せばよい。→（ずっと見つけやすい）
10次元の呪いから、たった1次元（傾向スコア）での比較に問題をすり替えることに成功したのです。これにより、私たちは交絡という敵を、はるかに効率的にさばくことが可能になりました。
傾向スコアの「推定」と「診断」：分析の心臓部
ただし、傾向スコアは「作って終わり」ではありません。正しく「推定」し、厳しく「診断」するプロセスが、分析の成否を分ける心臓部となります。
1. 推定（Estimation）：スコアの計算
まず、傾向スコア \(e(X)\) を計算（推定）します。通常、治療（介入）の有無（0か1か）を目的変数とし、すべての既知の交絡因子（のセット \(X\)）を説明変数とするロジスティック回帰モデルが用いられます。
\[ e(X) = P(Z=1 \mid X) \]
- \(e(X)\): 傾向スコア
- \(P(…)\): 確率
- \(Z=1\): 治療を受けたこと
- \(\mid X\): 交絡因子のセット（年齢、性別、重症度など）が \(X\) であるという条件の下で
これはDAGで言うと、すべての交絡因子Cから治療Xへの矢印（C ---> X）の強さを、データから学習していることに相当します。
2. 診断（Diagnostics）：バランスの確認
これが傾向スコア分析の肝であり、最も重要なステップと言っても過言ではありません。「作ったスコアが、本当に交絡因子を揃える（バランスさせる）力を持っているか？」を厳しくチェックします。
もし、傾向スコアを使って（例えばマッチングして）集団を調整したのに、治療群と対照群の間で「平均年齢」や「喫煙者の割合」がまだ全然違っていたら…その傾向スコアモデルは「失敗」です。交絡が残存しており、その後の分析は無意味になってしまいます。
どう確認するか？
調整後の集団で、すべての交絡因子（年齢、性別、BMI…）の分布が、治療群と対照群でちゃんと揃っているか（バランスしているか）を一つひとつ確認します。
実践的には、Standardized Mean Difference (SMD) という指標がよく用いられ、多くの専門家は、調整後のSMDが 0.1（または寛容に見ても0.25）未満になることを「バランス良好」の目安として推奨しています (Austin, 2011)。
バランスが悪い場合は、ロジスティック回帰モデルに二乗項を入れたり、変数同士の交互作用項を入れたりして、モデルを改善し、再度診断…という試行錯誤が必要になります。
傾向スコアの「使い方」：伝統的手法のアップグレード
この診断プロセスを経て、ようやく「使える」傾向スコアが手に入ります。重要なのは、傾向スコアそれ自体は分析手法ではなく、伝統的な手法を強力にアップグレードする「便利な道具」だという点です。
主な使い方は以下の3つです。
- 傾向スコアマッチング (PS Matching)
伝統的なマッチングのアップグレード版です。「10個の変数」でマッチングする代わりに、「傾向スコアという1個の変数」が近い人同士でマッチング（ペアリング）します。次元の呪いを回避できるため、遥かに効率的です。 - 傾向スコア層別化 (PS Stratification)
伝統的な層別化のアップグレード版です。「年齢×性別×…」で72層もできて破綻した問題を、「傾向スコアの値（例：0-0.2, 0.2-0.4, 0.4-0.6, 0.6-0.8, 0.8-1.0 の5層）」だけで層別化します。各層の中で治療効果を計算し、最後に統合します。 - 傾向スコアによる重み付け (IPTW)
これは特に強力な手法で、次のセクション（IPTW）で詳しく解説します。
このように、傾向スコアは、観察研究における交絡調整のレベルを劇的に引き上げた、現代のデータ分析に不可欠な主力武器なのです。
👇 Learn more!
強力な応用①：逆確率重み付け (IPTW)
傾向スコア（Propensity Score）という「治療の受けやすさ」を0から1で示すスコアを手に入れたところで、これをどう使うか。傾向スコアの応用方法の中で、マッチングや層別化と並んで（あるいはそれ以上に）強力なのが、この「逆確率重み付け（Inverse Probability of Treatment Weighting, IPTW）」です。
この手法は、マッチングのように「そっくりさん」が見つからなかったデータを捨てたりせず、全員のデータを使い切ったまま、交絡を調整するという非常にエレガントなアプローチを取ります。
たとえ話：「不公平なアンケートを補正する」
IPTWの核心は「重み付け（Weighting）」という考え方です。これは、偏ったサンプリングを補正する際に使われる古典的な統計テクニックの応用です。
例えば、ある都市の市民（本当は男性50%, 女性50%）の意見を知りたいとします。ところが、私たちが集めたアンケート回答者（サンプル）は、なぜか男性が80人（80%）、女性が20人（20%）と、男性に大きく偏ってしまいました。
この80人と20人の意見を単純に平均したら、明らかに「男性の意見に偏った」結果になってしまい、都市全体の真の意見とはかけ離れてしまいます。これが「バイアス（交絡）」です。
どうすれば、この偏った100人のデータから、都市全体の「真の平均（50:50）」を推定できるでしょうか？
ここで「重み付け」を使います。「サンプルに入り込みすぎた人（男性）」の意見は軽く扱い、「サンプルに少ししか入らなかった人（女性）」の意見を重く扱うのです。
具体的には、その人が「サンプルに含まれる確率（ここでは80%や20%）の逆数」を、その人の「重み」として与えます。
- 男性（80人）: サンプルに含まれる確率 \(P(\text{男性}) = 0.8\)。
→ 重み \(w = \dfrac{1}{0.8} = 1.25\) - 女性（20人）: サンプルに含まれる確率 \(P(\text{女性}) = 0.2\)。
→ 重み \(w = \dfrac{1}{0.2} = 5.0\)
この「重み」を使って、仮想的な集団（擬似集団, Pseudo-population）を計算してみましょう。
- 仮想的な男性の人数： \(80\text{人} \times (\text{重み } 1.25) = 100\text{人}\)
- 仮想的な女性の人数： \(20\text{人} \times (\text{重み } 5.0) = 100\text{人}\)
驚いたことに、合計200人の「仮想的な市民」からなる擬似集団が生まれ、その内訳は男性100人：女性100人（＝50%:50%）と、私たちが知りたかった都市全体の縮図（バイアスのない集団）と完璧に一致しました！
この「重み付き平均」を取ることで、私たちは偏ったサンプルから、偏りのない集団の平均値を推定できるのです。
IPTW：臨床データへの応用
IPTWは、これとまったく同じことを臨床データで行います。
観察研究では、治療群と対照群は「アンフェア」です。重症な患者（傾向スコアが高い人）は治療群に「偏って」集まりがちですし、軽症な患者（傾向スコアが低い人）は対照群に「偏って」集まりがちです。これが交絡でした。
そこで、先ほどの「アンケートの確率（80%や20%）」の代わりに、前章で計算した「傾向スコア \(e(X)\)」（＝その背景を持つ人が治療を受ける確率）を使います。
すべての患者さん一人ひとりに、以下のルールで「重み \(w\)」を割り当てます。
- 実際に治療を受けた人（\(Z=1\)）
その人の傾向スコア（＝治療を受ける確率）が \(e(X)\) だったので、重みは \[ w = \dfrac{1}{e(X)} \] - 実際に治療を受けなかった人（\(Z=0\)）
その人が治療を「受けない」確率は \(1 – e(X)\) だったので、重みは \[ w = \dfrac{1}{1 – e(X)} \]
IPTWが「効く」直感的な理由
この「重み」が何をしているのか、具体例で見てみると直感的に理解できます。
- Aさん：重症患者（傾向スコア \(e(X) = 0.9\)）で、予想通り「治療を受けた」
→ 重み \(w = \dfrac{1}{0.9} \approx 1.11\)（小さな重み）
→ 解釈：このタイプの患者は治療群に「非常に多い（＝過剰代表）」。だから、彼/彼女の意見（結果）は少し軽めに扱おう。 - Bさん：軽症患者（傾向スコア \(e(X) = 0.1\)）なのに、なぜか「治療を受けた」
→ 重み \(w = \dfrac{1}{0.1} = 10\)（巨大な重み）
→ 解釈：このタイプの患者は治療群には「非常に珍しい（＝過小代表）」。彼/彼女の意見（結果）は、本当は治療を受けなかったであろう他の9人分も代表しているはずだ。10倍重く扱おう。 - Cさん：重症患者（傾向スコア \(e(X) = 0.9\)）なのに、なぜか「治療を受けなかった」
→ 重み \(w = \dfrac{1}{1 – 0.9} = \dfrac{1}{0.1} = 10\)（巨大な重み）
→ 解釈：このタイプの患者は対照群には「非常に珍しい」。彼/彼女は、本当は治療を受けていたはずの他の9人分も代表している。10倍重く扱おう。 - Dさん：軽症患者（傾向スコア \(e(X) = 0.1\)）で、予想通り「治療を受けなかった」
→ 重み \(w = \dfrac{1}{1 – 0.1} = \dfrac{1}{0.9} \approx 1.11\)（小さな重み）
→ 解釈：このタイプの患者は対照群に「掃いて捨てるほどいる」。彼/彼女の意見は少し軽めに扱おう。
このように、「ありふれた」患者の重みを軽くし、「珍しい（本来いるべき群にいなかった）」患者の重みを重くすることで、偏りを強制的に補正しているのです。
擬似集団の誕生：交絡が消えた世界
この重み付け（Aさんを1.11人、Bさんを10人…と数える）を行った後の「擬似集団」は、どうなっているでしょうか？
理論上、この擬似集団では、すべての交絡因子（年齢、性別、重症度など）の分布が、治療群と対照群の間で完全に同一（＝完璧にバランス）になっています。
DAG（有向非巡回グラフ）で言えば、交絡因子(C)から治療(X)への矢印（C ---> X）が、重み付けによって断ち切られた状態です。これにより、 X <--- C ---> Y という「裏道（バックドア・パス）」全体がブロックされます。
交絡が消え去ったこの擬似集団は、あたかも「巨大なランダム化比較試験（RCT）」を行ったかのような、バイアスのないデータセットになっています。
したがって、分析の最後は非常にシンプルです。この「重み」を考慮した上で、擬似集団における治療群と対照群の結果（例：平均値やリスク）を、単純に比較するだけでよいのです。その差は、交絡の影響が取り除かれた「真の因果効果」の推定値となります。
IPTWの弱点：極端な重み
ただし、IPTWには重大な弱点があります。BさんやCさんの例のように、傾向スコアが0や1に非常に近い（例：\(e(X) = 0.999\) や \(e(X) = 0.001\)）患者がいると、その人の重みが \(w = 1000\) や \(w = 1000\) と異常に大きくなってしまうことです。
たった一人の患者が1000人分の影響力を持つことになり、その患者の結果（例：たまたまその人が死亡した）だけで、分析結果全体が極端に不安定になってしまいます。これは、治療群と対照群の背景が違いすぎて「重なり（Overlap）」がない場合に起こりがちです（専門的には「実証性(Positivity)の仮定」の違反）。
この不安定性を避けるため、実務では重みの上限を設けたり（Trimming）、「安定化重み（Stabilized Weights）」という改良版の重み（例：\(w = \dfrac{P(Z=1)}{e(X)}\)）を用いることが一般的です (Cole and Hernán, 2008)。
👇 Learn more!
強力な応用②：標準化 (G-computation)
傾向スコアを用いた「重み付け（IPTW）」が、今あるデータのバランスを無理やり調整するアプローチだったのに対し、これから紹介する「標準化（Standardization）」または「G-computation」は、まったく異なる発想で交絡を調整します。
これは、観察研究のデータ分析における、もう一つの強力な主力武器です。
たとえ話：「もしも」の平行世界（パラレルワールド）をシミュレートする
IPTWが「今ある現実世界」のデータ（患者）一人ひとりに「重み」をつけて、アンバランスを補正した「一つの擬似集団」を作り出すアプローチだったのを思い出してください。
それに対し、G-computation（標準化）は、もっと大胆です。
「今あるデータを使って『世界のルール』を学習するモデルを作り、そのモデルを使って『もしも全員が治療を受けたら？』と『もしも全員が治療を受けなかったら？』という、2つの異なる平行世界（パラレルワールド）を丸ごとシミュレートしてしまおう」
というアプローチを取ります。これは、C22で学んだ「反実仮想（Counterfactual）」の考え方に非常に近いものです。
G-computationの具体的なステップ
このシミュレーションは、以下の4つのステップで実行されます。
Step 1: 「世界のルール」を学習する予測モデル（”Oracle”）の構築
まず、手元にある「現実の」データ（治療を受けた人も受けていない人も、重症な人も軽症な人も混ざったデータ）を使って、私たちが知りたい「結果（例：死亡率）」を予測するモデルを構築します。これは、この後のシミュレーションの土台となる「神のモデル（Oracle）」、あるいは専門的には「Q-model」と呼ばれるものです。
この時、説明変数（予測の手がかり）として、「治療の有無」と「すべての交絡因子（年齢、性別、重症度、併存疾患…）」をすべて投入します。
\[ \text{結果}(Y) \sim \text{治療}(A) + \text{交絡因子}(C_1, C_2, C_3, \ldots) \]
このモデルは、「年齢が1歳上がると死亡率が何%上がるか」「重症度が1上がるとどうなるか」、そして「ある特定の背景（C）を持つ人にとって、治療(A)が死亡率(Y)にどれだけ影響するか」という、複雑な「世界のルール」を学習します。
Step 2: 「もしも」世界1のシミュレーション（全員が治療を受けたら）
次に、シミュレーションを開始します。まず、現実の患者データ（例：1000人分）を丸ごとコピーした「仮想データセット1」を用意します。
そして、この仮想データセット1に対して、介入（操作）を行います。
「実際に治療を受けたかどうかに関わらず、1000人全員の『治療』列を『治療を受けた(A=1)』に強制的に書き換える」
この「全員が治療を受けた」仮想データに対し、Step 1で作った「予測モデル」を適用し、1000人全員の「もしも治療を受けたら」の死亡確率を一人ひとり予測します。
最後に、その1000人分の予測死亡確率を平均します。これが、「もしも集団全員が治療を受けていたら、平均死亡率はどうなっていたか？」という推定値（専門的には \(E[Y(A=1)]\)）になります。
Step 3: 「もしも」世界2のシミュレーション（全員が治療を受けなかったら）
今度は、もう一つの平行世界を作ります。再び、現実の患者データ（1000人分）をコピーした「仮想データセット2」を用意します。
そして、先ほどとは逆の介入を行います。
「1000人全員の『治療』列を『治療を受けなかった(A=0)』に強制的に書き換える」
この「全員が治療を受けなかった」仮想データに対し、Step 1で作ったのと同じ「予測モデル」を適用し、1000人全員の「もしも治療を受けなかったら」の死亡確率を予測します。
そして、その1000人分の予測死亡確率を平均します。これが、「もしも集団全員が治療を受けていなかったら、平均死亡率はどうなっていたか？」という推定値（専門的には \(E[Y(A=0)]\)）になります。
Step 4: 2つの「もしも」世界を比較する（因果効果の推定）
これで、交絡調整後の比較を行う準備が整いました。私たちが知りたかった「治療の真の効果（平均因果効果）」は、この2つの平行世界の差です。
\[ \text{治療の真の効果} = (\text{Step 2の平均死亡率}) – (\text{Step 3の平均死亡率}) \]
\[ \text{Average Causal Effect (ACE)} = E[Y(A=1)] – E[Y(A=0)] \]
例えば、Step 2が「平均死亡率 5%」、Step 3が「平均死亡率 8%」と計算されたなら、治療の真の効果は「死亡率を 3% 引き下げる」と推定できます。
なぜ、これで交絡が調整されるのか？
このG-computation（標準化）が交絡を調整できる理由は、2つの「もしも」世界（仮想データセット1と2）が、介入した「治療(A)」以外、まったく同一の患者集団で構成されているからです。
どちらの世界も、元は同じ1000人の患者データから始まっています。したがって、集団全体の「年齢分布」「性別比」「重症度分布」といった交絡因子の分布は、2つの世界で完璧に同一です。
交絡とは、「治療群と対照群の背景（C）が不均等であること」が原因で生じるバイアスでした。G-computationでは、Cの分布が同一な集団同士を比較しているため、このバイアス（C ---> Aの関連）が構造的に発生しません。DAGで言えば、私たちが介入（A=1またはA=0に強制的に書き換える）することで、交絡因子Cから治療Aへの矢印（C ---> A）を断ち切ったことになるのです。
G-computationの強みと「アキレス腱」
強み：
- 直感的で解釈しやすい：「もし全員が治療を受けたら死亡率は5%」という結果は、臨床家にとっても政策決定者にとっても非常に分かりやすいです。
- 全データを利用：マッチングのように「そっくりさん」が見つからずにデータを捨てる必要がなく、効率的です。
- 柔軟性：Step 1の予測モデルは、線形回帰やロジスティック回帰だけでなく、ランダムフォレストや勾配ブースティングのような高度な機械学習モデルを使うこともでき（理論的な注意点はありますが）、複雑な関係性も捉えられる可能性があります。
弱点（アキレス腱）：
このアプローチの成否は、完全にStep 1の「予測モデル」の正確性に依存します。
もし、この予測モデルが「世界のルール」を正しく学習できていなかったら（例えば、重要な交絡因子を見落としてモデルに入れていなかったり、本当は非線形な関係を線形だと仮定してしまったりしたら）、Step 2とStep 3でシミュレートされる「もしも」の世界は、現実とはかけ離れた「偽りの世界」になってしまいます。
その結果、Step 4で計算される「真の効果」も、当然ながら間違った（バイアスのある）ものになります。これをモデルの誤特定（Model Mis-specification）によるバイアスと呼び、G-computation（標準化）の最大の弱点とされています。
（発展）この手法は、因果推論の大家であるJames Robins教授が提唱した「G-formula（一般化公式）」の最も単純な形式であるため、「G-computation（G-formulaの計算）」と呼ばれています (Robins, 1986)。
👇 Learn more!
最強の敵：時間依存性交絡と周辺構造モデル (MSM)
さて、これまでの「層別化」「マッチング」「傾向スコア」「G-computation」といった武器は、すべてある共通の前提の上になりたっていました。
それは、交絡因子(C)が「治療(A)の前に1回だけ」測定され、固定されているという状況です。例えば、「手術前の重症度」や「ベースラインの喫煙歴」といったものです。これらの変数は、一度決まったら変わりません。
しかし、現実の臨床現場、特にICU管理、がん治療、慢性疾患の長期フォローアップなどでは、事態は遥かに複雑です。治療も、患者の状態（交絡因子）も、時間とともにお互いに影響を与え合いながら変化していきます。
ここで登場するのが、観察研究における「最強の敵」と言える、「時間依存性交絡（Time-dependent Confounding）」です。
時間依存性交絡とは何か？
この敵の厄介さを、ICUでの治療シナリオで具体的に見てみましょう。
シナリオ：ICUでの敗血症治療
ICUで、ある強力な薬剤A（治療）を、患者の生存（結果Y）のために投与すべきか、毎日判断しているとします。
- 判断基準（交絡）:
医師は、その日の「検査値（例：炎症反応CRPや臓器不全スコア）」（これを C(t) とします）を見て、治療Aを投与するか（A(t)）を決めます。
当然、C(t)（今日の検査値）が悪い患者ほど、A(t)（今日の治療）を受けやすく、かつ Y（未来の死亡）のリスクも高いです。
したがって、C(t) は、A(t) と Y の両方に関連する典型的な交絡因子です。 - 治療の効果（中間経路）:
もし、昨日、治療A（これを A(t-1) とします）を投与していたら、その効果で、C(t)（今日の検査値）は改善しているかもしれません（例：CRPが下がった）。
ここに、従来の分析手法をすべて機能不全に陥らせる「致命的なジレンマ」が生まれます。
【ジレンマ】
- C(t)（今日のCRP）は、A(t)（今日の治療）に対する「交絡因子」です。だから、交絡を取り除くためには、C(t)で統計的に調整「したい」（例：層別化、回帰モデルに入れる）。
- しかし同時に、C(t)（今日のCRP）は、A(t-1)（昨日の治療）の効果が反映された「中間因子」でもあります。もしC(t)で調整してしまうと、
A(t-1) → C(t) → Yという「昨日の治療が効いたおかげで、今日のCRPが下がり、その結果、生存率が上がった」という、治療の真の効果の一部を、統計的に「なかったこと」にしてしまうのです。
従来の武器（層別化、標準的な回帰分析、ベースラインの傾向スコア）は、このジレンマを解決できません。C(t)で調整すれば「中間因子バイアス」が、C(t)で調整しなければ「交絡バイアス」が発生し、どちらに転んでも誤った結論（通常は治療の効果を著しく過小評価する）を導いてしまうのです (Robins et al., 2000)。
DAGで見る「最強の敵」
この複雑な関係をDAG（有向非巡回グラフ）で描くと、ジレンマが視覚化されます。ここでは時間経過（t-1, t, t+1）を追ってみましょう。
この図の「時点t」に注目してください。
- 交絡パス（裏道）:
A(t) <--- C(t) ---> Y
（今日のCRP(C)が、今日の治療(A)と未来の死亡(Y)の両方に影響する）
→ この裏道は「閉じたい」。だから C(t) で調整したい。 - 中間パス（治療効果の一部）:
A(t-1) ---> C(t) ---> Y
（昨日の治療(A)が、今日のCRP(C)を改善させ、その結果、未来の死亡(Y)を減らす）
→ この道は「開けておきたい」。だから C(t) で調整したくない。
C(t)という1つの変数が、閉じたい「裏道」と、開けておきたい「表の道（の一部）」の両方に含まれてしまっている。これが「時間依存性交絡」が最強の敵と呼ばれる理由です。
最終兵器：周辺構造モデル (Marginal Structural Models, MSM)
この絶望的なジレンマを打ち破るために、ハーバード大学のJames Robins教授らによって開発された最終兵器が、「周辺構造モデル（Marginal Structural Models, MSM）」です (Robins et al., 2000)。
MSMは単独の武器ではなく、前章で学んだ「IPTW（逆確率重み付け）」と組み合わせた「合わせ技」として真価を発揮します。
MSM + IPTW の基本戦略
MSMの戦略は、こうです。
「C(t) で調整するとジレンマに陥るなら、そもそも C(t) で調整する必要がない世界（擬似集団）を、IPTWで作ってしまえばいい」
思い出してください。交絡の裏道 A(t) <--- C(t) ---> Y が問題なのは、C(t) ---> A(t) という矢印（医師がCRPを見て治療を決める）が存在するからです。もしこの矢印を断ち切ることができれば、交絡の裏道自体が消滅し、C(t)で調整する必要がなくなります。そうすれば、中間パス A(t-1) ---> C(t) ---> Y をブロックする心配も消え去ります。
この「矢印を断ち切る」魔法こそが、IPTWです。
ステップ1：重みの計算（時間依存性傾向スコア）
まず、ベースライン（1回だけ）ではなく、すべての時点（毎日）で傾向スコアを計算します。これを「時間依存性傾向スコア」と呼びます。
具体的には、各時点 `t` において、「その時点までのすべての治療歴（A(0)…A(t-1)）と交絡因子歴（C(0)…C(t)）」に基づいて、「時点 `t` の治療 A(t) を受ける確率」を予測するモデル（通常はロジスティック回帰）を構築します。
ステップ2：IPTWの実行（重みの割り当て）
次に、各患者の各時点の行動（実際に治療A(t)を受けたか/受けなかったか）が、ステップ1で計算した確率（傾向スコア）と「どれだけ違っていたか」に基づいて、IPTWの「重み」を計算します。（※実際には、各時点の重みを全期間で累積的に掛け合わせるなど、より複雑な計算を行います (Cole and Hernán, 2008)）。
この重みは、「CRPが非常に高い（治療を受ける確率 95%）のに、”たまたま”治療を受けなかった」患者や、「CRPが低い（治療を受ける確率 5%）のに、”たまたま”治療を受けた」患者に、非常に大きな重みを与えます。
ステップ3：MSMの推定（重み付き分析）
最後に、このIPTWの「重み」を使って、重み付き回帰分析を行います。この「重み付き回帰モデル」こそが、周辺構造モデル（MSM）の実体です。
このMSMがなぜ強力なのでしょうか？
ステップ2の重み付けによって作り出された「擬似集団」は、「あたかも、各時点の治療 A(t) が、その時点の交絡因子 C(t) とは無関係に、完全にランダムに割り振られたかのような」夢の世界になっています。C(t) ---> A(t) の矢印が断ち切られた世界です。
この擬似集団では、時間依存性交絡の「裏道」はもはや存在しません。
したがって、MSM（重み付きモデル）では、もはやジレンマの原因だった交絡因子 C(t) をモデルに投入する（調整する）必要が一切なく、私たちが本当に知りたかった「治療 A の累積効果が、結果 Y にどう影響するか」という「表の道」だけを、ストレートに推定することができるのです。
このMSM (+IPTW) は、HIV治療薬の長期的な効果や、慢性疾患管理の有効性を評価するなど、時間とともに変化する治療と交絡を扱う現代の臨床疫学研究において、最も重要かつ強力な手法の一つとして広く用いられています (Hernán et al., 2000)。
👇 Learn more!
まとめ：どの武器を選ぶべきか？
さて、「交絡」という「見えない敵」を倒すため、私たちは多くの武器を手に入れてきました。
原始的で直感的な「層別化」や「マッチング」から始まり、「次元の呪い」を克服する「傾向スコア」、そして「もしも」の世界をシミュレートする「G-computation」、さらには「最強の敵」である時間依存性交絡を打ち破る「MSM」まで。これらは、私たちが観察データから「真実」に近づくために磨き上げてきた、先人の知恵の結晶です。
では、データ探偵として、私たちはいつ、どの武器を選べばよいのでしょうか？
完璧な武器は存在しません。それぞれの武器には得意な状況と、致命的な弱点（＝その武器が機能するための「仮定」）があります。敵の性質を見極め、適切な武器を選ぶことが重要です。これまでの議論を、戦略的な視点で整理し直してみましょう。
| 武器（手法） | 核となる戦略（何をしているか） | 主な長所 | 主な短所・弱点 |
|---|---|---|---|
| 層別化解析 | 「交絡因子で層に分け、層内で比較」 | ・最も直感的で理解しやすい ・モデルの仮定が少ない | ・交絡因子が多いと破綻（次元の呪い） ・連続変数（年齢など）を扱いにくい |
| マッチング | 「交絡因子が同じペアを作り、ペア内で比較」 | ・直感的 ・交絡因子のバランスを視覚的に確認しやすい | ・「そっくりさん」がいないデータは捨てられる ・未知/未測定の交絡には無力 |
| 傾向スコア (PS) | 「多数の交絡因子を『治療確率』という1次元のスコアに要約」 | ・次元の呪いを克服 ・マッチングや層別化、重み付けの「道具」として使える | ・PSモデルの推定（推定と診断）が正しくないと失敗する |
| IPTW (PS利用) | 「『治療確率の逆数』で重み付けし、擬似的なRCT集団を作成」 | ・全データを（捨てずに）利用できる ・MSMの基礎となる強力な手法 | ・PSが0や1に近いと重みが極端になり不安定（実証性の違反） |
| G-computation (標準化) | 「『もしも』の2つの世界（全員治療/全員非治療）をモデルで予測し、比較」 | ・結果の解釈が非常に直感的（例：死亡率5% vs 8%） ・全データを利用できる | ・結果予測モデル（Q-model）の正確性にすべてを依存する |
| MSM (+IPTW) | 「時間依存性の重み付けで、『時間依存性交絡』がない擬似集団を作成」 | ・時間依存性交絡を（理論上）唯一扱える手法 | ・非常に複雑で、重みが不安定になりやすい ・全時点での交絡因子の測定が必要 |
この表から分かるように、私たちの選択は、直面している「敵」の性質によって決まります。
- 敵（交絡因子）が1つか2つで、カテゴリ変数なら？ → 層別化でも十分かもしれません。
- 敵が10個あるが、すべて治療前に測定された固定されたものなら？ → 傾向スコア（マッチングやIPTW）やG-computationが良い候補になります。
- 敵が「時間」とともに治療と相互作用しながら変化する「最強の敵」なら？ → MSM以外の武器では歯が立たないでしょう。
そして、どの武器を使うにしても、「私たちが測定していない交絡因子（未知の敵）」には原理的に対処できないという、観察研究の根本的な限界は常に残ります（この限界に挑むのがC27で学ぶ操作変数法などです）。
これらのテクニックは、決して魔法の杖ではありません。それぞれが「交絡因子はすべて測定されている」「モデルの仮定が正しい」といった、厳しい「仮定」の上で初めて機能します。
ですが、重要なのは、これらの武器が「単なる統計上の操作」ではないということです。これらは、私たちが「ランダム化比較試験（RCT）」という黄金基準が実施できない現実の医療データ（観察データ）から、いかにしてバイアスを取り除き、「本当に効く治療は何か」という因果（Causality）という名の真実に一歩でも近づくか、という科学的思考のフレームワークそのものなのです。
参考文献
- Hernán, M.A. and Robins, J.M. (2020) Causal Inference: What If. Boca Raton: Chapman & Hall/CRC.
- Robins, J.M., Hernán, M.A. and Brumback, B. (2000) ‘Marginal structural models and causal inference in epidemiology’, Epidemiology, 11(5), pp. 550–560.
- Rosenbaum, P.R. and Rubin, D.B. (1983) ‘The central role of the propensity score in observational studies for causal effects’, Biometrika, 70(1), pp. 41–55.
- Pearl, J. (2009) Causality: Models, Reasoning, and Inference. 2nd edn. Cambridge: Cambridge University Press.
- Rothman, K.J., Greenland, S. and Lash, T.L. (2008) Modern Epidemiology. 3rd edn. Philadelphia: Lippincott Williams & Wilkins.
- Austin, P.C. (2011) ‘An introduction to propensity score methods for reducing the effects of confounding in observational studies’, Multivariate Behavioral Research, 46(3), pp. 399–424.
- Cole, S.R. and Hernán, M.A. (2008) ‘Constructing inverse probability weights for marginal structural models’, American Journal of Epidemiology, 168(6), pp. 656–664.
- Stuart, E.A. (2010) ‘Matching methods for causal inference: A review and a look forward’, Statistical Science, 25(1), pp. 1–21.
- Mantel, N. and Haenszel, W. (1959) ‘Statistical aspects of the analysis of data from retrospective studies of disease’, Journal of the National Cancer Institute, 22(4), pp. 719–748.
- Rubin, D.B. (2006) Matched Sampling for Causal Effects. Cambridge: Cambridge University Press.
- Robins, J. (1986) ‘A new approach to causal inference in mortality studies with a sustained exposure period—application to control of the healthy worker survivor effect’, Mathematical Modelling, 7(9–12), pp. 1393–1512.
- Hernán, M.A., Brumback, B. and Robins, J.M. (2000) ‘Marginal structural models to estimate the causal effect of zidovudine on the survival of HIV-positive men’, Epidemiology, 11(5), pp. 561–570.
※本記事は情報提供を目的としたものであり、特定の治療法を推奨するものではありません。健康に関するご懸念やご相談は、必ず専門の医療機関にご相談ください。
ご利用規約（免責事項）
当サイト（以下「本サイト」といいます）をご利用になる前に、本ご利用規約（以下「本規約」といいます）をよくお読みください。本サイトを利用された時点で、利用者は本規約の全ての条項に同意したものとみなします。
第1条（目的と情報の性質）
- 本サイトは、医療分野におけるAI技術に関する一般的な情報提供および技術的な学習機会の提供を唯一の目的とします。
- 本サイトで提供されるすべてのコンテンツ（文章、図表、コード、データセットの紹介等を含みますが、これらに限定されません）は、一般的な学習参考用であり、いかなる場合も医学的な助言、診断、治療、またはこれらに準ずる行為（以下「医行為等」といいます）を提供するものではありません。
- 本サイトのコンテンツは、特定の製品、技術、または治療法の有効性、安全性を保証、推奨、または広告・販売促進するものではありません。紹介する技術には研究開発段階のものが含まれており、その臨床応用には、さらなる研究と国内外の規制当局による正式な承認が別途必要です。
- 本サイトは、情報提供を目的としたものであり、特定の治療法を推奨するものではありません。健康に関するご懸念やご相談は、必ず専門の医療機関にご相談ください。
第2条（法令等の遵守）
利用者は、本サイトの利用にあたり、医師法、医薬品、医療機器等の品質、有効性及び安全性の確保等に関する法律（薬機法）、個人情報の保護に関する法律、医療法、医療広告ガイドライン、その他関連する国内外の全ての法令、条例、規則、および各省庁・学会等が定める最新のガイドライン等を、自らの責任において遵守するものとします。これらの適用判断についても、利用者が自ら関係各所に確認するものとし、本サイトは一切の責任を負いません。
第3条（医療行為における責任）
- 本サイトで紹介するAI技術・手法は、あくまで研究段階の技術的解説であり、実際の臨床現場での診断・治療を代替、補助、または推奨するものでは一切ありません。
- 医行為等に関する最終的な判断、決定、およびそれに伴う一切の責任は、必ず法律上その資格を認められた医療専門家（医師、歯科医師等）が負うものとします。AIによる出力を、資格を有する専門家による独立した検証および判断を経ずに利用することを固く禁じます。
- 本サイトの情報に基づくいかなる行為によって利用者または第三者に損害が生じた場合も、本サイト運営者は一切の責任を負いません。実際の臨床判断に際しては、必ず担当の医療専門家にご相談ください。本サイトの利用によって、利用者と本サイト運営者の間に、医師と患者の関係、またはその他いかなる専門的な関係も成立するものではありません。
第4条（情報の正確性・完全性・有用性）
- 本サイトは、掲載する情報（数値、事例、ソースコード、ライブラリのバージョン等）の正確性、完全性、網羅性、有用性、特定目的への適合性、その他一切の事項について、何ら保証するものではありません。
- 掲載情報は執筆時点のものであり、予告なく変更または削除されることがあります。また、技術の進展、ライブラリの更新等により、情報は古くなる可能性があります。利用者は、必ず自身で公式ドキュメント等の最新情報を確認し、自らの責任で情報を利用するものとします。
第5条（AI生成コンテンツに関する注意事項）
本サイトのコンテンツには、AIによる提案を基に作成された部分が含まれる場合がありますが、公開にあたっては人間による監修・編集を経ています。利用者が生成AI等を用いる際は、ハルシネーション（事実に基づかない情報の生成）やバイアスのリスクが内在することを十分に理解し、その出力を鵜呑みにすることなく、必ず専門家による検証を行うものとします。
第6条（知的財産権）
- 本サイトを構成するすべてのコンテンツに関する著作権、商標権、その他一切の知的財産権は、本サイト運営者または正当な権利を有する第三者に帰属します。
- 本サイトのコンテンツを引用、転載、複製、改変、その他の二次利用を行う場合は、著作権法その他関連法規を遵守し、必ず出典を明記するとともに、権利者の許諾を得るなど、適切な手続きを自らの責任で行うものとします。
第7条（プライバシー・倫理）
本サイトで紹介または言及されるデータセット等を利用する場合、利用者は当該データセットに付随するライセンス条件および研究倫理指針を厳格に遵守し、個人情報の匿名化や同意取得の確認など、適用される法規制に基づき必要とされるすべての措置を、自らの責任において講じるものとします。
第8条（利用環境）
本サイトで紹介するソースコードやライブラリは、執筆時点で特定のバージョンおよび実行環境（OS、ハードウェア、依存パッケージ等）を前提としています。利用者の環境における動作を保証するものではなく、互換性の問題等に起因するいかなる不利益・損害についても、本サイト運営者は責任を負いません。
第9条（免責事項）
- 本サイト運営者は、利用者が本サイトを利用したこと、または利用できなかったことによって生じる一切の損害（直接損害、間接損害、付随的損害、特別損害、懲罰的損害、逸失利益、データの消失、プログラムの毀損等を含みますが、これらに限定されません）について、その原因の如何を問わず、一切の法的責任を負わないものとします。
- 本サイトの利用は、学習および研究目的に限定されるものとし、それ以外の目的での利用はご遠慮ください。
- 本サイトの利用に関連して、利用者と第三者との間で紛争が生じた場合、利用者は自らの費用と責任においてこれを解決するものとし、本サイト運営者に一切の迷惑または損害を与えないものとします。
- 本サイト運営者は、いつでも予告なく本サイトの運営を中断、中止、または内容を変更できるものとし、これによって利用者に生じたいかなる損害についても責任を負いません。
第10条（規約の変更）
本サイト運営者は、必要と判断した場合、利用者の承諾を得ることなく、いつでも本規約を変更することができます。変更後の規約は、本サイト上に掲載された時点で効力を生じるものとし、利用者は変更後の規約に拘束されるものとします。
第11条（準拠法および合意管轄）
本規約の解釈にあたっては、日本法を準拠法とします。本サイトの利用および本規約に関連して生じる一切の紛争については、東京地方裁判所を第一審の専属的合意管轄裁判所とします。
For J³, may joy follow you.
