女性の体脂肪率の平均を調べたら、表の数値だけでなく、誰を招き、誰が参加し、誰が解析に残ったかを確かめたい。健康調査の未回答を扱う統計研究や女性の追跡研究を手がかりに、参加者の偏りと平均の読み方を考える。平均を自分の目標に置き換える前に、比較相手の確かめ方が分かる。
その平均には、測定に来なかった人も入っているだろうか。体組成計の表示を見て「女性 体脂肪率 平均」と検索すると、画面に並ぶ表はどれも整っている。しかし、数値の横にいるはずの参加者の顔は見えない。比較する前に立ち止まりたいのは、その平均に誰が入っているかだ。
健康調査の数字も、参加や回答のされ方から自由ではない。体脂肪率を実例に使った統計研究は、回答しない人がいる場合の偏りを扱い、補正が成立するための条件を示している。したがって「調査で得た平均だから、そのまま女性全体の平均」とは決められない。[17]
ただし、偏りを疑うことと、すべての平均を捨てることは違う。この記事で確かめるのは、比較相手を選ぶ手順である。既存記事「女性の体脂肪率はトイレの前後で変わる？体重と体組成の数字を読み分ける」に測定前後の話は譲り、ここでは測られた人の集まり方を考える。
健康との関係を広く扱う既存記事「体脂肪率と健康について」とも問いを分け、ここでは健康調査の参加者選択に焦点を置く。
平均の表を開いたら、最初に参加者の入口を見る
平均は、集めた数値を代表するための数字である。ここで問題になるのは計算の巧拙より、その計算に入る人の範囲だ。未回答がある標本から妥当な推論を行う難しさを扱った研究では、回答のされ方に関する複数の候補モデルを組み合わせている。単に手元のデータを足し合わせれば解決する問題ではない、という出発点である。[17]
たとえば表の説明に「調査参加者」とあったら、読者としてはその前を読みたい。住民から選んだのか、受診した人なのか、参加希望者を募ったのか。さらに、招待された人がそのまま全員測定に来たのか、体組成まで測れた人だけの集計なのかも問いになる。こうした入口や途中の選択を確かめる姿勢は、未回答の仕組みを分析に組み込む研究とつながる。[17]
ここでいう選択バイアスとは、分析に入る人の選ばれ方が、知りたい関係や数値の解釈を偏らせる問題だ。高齢者や慢性疾患患者の死亡率を扱い、体組成にも触れたレビューでは、健康状態の異なる人の選択や、追跡からの脱落、生き残った人の選択が解釈上の問題として挙げられている。18〜39歳の女性への適用を判断するには、その女性たちに近い対象のデータを別に確かめる必要がある。[9]
通勤途中の駅前で案内を見て申し込む場面と、自宅に届いた調査依頼に応じる場面を想像するとよい。これは特定の調査結果を説明する実証例ではなく、募集方法を読むための問いである。実際にどちらの体脂肪率が高いかは、その想像だけでは決まらない。未回答や選択の偏りという言葉を見ても、平均が高めになるのか低めになるのかまで先回りしないのが、論文を読む際の姿勢になる。[17]
表の脚注に「対象者」「参加者」「解析対象者」と別々の言葉があれば、それぞれ何を指すかを確かめる。人数の大きさを眺める前に、人数が数えられた場所を探すのである。女性の平均と書かれた見出しでも、実際には特定の健康状態や生活段階の人を追った結果かもしれない。女性を対象にした研究にも、閉経後の女性を追った試験と、肥満と不妊のある女性から始まる試験では、対象の入口に違いがある。[14][5]
初日の汗は、予約した人だけが持ち帰れる。
体脂肪率を使った統計研究は、未回答をどう扱ったか
未回答の影響を正面から扱ったのが、Choらの統計手法研究である。米国の国民健康栄養調査の体脂肪率データを実際の分析例とし、複数の回答確率モデルを組み合わせる方法を示している。回答確率モデルとは、どのような人が回答しやすいかを数式で表す仕組みと考えると読みやすい。[17]
研究では、複数の候補モデルと、観測されたデータを使う推定法を組み合わせている。偏りを取り除けるという性質には条件があり、候補の中に真のモデルが含まれることなどが必要になる。方法の理論的性質、限られたシミュレーションによる比較、実際の体脂肪率データへの適用が研究の内容だ。「補正済み」という表示だけで、条件を問わず偏りが消えたと読むわけにはいかない。[17]
補正法の条件をもう少し具体的に見ると、候補の中に真の回答確率モデルがあることに加え、その期待値が真の欠測率と一致することが置かれている。期待値とは、その仕組みのもとで平均的にどの値になるかという意味だ。候補をたくさん用意すれば無条件に解決する、という主張ではない。研究の題名にある複数の偏りの調整も、成立条件と一緒に受け取る必要がある。[17]
また、シミュレーションで方法を比べることと、実際の健康調査に当てはめてみることは役割が違う。研究は理論的性質を検討し、限られたシミュレーション比較を行ったうえで、体脂肪率データによる適用例を示している。新しい方法を使ったという事実だけで、あらゆる調査に通用する女性の平均が確定したわけではない。[17]
読者がこの数式を再現する必要はない。日常の読み方に移すなら、表を作った側が未回答にどう向き合ったかを探すことになる。誰も欠けていないと見なして集計したのか、参加しなかった人の存在を考慮して推定したのか。その違いを問うことには、体脂肪率そのものを実例にした方法研究の裏づけがある。[17]
また、この研究から「女性の平均は本当はもっと低い」といった別の平均を作ることもできない。扱っているのは偏りのある未回答に対処する方法と、その成立条件である。自分が見つけた別の一覧表に、一定の数を足したり引いたりする道具ではない。[17]
検索で複数の平均が見つかったとき、都合のよい数字を採用する前に、説明の厚さを比べたい。対象者、参加の流れ、解析に使った人数、未回答への対応。そうした情報を確認する目的は、最も厳しそうな表を探すことではない。比較する集団の輪郭を知ることである。数字の精密さと、集団をどこまで表しているかは、別々に確かめる必要がある。[17]
自分で参加を選んだ女性は、開始時点でも違った
女性の研究で具体的な手がかりになるのが、閉経後早期の女性を追ったデンマークの試験だ。対象は45〜58歳の2016人で、一部はホルモン補充療法を受けるかどうかを無作為に割り付けられ、ほかの人は本人の希望によって分かれた。無作為とは、本人の希望で群を選ぶ方法と区別して、偶然によって割り当てる方法である。閉経後の結果を18〜39歳の女性の体重変化にそのまま当てはめることはできない。[14]
この研究では、補充療法を自ら選んだ女性の開始時の体重が、ほかの参加者より有意に低かった。つまり、同じ研究の中でも「どちらを希望したか」によって、出発時点の集団の特徴が違っていたのである。これは体重についての結果であり、女性一般の体脂肪率の平均にそのまま置き換える数字ではない。それでも、参加の選び方を読む理由は具体的に見える。[14]
この試験で対象になったのは、最後の月経から3か月〜2年の女性だった。単に年齢が近いというだけでなく、閉経後早期という条件がある。そのため、検索で同年代の平均を探しているときでも、対象条件を読み飛ばさないほうがよい。年齢欄だけを切り取ると、研究がどの生活段階を調べたのかが消えてしまう。[14]
さらに、無作為割り付けがあることは、群同士をどう比較したかという情報である。この研究でも、全体の2016人がすべて無作為割り付けの対象だったわけではない。研究全体の人数と、その中の比較方法を別々に読むと、「女性の大規模試験」という短い紹介文から一歩進んで、どの集団のどの結果を見ているかを確かめられる。[14]
重要なのは、その違いを見つけて話を終えないことだ。研究では、自己選択の部分でも無作為に分けた部分と似た結果の傾向があり、結論が選択バイアスでゆがんだという証拠はないとしている。出発時点に差があることと、結論が誤っていることは同義ではない。この両方を読む必要がある。[14]
無作為に割り付けられた女性では、5年間の体重増加は補充療法群で平均1.94kg、受けない群で2.57kgだった。併記されたばらつきの指標である標準偏差は、それぞれ4.86kgと4.63kgである。平均値の差だけで、参加者全員が同じ変化をしたかのようには描けない。これは治療の選択を勧める話ではなく、群の入口と結果を分けて読む例である。[14]
数字で読む参加者と解析の距離
2016人：閉経後早期の女性を対象とした研究全体の人数。女性全般を無条件に代表する人数ではない。[14]
1000人：同研究で無作為に割り付けられた人数。残りの参加者は本人の希望によって分かれた。[14]
305人：別の生活習慣介入試験で、追跡の対象となり得た子どもの人数。[5]
17人と29人：その追跡で実際に評価できた介入群と対照群の子どもの人数。[5]
120人：運動負荷試験の基準を検討した研究で、8000人超から無作為に選ばれた座位中心の生活を送る男女の人数。[15]
初日の汗は、予約した人だけが持ち帰れる。
1
2
