Sample size and power calculations for causal inference of observational studies

あなたが新しい薬が実際に効果があるかどうかを突き止めようとする探偵だと想像してください。科学の完璧な世界では、あなたは**無作為化比較試験（RCT）**を実施するでしょう。これは、患者一人ひとりにコインを投げるようなものです。表なら薬を、裏なら砂糖の偽薬を与えます。コイン投げは無作為であるため、治療開始前には、二つのグループはあらゆる点で同一です。もし薬を投与されたグループが改善すれば、それは薬の効果であり、他の要因ではないとわかります。

しかし、もしコインを投げることができないとしたらどうでしょうか？倫理的に問題がある、費用が高すぎる、あるいは実行上不可能な場合があるかもしれません。その場合、あなたは観察データを用いなければなりません。これは、ある患者がたまたま薬を投与され、他の患者は投与されなかったという病院の記録を眺めるようなものです。問題は何でしょうか？薬を投与された人々は、最初から病状が重かったり、所得が高かったり、年齢が高かったりする可能性があります。これらの違いは交絡因子と呼ばれます。これらは水を濁らせ、薬が効果があったのか、それとも患者の初期状態が異なっただけなのかを判断することを難しくします。

この論文は、こうした厄介で現実世界の記録と向き合わなければならない探偵たちへのガイドブックです。これは重要な問いに答えます：「自分自身を欺いていないことを確信するために、どのくらいの患者記録を調べる必要があるのか？」

以下に、彼らの解決策をシンプルな比喩を用いて解説します。

1. 古い地図の問題

以前、研究者たちは、厄介な観察データを完璧なコイン投げ実験だと仮定して、必要な記録数を計算しようとしました。彼らは無作為化試験向けに設計された標準的な数式を用いました。

• 欠陥： これは、高速道路用に設計された地図を使って沼地を航行しようとするようなものです。それは災いをもたらします。あなたは100件の記録が必要だと考えてしまうかもしれませんが、データがあまりにも「ノイズ」が多い（交絡している）ため、実際には1,000件必要なのです。研究を実行し、何も見つからなかったとき、あなたは十分な人数を見ていなかったことに気づくことになります。

2. 新しい数式：三つの要素

著者たちは、より正確な新しい数式を開発しました。彼らは、観察データ内の「ノイズ」を特定するために、研究開始前には持っていないはずの、すべての患者に関するすべての詳細を知る必要はないと気づきました。必要なのは、以下の三つの特定の事項を理解することだけです。

1. 傾向スコアの分布（「可能性」の地図）：

   • 何であるか： 個人の特性に基づいて、その人が治療を受ける可能性はどれほどか？
   • 比喩： 「治療」側の部屋と「対照」側の部屋がどれほど混雑しているかを示す地図を想像してください。もしグループが完全に異なっている場合（例えば、治療を受けるのは若者だけで、受けないのは高齢者だけ）、その地図は非常に偏っています。これを重なり合いの欠如と呼びます。
   • 論文の工夫： 彼らは、二つのグループがどの程度似ているかを測定するための特別な数値、バタチャリヤ係数（これを**「重なり合いスコア」**と呼びましょう）を使用します。スコアが高い場合、グループは似ています（良い）。低い場合、グループは非常に異なります（悪い）。

2. 潜在結果の分布（「自然な変動」）：

   • 何であるか： 患者の転帰は自然にどの程度変動するか？
   • 比喩： 薬がなくても、ある患者はすぐに回復し、ある患者は時間がかかることがあります。これは単なる自然なランダム性です。

3. 相関（「交絡の強さ」）：

   • 何であるか： 患者の特性が、治療を受けることと、転帰の両方をどの程度強く予測するか？
   • 比喩： これは「秘密のリンク」です。病気が薬をもらう可能性を高める一方で、回復する可能性を低下させる場合、そのリンクは膨大なノイズを生み出します。著者たちは、このリンクの強さを測定するための「感度パラメータ」（これを**「交絡係数」と呼びましょう）を提案しています。彼らは、これを結果をどの程度よく予測するかを測定する標準的な統計量である決定係数（R-squared）**を用いて推定できると示唆しています。

3. 「魔法」の結果

この論文の最大の画期は、未来のデータを予測するために水晶玉が必要ではないことを示したことです。無作為化試験で使われる標準的な数値に加えて、二つの追加の数値（重なり合いスコアと交絡係数）だけで十分です。

• 重なり合いが良い場合（グループが似ている）かつ交絡が弱い場合、必要な記録数は少なくて済みます。
• 重なり合いが悪い場合（グループが全く異なる）または交絡が強い場合、同じレベルの確実性を得るためには、はるかに多くの記録が必要になります。

4. 「安全網」アプローチ

著者たちは、Hájek 逆確率重み付け推定量と呼ばれる特定の統計ツールを中心に数式を構築しました。

• 比喩： これは「慎重な」戦略だと考えてください。必要以上に少し重いパラシュートを持参するようなものです。それは最も軽く、最も速い飛行方法ではないかもしれませんが、落下しないことを保証します。
• 彼らはこの方法を選んだのは、データの分布の形状を事前に正確に推測する必要がないからです。データの形状について誤った推測をした場合、他の方法は失敗するかもしれませんが、この「重いパラシュート」方式は依然として安全で慎重な答え（つまり、厳密に必要とされるよりもわずかに多い人数が必要だと計算されるかもしれませんが、過少になることはありません）を提供します。

5. 現実世界での検証

著者たちは、彼らの数式を以下の方法でテストしました。

• 架空データ： 彼らは、異なるレベルの「厄介さ」（重なり合い）と「交絡」を持つ数百万人の架空の患者を作成しました。彼らの数式は、真の効果を見つけるために必要な正しい人数を一貫して予測しました。
• 実データ： 彼らは心カテーテル（医療処置）に関する有名なデータセットを使用しました。彼らは、古い「無作為化試験」の方法を用いた場合、約1,500人の患者が必要だと誤って判断すると示しました。しかし、彼らの新しい方法は、実際には約3,600人必要だと正しく計算しました。古い方法を用いれば、研究は深刻な検出力不足に陥り（真実を見逃す可能性が高い）、結果として失敗していたでしょう。

まとめ

この論文は、観察研究のための計算機を提供します。これは研究者に伝えます：「必要な記録数を単に推測するのではなく、グループがどの程度似ているか（重なり合い）と、隠れたリンクがどの程度強いか（交絡）を測定しなさい。それら二つの数値を新しい数式に入力すれば、時間と金を無駄にしないために、研究がどの程度の規模であるべきかを正確に知ることができます。」

彼らはさらに、複雑な数学を自分で行わずとも誰でもこの新しい方法を利用できるよう、無料のソフトウェアツール（R パッケージとオンライン計算機）も構築しました。