Factorial multistratum designs for building, optimising or evaluating multilevel interventions embedded in learning systems: A taxonomy of factorial cluster-randomised trial designs and their variants

想像してみてください。あなたは完璧なケーキを焼こうとしています。しかし、単に小麦粉と砂糖を混ぜるだけでなく、ベーカリー全体を立て直そうとしているのです。あなたはパン職人にどのような訓練をさせるか、メニューにどのようなレシピを載せるか、そしてオーブンの配置をどうするかを決めなければなりません。しかし、ここでの難しい点は、一度に一つのことしかテストできないということです。もしオーブンの温度だけを変えてしまったら、ケーキを膨らませるためにパン職人が別の種類のエプロンを必要としているという事実を見逃してしまうかもしれません。これが、ヘルスケアや教育における「複雑な介入（complex interventions）」の世界です。科学者たちは、病院、学校、あるいは地域社会全体のような、多くの異なる要素が相互に作用する巨大で混沌としたシステムをどのように修復するかを模索しています。これを行うために、彼らは「ランダム化比較試験」と呼ばれる特別なツールを使用します。これは、コイン投げによってどちらのバージョンの助けを受けるかを決める科学的な実験のようなものです。しかし、システムの多くの部分を同時にテストしなければならない場合、しかもそれらのパーツが異なるグループ（例えば、教室の中にいる生徒、その中の学校、さらにその中の学区といった具合に）に属している場合、数学的な計算は非常に複雑になります。それは、すべてのレイヤーが異なる色やサイズを持ち、どの回転が他のピースを壊すことなくパズル全体を解く鍵となるのかを見極めなければならないルービックキューブを解いているようなものです。

この論文は、そのルービックキューブを解きほぐすためのガイドブックです。著者たちのチーム（統計学者と研究者のグループ）は、科学者が農業や工場においてこうした多層的な実験を数十年にわたって使用してきた一方で、医療や社会研究を行っている人々がその専門用語に混乱していることに気づきました。彼らはこれらの設計を「要因多層設計（factorial multistratum designs）」と呼びますが、これは非常に難解な専門用語のように聞こえます。しかし、基本的には、システムの異なるレベルにわたって複数の事柄を同時にテストすることを意味しています。この論文は、新しい魔法の薬を発明したり、ヘルスケアにおけるあらゆる問題を解決したと主張したりするものではありません。その代わりに、研究者がこれらの複雑な実験を記述するための、より明確な「タクソノミー（分類体系）」、つまり分類システムや地図を提案しています。44件の実世界の試験を調査し、児童肥満対策に関する理論的な例を作成することで、著者らはこれらの設計について語るための標準的な方法を提示しています。彼らは、共通の言語を用いることで、個人から国家政策レベルに至るまで、複数のレベルで同時に機能する介入をどのように構築し、改善し、テストできるかをより良く理解できると主張しています。

大きな構図：混沌としたシステムに地図が必要な理由

まずは問題から始めましょう。あなたが、子供たちの体重増加を阻止しようとしている校長先生だと想像してください。単に「もっと健康的な食事をしなさい」と言うだけでは不十分かもしれません。問題は子供たちだけではなく、学校の食堂や、体育の授業、あるいは町全体のルール設定にあるのかもしれません。「マルチレベル介入」とは、これらすべての要素を同時に修正しようとする試みのことです。学校のためのランチメニューを変更し、教室のための教師訓練を行い、コミュニオティのための保護者向けキャンペーンを実施する、といった具合です。

問題は、どの部分が実際に効果を発揮したのかを知る方法です。子供たちが体重を減らせたのは、新しいメニューのおかげでしょうか、教師の訓練のおかげでしょうか、それとも単に晴天の春だったからでしょうか？ 昔の科学者であれば、一つの要素だけをテストするような、並行したレース（一方が新メニューを受け取り、もう一方は何も受け取らないといったもの）を行っていたかもしれません。しかし、それでは時間がかかりすぎ、無駄が多いのです。それは、エンジンの性能、タイヤの性能、塗装の質を一つずつ個別にテストしてから、最高の車を見つけようとするようなもので、これではパーツがどのように組み合わさって機能するかが見えてきません。

ここで「要因デザイン（factorial design）」が登場します。これは、超効率的なテイスティングメニューのようなものです。エンジンとタイヤを別々にテストするのではなく、以下の4つの組み合わせを同時にテストします。

1. 旧式のエンジン、旧式のタイヤ
2. 新しいエンジン、旧式のタイヤ
3. 旧式のエンジン、新しいタイヤ
4. 新しいエンジン、新しいタイヤ

これにより、新しいエンジンが良いかどうかだけでなく、新しいタイヤが新しいエンジンと組み合わせた時に「より良く」機能するかどうかも分かります。これが、大規模な実施の前に最適な介入を構築するための一般的な手法である「マルチフェーズ最適化戦略（MOST）」です。

しかし、ここからが複雑になります。単純な実験では、一人ひとりにコインを投げます。しかし、「クラスターランダム化比較試験（CRT）」では、学校や病院といったグループ全体に対してコインを投げます。なぜなら、ある学校の中で、ある子にはサラダを食べさせ、隣の子にはピザを食べさせると、最初の子が隣のピザを奪ってしまうかもしれないからです。このような「汚染（contamination）」を避けるために、学校全体をランダム化するのです。

さて、ここで、メニュー（学校レベル）、教師の訓練（教室レベル）、そして保護者向けのニュースレター（学区レベル）を同時にテストしたいとしましょう。コインを一つ投げるだけでは足りません。学区のためにコインを投げ、学校のために別のコインを投げ、さらに教室のために別のコインを投げなければなりません。これは「マルチストラタム（多層）」設計を生み出します。それは、ロシアのマトリョーシカ人形のようなランダム化の構造です。問題は、これらの設計を研究している人々（主に農家や工場の管理者）が、医師や教師が知らない「秘密の言語」を使っていることです。教科書は医療の事例ではなく、農場の例で溢れています。この論文は、その秘密の言語を平易な英語に翻訳するためにあります。

論文の使命：ユニバーサル・トランスレーター（万能翻訳機）を作る

レベッカ・ウォリン率いる著者チームは、これらの複雑な試験のための共通言語を作ることを目的としました。彼らはただ研究室に座って理論を夢想したわけではありません。すでに実施された44件の臨床試験を調査しました。また、実世界のシナリオに基づいた「理論的な例」も構築しました。それは、学校における児童肥慢対策のキャンペーンです。

彼らの例では、次のような3つのレベルを持つシステムを想定しました。

• 学区（Districts）: 上層部の決定権を持つ組織。
• 学校（Schools）: 中間管理職。
• 教室（Classrooms）: 最前線。

彼らは4つの異なる「成分（介入因子）」をテストしようと考えました。

1. トレーニング: 教師のためのもの。
2. 政策: 学区によって設定されるルール。
3. メニュー: 学校が提供するもの。
4. アクティビティ: 体育の授業で行われること。

論文の主な成果は、コインをどのように投げ、どこに成分を適用するかによって、これらの実験を構成する10通りの明確な方法があるということです。彼らは、これらの設計を命名し記述するための「タクソノミー（分類体系）」を作成しました。

「スプリットプロット（分割区画法）的なことをした」といった、園芸のように聞こえる言い回しの代わりに、彼らはすべての試験に対して明確な3部構成の記述を提案しています。

1. 処置構造（Treatment Structure）: 何をテストしているのか？（例：2x2デザインとは、2つの成分があり、それぞれに「オン」または「オフ」の2つのバージョンがあることを意味します）。
2. 単位構造（Unit Structure）: 実験の対象は誰か？ それは階層構造（教室の中に学校があり、学校の中に学区がある）なのか、あるいは時間経過と学校が交差する混合型なのか。
3. ランダム化デザイン（Randomisation Design）: コインをどのように投げたのか？ 学校全体をランダム化したのか、それとも学校内の各教室をランダム化したのか。

10の設計：ラボの見学

著者らは、肥満対策の例を用いて、可能性を3つの主要なファミリーに分類しています。

ファミリー1：階層的設計（マトリョーシカ型）
これらは最も一般的なものです。教室があり、その中に学校があり、その中に学区がある学校システムを想像してください。

• デザインA（シンプルなもの）: 学校全体に対してコインを1回投げます。学校は新しいメニューと新しい教師訓練をセットで受け取ります。これは標準的な「2x2」テストですが、単位は学校全体です。
• デザインB（スプリットプロット）: ここで巧妙な手法が登場します。学校に対して「メニュー」を決めるためのコインを投げます。しかし、その同じ学校の中で、各教室に対して「教師訓練」を決めるための別のコインを投げます。これは「スプリットプロット」設計です。すべての教室のために学校全体のメニューを変える必要はないため効率的でありながら、訓練については個別にテストすることができます。
• デザインC & D（ディープダイブ）: これらはさらに複雑です。デザインCでは、結果の測定が教室レベルではなく、個々の生徒に対して行われる層が加わります。デザインDでは、第3の成分（学区の政策）が加わり、それがトップレベル（学区）、中間レベル（学校）、ボトムレベル（教室）でランダム化されます。これは「スプリットスプリットプロット」設計です。これにより、システムのどのレベルが最も大きな役割を果たしているのかを正確に把握できます。

ファミリー2：交差分類設計（タイムトラベラー型）
これらの設計には、「時間」という要素が加わります。学校は同じですが、実験が12ヶ月間続くケースを想像してください。

• デザインE: 学校が処置（新しい政策など）を受け取り、それを12ヶ月間継続します。生徒の状態を毎月測定します。
• デザインF: これは「クロスオーバー」設計です。学校は最初の3ヶ月は処置Aを試し、次の3ヶ月は処置Bを試し、再びA、次にBというサイクルを繰り返します。これは、すべての学校が時間の経過とともにすべての組み合わせを試す「ラテン方格法」のようなダンスです。
• デザインG & H: これらはさらに混ざり合います。例えば、学区の政策は12ヶ月間固定されていますが、時間の経過とともに毎月異なるトレーニングが行われる場合。あるいは、学校のメニューは毎月変わりますが、学区の政策は固定されている場合です。これは「ストリッププロット」設計と呼ばれます。システムが時間の経過とともにどのように「学習」していくかを見るのに適しています。

ファミリー3：混合設計（究極のハイブリッド）
これらは重量級の設計です。ファミリー1の階層性と、ファミリー2の時間の交差を組み合わせたものです。

• デザインI & J: 学区の政策は1年間固定されていますが、学校のメニューは毎月変わり、教室のアクティビティは毎週変わるシステムを想像してください。あるいは、トレーニングが毎月変わるかもしれません。これらの設計により、研究者は4つの異なる成分を4つの異なるレベルでテストしながら、システムがどのように学習し適応していくかを追跡することができます。

論文の内容（および内容ではないこと）

著者たちは、自分たちが何を成し遂げ、何を成し遂げていないかを非常に明確に述べています。彼らは、この新しい言語を使用することが、研究者がこれらの試験を計画し、統計学者がそれらを分析することを容易にすると示唆しています。また、44件の実世界の試験がすでにこれらのカテゴリーに適合していることを発見しており、これらの複雑な設計が単なる理論上の話ではなく、プライマリケア、学校、病院ですぐに活用されていることを証明しています。

しかし、この論文は、これらの設計が常に最善の選択であると主張しているわけではありません。実際、彼らは4つの大きな実務上の課題を強調しています。

1. システムは混沌としている: 本物の病院や学校は、完璧な箱ではありません。合併したり、分裂したり、規模が変わったりします。常に完璧な「バランスの取れた」実験ができるとは限りません。
2. 汚染（コンタミネーション）: もし教室レベルで処置をランダム化した場合、隣の教室の子供たちがそれを知って真似してしまうかもしれません。この「スピルオーバー（流出）」は実験を台無しにすることもありますが、ワクチンが群れ全体を守るように、時には良いことにもなります。
3. キャリーオーバー（持ち越し）: もし1月にある処置をテストし、2月に新しいものに切り替えた場合、1月の影響が2月にも残っている可能性があります。これは、時間に基づいた設計におけるリスクです。
4. コミュニケーション: なぜこれほど複雑な設計が必要なのかを、医師や校長に説明するのは困難です。彼らは単にシンプルな答えを求めているかもしれません。著者らは、全員の賛同を得るには忍耐と明確なコミュニケーションが必要であると指摘しています。

結論

この論文は、魔法の杖ではなく、ツールキットです。どの介入が肥満を止めたり病気を治したりするのに最適かを教えてくれるものではありません。その代わりに、研究者がどのように「問いを立てるか」についてのより良い方法を提供しています。10種類の異なる設計方法を示す明確な地図を提供することで、著者らは、これらの複雑な設計が「不透明な言語」によって影に追いやられてきた現状を打破したいと考えています。

彼らは、もし共通の言語を用いれば、家族、学校、そして地域社会を通じて波及していく現実世界に即した、より優れた介入を構築できると示唆しています。論文は、複雑な介入をテストする未来は、その複雑さを回避することではなく、それを受け入れることにあると説いています。それは、これらの設計を謎として扱うのではなく、洗練された強力なツールとして扱い始めるべきだという、科学界への行動喚起なのです。次のステップは、これらの実験が具体的にどの程度の規模であるべきか、そしてデータをどのように分析すべきかを明らかにすることですが、現時点では、私たちは地図を手にしています。そして、地図があれば、最も複雑に絡まったルービックキューブであっても、解くことは可能なのです。