Four Practical Indicators for Real-Time Verbal Autopsy Data Quality Assessment: A Cross-National Validation Study

世界の多くの地域では、人が亡くなった際、死因を記載する医師が立ち会うことはありません。こうした場所では、人々がなぜ亡くなったのかを理解する唯一の方法は、その場にいた家族に尋ねることです。「口頭による検死（バーバル・オートプシー）」として知られるこのプロセスでは、訓練を受けたインタビュアーが、悲しみの中にいる遺族と向き合い、故人の最期の数日間について、長く構造化された一連の質問を行います。回答はコンピュータシステムに入力され、マラリア、心臓病、あるいは出産に伴う合併症といった、考えられる死因が割り当てられます。この情報は、政府や保健機関にとって極めて重要です。もし彼らが自国民を何が殺しているのかを知らなければ、適切な病院、ワクチン、あるいは公衆衛生キャンペーンを計画することができないからです。しかし、システム全体はある一つの脆弱なものに依存しています。それは「会話の質」です。もし家族が混乱していたり、インタビュアーが急いでいたり、あるいは回答に論理的な矛盾が含まれていたりすれば、得られるデータは不完全なものとなり、そのデータに基づく公衆衛生上の決定も誤ったものになってしまいます。

長い間、これらのインタビューの質を確認することは、あまりに時期が遅すぎました。研究者たちは、データが収集され、集計され、アルゴリズムによって死因が割り当てられるまで待つ必要がありました。その結果、数週間後、あるいは数ヶ月後にようやく、特定のインタビュアーが質問を飛ばしていたことや、男性が妊娠の合併症で亡くなったといった、あり得ない回答を含むデータセットが存在することに気づくのです。その時にはすでに、インタビュアーは別の現場へ移動しており、家族とも再接触できず、エラーは修正不可能なものとなっていました。タンザニア、エスワティニ、ナイジェリアの研究機関および国際的なパートナーによる新しい研究は、この遅延を解消することを目指しています。彼らは、単一のインタビューが終わった瞬間にその質をチェックできる、4つのシンプルで実用的なツールを開発しました。これにより、監督者は問題を即座に特定し、データが死因の集計に使用される前に修正することが可能になります。

研究チームは、これら4つのツールを、タンザニア、エスワティニ、ナイジェリアの3カ国からの実世界のデータを用いてテストしました。これらのデータセットには、世界保健機関（WHO）の標準的な質問票を用いて実施された数千件のインタビューが含まれています。チームは、各インタビュー記録の健全性を測定するための4つの具体的な方法を作成しました。第一のツールである「情報完結性スコア（Informative Completeness Score）」は、単純に、「はい」または「いいえ」の質問に対して、「わからない」や拒否ではなく、明確な判断をもって回答されたかどうかをチェックします。スコアが高いことは、家族が積極的に関与し、答えを知っていたことを意味し、スコアが低いことは、そのインタビューが実り少ないものであったことを示唆します。第二のツールである「回答者信頼度スコア（Respondent Reliabilityability Score）」は、誰が回答しているかに着目します。回答者が配偶者や親といった近親者であり、亡くなった時にその場に同席しており、かつ死後比較的早い時期にインタビューが行われた場合、信頼度を高く設定します。また、これは、配偶者や成人の子供が故人と同様の教育を受けていることが多いという仮定に基づき、故人の教育レベルをインタビュアーの教育水準の代用指標として考慮します。

第三のツールである「内部一貫性指数（Internal Consistency Index）」は、論理チェックとして機能します。これは、生物学的に不可能な回答がないかをスキャンします。例えば、男性が妊娠に関連する症状があったと報告されていたり、熱が出ている日数が総病状期間よりも長かったりする場合、このツールは記録にフラグを立てます。こうした矛盾は、インタビアーがミスをした場合や、スキップすべき質問を止める仕組みがデータ入力システムに備わっていない場合に発生します。第四のツールは、インタビューに要した時間を測定します。平均的なインタビューは約30分ですが、研究者たちは、極端な外れ値の影響を受けない「中央値」の方が、通常のパフォーマンスを示す指標として優れていることを見出しました。もしインタビューがわずか数分で終了していれば、インタビュアーが大部分のセクションを飛ばした可能性が高くなります。逆に、数時間かかっている場合は、データが数日にわたって入力されたか、あるいはインタビュアーが回答者とのやり取りに苦慮した可能性があります。

研究チームがこれら4つのチェックを3カ国のデータに適用したところ、ほとんどのインタビューは高品質であることが分かりました。大多数の記録において、回答者は積極的で、信頼でき、かつ一貫していました。例えばタンザニアでは、二値の質問のほぼ98パーセントが、明確な「はい」または「いいえ」で回答されていました。エスワティニやナイジェリアでも、スコアは同様に高水準でした。このことは、これらの国のフィールドチームが概して優れた仕事をしていることを示唆しています。しかし、これら新ツールの真の力は、紛れ込んでしまう少数の不良記録を見つけ出す能力にあります。研究者たちは、死因の最終的な割り当てを待っていただけでは見逃されていたであろう、特定のパターンを発見しました。エスワティニでは、咳の持続期間が総病状期間よりも長く記録されているという特定の誤りが、記録の6.1パーセントに見られるパターンとして発見されました。これはランダムなミスではなく、特定のトレーニング不足や、症状の期間に関する質問方法への誤解を示唆するものでした。

ナイジェリアでは、ツールによって別の種類の論理エラーがより大きな問題として浮き彫りになりました。男性の記録の約6パーセントにおいて、インタビューに妊娠に関する質問への回答が含まれていることが判明したのです。男性が妊娠することはないため、これは、インタビュアーが使用しているコンピュータフォームが男性の回答者に対してそれらの質問を非表示にする設定になっていないか、あるいはデータの処理過程で性別が無視されていることを示しています。これは、もしこれらの記録が死亡率の算出に使用されれば、母体健康に関する理解を歪めてしまう可能性があるため、極めて重要な発見です。タンザニアでは、ツールによってデータ品質が著しく低下した時期が特定されました。2024年から2025年にかけての特定の期間において、エンゲージメント・スコアが低く、かつ「インタビューが死亡時刻よりも前に行われた」という不可能な日付を含む記録が急増しました。これは、現地のチームが調査し修正すべき、監督体制やデータ入力の監視における一時的な破綻を指し示しています。

本研究は、これらのツールが異なる年度で使用される質問票の異なるバージョンにも対応できる柔軟性を持ち、大量のデータを必要としないことも強調しています。監督者は単一のインタビューをチェックするだけで、それが信頼できるものかどうかを即座に判断できます。研究者たちは、これらのツールは強力ではあるものの、優れたトレーニングや適切に設計されたフォームに代わる「魔法の杖」ではないと指摘しています。むしろ、これらはトレーニングの最善の努力にもかかわらず発生してしまうエラーを捕まえるための「セーフティネット」として機能します。研究は、これらの指標がデータを管理するソフトウェアシステムによって自動的に算出できることを確認しており、つまり、保健プログラムの日常的なワークフローに組み込むことが可能であることを示しています。品質管理を「事後分析」から「リアルタイムのチェック」へと移行させることで、保健当局は、悲しみの中にいる家族が語る物語が、なぜ人々が亡くなったのかという正確で命を救う知識へと確実に翻訳されるようにすることができるのです。