医療統計学

実際にアンケートをとっても、医療統計学、統計学が苦手であるという人が非常に多いです。この理由について少し掘り下げてみます。

�@医療従事者は生物系が多く数理系が少ない

医療従事者の多くは、一般に数学や物理などの数理系よりは、むしろ生物などのいわゆるなまものを扱う学問のほうが好きな人が多い傾向があります。

生命を扱う職業なのでこれはある意味当然のことです。

統計学は、そもそも数理系の学問ですので専攻する人はそれなりに統計学が好きだったり、線形代数の素養などを既にもっていたりする人です。

看護学、薬学、医学などの分野への進学を希望する人とは、そもそも趣向が異なるのはもっともなことです。

また、生物、生命というのは数理系の論理展開では説明できないような不可解なシステムであり、こうした点も数理系とは一線を画していると言えます。

�A数理統計学の本に手を出してしまう

統計学の初心者が陥りやすい落とし穴として、数理統計学の本を手始めに統計学を勉強しようとする点があります。

数理統計学の著者は統計学の専門家であり、統計学の理論に関しては精通しています。

彼らの職務は統計学の新しい理論を構築することです。

当然ながら複雑な数式の考案とそれを裏付けるための複雑怪奇なプログラミング、モデリング、シミュレーションといったプロセスを踏むため、素人がわからないのは当然なのです。

したがって、初心者は数理統計学の本にはむしろ手を出さないほうがいいのですが、世の中の統計学の教科書は数理統計学を切り口としたものばかりです。

数式の解説ばかりで具体例の少ないものが圧倒的に多いため、手を出してしまうのも仕方ないといえるでしょう。

�B統計学の独特の理論展開に慣れていない

例えば、コインを投げて表裏の出る確率はいずれも理論上はちょうど0.5であるというのはきわめて簡単でわかりやすい事柄です。

それは 0.499などの値には決してなりません。

しかし、統計学は実践の学問ですので、実際にコインを投げてデ一タを収集してみましょう。

すると、100回投げたときに表裏がちょうど50回ずつ現れるとは限りません。むしろそうならないことのほうが多いのです。

つまり実際の世界では、「誤差」を伴うのです。100%真実の数学を習ってきた私たちにとっては、こうした「誤差」という考え方自体がなじみにくいかもしれません。

また、統計学といろと反射的に「有意差検定」を連想する人も多いでしょうが、この有意差検定がクセモノなのです。

例えばある新薬による治療効果が偽薬（プラセボ）に比べ高いということを言いたいがために臨床試験をするのですが、その場合前提条件として「新薬と偽薬の治療効果は等しい」 という仮説をおくのです。

この時点で既にわかりにくいのですが、なぜ「差がある」と予想したいのにわざわざ可能性の少ない「2群に差がない」と いう仮説を設定するのでしょうか。

そして、この「等しい」となる確率が0.05以下で極めてまれであるから、「新薬と偽薬の治療効果等しい」という仮説（いわゆる帰無仮説）が却下（棄却）されて、「有意差がある」といラ結論に至るのです。

ストレート、直球がシンプルでわかりやすい私たちにとって、このようなまわりくどい二重否定をすぐに理解できないのは仕方のないことです。

さらに、有意差検定の結果確率が0.2で0.05を下回らず、「有意差が認められなかった」という場合は、有意差が否定されただけで「等しい」というわけではないのです。

また、サンプル数が膨大な場合は、ほんのわずかの差であっても「統計的に有意」とい う結果が出てしまう場合があります。

こういう話をすると、仮説検定って本当に意味があるのか、と思ってしまい、勉強するモチベーションすら低下してしまいます。

実際に私自身も、仮説検定は優れた手法だとはまったく思っておらず、世の中でよく使われるから仕方なく使っているのです。

２群の差の検定よりは、２群の差の信頼区間がゼロを横切るかどうかの情報のほうがより情報量として多く親切なのです。

あくまでこれらは例にすぎず、統計学がとっつきにくいと感じる面は他にもたくさんあります。