上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。

[PR] 台湾ワーキングホリデー

--.--.-- -- l スポンサー広告 l top
Biostatに続いて、Epiの情報の整理も(笑)。

僕の頭の中には、
日本語で疫学や生物統計学の知識があって、
講義ではそれを英語で確認し、
そして、講義の内容と僕の知識を合わせて、
勉強会で英語で説明し、
最後、こうやって再び日本語にまとめている…わけです。
何と面倒な(笑)。

さてさて、
これまた混乱しやすいところなんですが、
Confounding(交絡)と、
Effect modification、
これは日本語に訳すと作用修飾とか、効果の修飾…となるのでしょうか?

どちらも原因となる因子(Study factor)と、結果(Outcome)との、
因果関係に影響を及ぼすものです。

たばこと肺がんの関係を例にして考えてみます。
ここでたばこはStudy factor、肺がんはOutcomeです。

ConfoundingにはCriteriaが3つあります。

・Outcomeに対して、独立した因子として影響を持つ
・Study factorとOutcomeの間に介在する因子ではない
・Study factorとConfounding factorの間には関連があり、
 暴露の割合がConfounding factorによって異なる

Confoundingを性別として、
上記の例で考えてみると…、

・男性の方が女性よりも肺がんになりやすい→男性はハイリスクグループ
・たばこを吸って性別に影響することはない
・男性の喫煙率の方が女性よりも高い

となるので、性別はConfounding factorの一つになります。
疾患について因果関係を考えるときには、
性別や、年齢はConfounding factorとなることが多いです。


これを実際のオッズ比で見てみると、
男女をPoolしたデータの、Crudeなオッズ比が3.0だったときに、
男女別の喫煙のオッズ比が男女ともに2.0となると、
(これは仮の例です)
性別がConfoundingであると言えます。

一方、Effect modificationとはどんなことなのかというと…。

ある因子が存在する、あるいはしないことによって、
Study factorのOutcomeに対する影響が変化することを言います。

例えば、喫煙と肺がんの関連について、
飲酒の有無がどのように影響するかを考えてみます。
(あくまでも仮の例です)
上記のようにすべての人についてのデータで、
オッズ比が3.0だったときに、飲酒の有無で2つのグループに分けてみます。

飲酒ありのグループではオッズ比が5.0になり、
飲酒なしのグループではオッズ比が2.0になったようなときに、
飲酒が喫煙と肺がんの関係を修飾していることになります。

つまり飲酒なしということは、喫煙のリスクを軽減し、
一方飲酒することによって、喫煙のリスクを増加している…と考えられるわけです。

このように、Study factorとOutcomeの関係を見て行く場合に、
その関係に影響する因子の存在は大変重要です。

先ほど示した、3つのCriteriaに当てはまる因子がないかどうか、
そして、そもそもの関係をPositive、あるいはNegativeに変化させる因子がないかどうか、
それらをしっかりと検索したうえで、
目的とする因果関係の検討を行うことが重要になります。

特に、Cohort研究の場合、
こういったConfounding factorの影響を調整して、
研究を進めることは困難ですし、特に解析のときに重要になってきます。

…ってまとめてみましたが、
現実には、こんなにきれいな数字が出ることあまりないんですよね~(笑)。
でも、理論上そういったFactorの存在を気にしておくことが、
疫学研究を行っていくうえでは本当に重要なことだと思います。
スポンサーサイト

[PR] 台湾ワーキングホリデー

2010.04.02 Fri l 疫学・生物統計学 l コメント (0) トラックバック (0) l top

コメント

コメントの投稿












トラックバック

トラックバック URL
http://shoppingtrolley.blog112.fc2.com/tb.php/112-35ada6b5
この記事にトラックバックする(FC2ブログユーザー)
上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。