医療統計学において必要な判断

偏りとばらつきの例として以下のダーツの結果を見てみましょう。

真ん中は申し分ありませんが、左側はまとまってはいますが中心からは離れていますね。

これは典型的な偏りで、ある種の系統的な因子がすべてのデータに影響しているとこのようになります。系統誤差ともいいます。

たとえば

１つの特殊な測定器ですべて測定した場合
測定対象が高齢者ばかりの患者群
毎朝７時（決まった時間）に測定

などの場合、データが偏る可能性があるわけです。

また、右側は中心から離れているだけでなく、データ自体がばらついています。

これが典型的なばらつきで、何らかの因子に依存しない、まったくの偶然によるばらつきです。偶然誤差ともいいます。

医療統計学では、通常は多数の患者のいる病院のカルテから、あるバイタルサインの基礎値をランダムに多数抜き取り評価するということが行われます。

例えば、ある１人の患者のカルテから血圧の基礎値の情報を抜き取ったら、145mmHgでした。

この場合、血圧値に付随する属性として、患者の年齢、性、測定日時、併存する病気など。

このような場合は、かなりの人数、例えば100人以上とか、このような多数の患者からの情報の抜き取り作業を行わなくては、なかなかものが言えない、解釈が難しくなります。

たとえば偏りをなくすためには、いろいろな患者の年齢層、性も男女均等に近い位に、測定日時もばらけた方がいいわけです。

数回のランダムな収集だと、たまたま偶然に左右されて高齢の患者ばかりを選んでしまう可能性があるからです。ランダムだけでなく、多数というのも重要です。

ランダムに多数選ぶことにより偏りを排除する

これが狙いです。

また、１人の血圧の繰り返し測定と違い、人が変わった場合、食事環境、仕事環境、家庭環境などの生活環境も異なってくるので、益々データはばらけやすくなります。

それでも100回ランダムに抜き取って、どれも150mmHg付近であれば、この病院の高血圧患者はだいたい150mmHg付近なんだなと判断できます。

ランダムに繰り返すことで信頼性が増す

データが変動する（ばらける）要因は何か、測定器、その人の状況、人が変わる場合は個人差も考慮する必要があります。

こういった考え方が、これから医療統計学を勉強する上では大変重要になります。

上の例のように、医療統計学は日常で物事を判断する上で大きな武器になります。

すでに私たちはこの武器を利用して、いろいろなことを判断しているのです。

こう考えると、医療統計学がより身近なものに感じられるのではないでしょうか。

まずはこの点を理解し、ではこれからどのように考えていったらいいのか、もう少し掘り下げてみましょう。

⇒    医療統計学はなぜ重要か