医療統計学における発想の転換

よくあるのが、数学が好きで数学から統計学に入るパターン。このパターンの人が陥りやすいジレンマは、統計学が不確かさを扱うという点です。

純粋数学では100%真実を扱います。数学的真理は現実と何のかかわりを持つ保証もありませんし、その必要もないのです。

多くの学校教育では不確かさや統計はあまり教えず、「サイエンス＝確実」が先に浸透しているため医療の不確かさに対する理解・認識がまだ乏しく、統計学・検定の意義がわかりにくいわけです。

しかし、臨床医学・看護の世界は実地の現象を重視し、そこから真実を推論して決断します。したがって推論である以上不確かさを伴うのは致し方ないわけです。

ここで発想の転換が必要になります。最も大事なのは、数字を鵜呑みにせず、誤差を疑うことです。臨床・看護研究の結果は事実ですが、真実にバイアス（偏り・ずれ）と偶然性による誤差（ぶれ）というサビ（不確かさ）がついたものです。

このサビを見つけて落とすことを心掛けると統計学のセンスが身についてきます。

統計学は抽象論ではなく実は現実的なサビ落としツールなのです。

また、統計の論理展開法に、「違いがない」ことを否定するという二重否定の証明法があります。上の図のような検定がそのよい例です。

新薬Aの効果はプラセボと同等であるという仮説（帰無仮説といいます）を否定することで、新薬Aがプラセボに比べ薬効に優れていると論理展開するのが新薬の治験における常套パターンです。

これは明らかに日常生活の直接的な判断と逆なので、検定やp値・信頼区間を理解する際に出鼻をくじかれるわけです。

二重否定による主張そのものが日常とかけ離れています。こうして点でも発想の転換が必要となります。