Distortion in Risk Estimation Driven by Study Period Adjustment and Young-Age Event Sparsity: A Critical Evaluation of Secondary Analyses on the Nagoya City HPV Vaccination Survey

公衆衛生の世界において、研究者はしばしば、医療行為が害をもたらすのか、あるいは利益をもたらすのかを理解するために、大規模な集団におけるパターンを探求します。この活動における中心的な課題は、治療の効果と、人が成長するにつれて自然に起こる変化を切り離すことです。例えば、数年間にわたってティーンエイジャーを追跡調査する場合、彼らが経験する健康問題の種類は、子供時代から思春期へと移行するにつれて自然に変化します。ワクチンの安全性を正確に把握するためには、科学者は年齢に伴う変化を考慮するように計算を慎重に調整しなければなりません。そうしなければ、ある症状が数年前に受けた注射のせいであると誤って決めつけられたり、逆に、通常の成長痛というノイズによって、真の副作用が隠されてしまったりする可能性があるからです。これらの調整が正しく行われたとき、データはワクチンと健康状態との間の真の関係を明らかにします。しかし、調整が不適切に行われた場合、その数字は全く異なる、そして潜在的に誤解を招くような物語を語ることになります。

名古屋市立大学の名誉教授である鈴木貞夫による最近の評価は、名古屋市におけるヒトパピローマウイルス（HPV）ワクチンに関する主要な調査データの分析に使用された特定の統計手法を精査しています。2015年に行われた元の調査では、ワクチンがリスクを高めるかどうかを確認するために、若年層における24種類の異なる症状を追跡しました。元の分析では、ワクチンがこれらの症状を引き起こすという証拠は見つかりませんでしたが、その後の研究者である谷中と椿木による研究が、その結果に異議を唱えました。彼らは、「調査期間」（最初のワクチン接種から調査が行われるまでの期間）に対する特定の調整を含む、データの新しい捉え方を提案しました。鈴木氏の論文は、この新しい手法には、存在しない危険を幻影として作り出してしまう根本的な数学的欠陥が含まれていると主張しています。

問題の核心は、研究者が症状のタイミングをどのように扱ったかにあります。元の調査では、ワクチンを接種する前に症状が始まった若者もいました。後の研究では、注射の前に始まった症状は注射によって引き起こされることはあり得ないという理由から、これらの初期症例を接種群から除外することに決めました。鈴木氏は、これは表面上は論理的に見えるものの、「調査期間」の調整と組み合わせることで隠れた罠を生み出したと指摘しています。この手法は、接種群と未接種群を異なる方法で扱っていました。接種群については、観察ウィンドウは最初の接種の後にのみ始まりました。一方、未接種群については、調査がいつ行われたかにかかわらず、12歳から開始されました。これにより、未接種群は、接種群よりも、彼らの幼少期のより長い期間が観察されるという、不公平な土俵が作られました。

この構造的な不均衡は、「若年期におけるイベントの希薄性（young-age event sparsity）」として知られる自然現象によって決定的なものとなりました。調査対象となった症状の多くは、非常に幼い子供には稀ですが、ティーンエイジャーになるにつれて一般的になります。未接種群は12歳から観察を開始したため、その観察期間が長いことにより、初期の稀なイベントをより多く含んでいました。一方、時計が後から動き出した接種群は、これらの初期の発生の多くを逃しました。統計モデルがこれら両方のグループを比較しようとしたとき、モデルはこのタイミングの違いを「リスクの違い」として解釈してしまいました。その結果、計算上のアーティファクト（人工物）が生じ、幼少期に稀な症状に対してリスクの数値が不自然に膨れ上がり、実際には計算方法がイベントを異なる形でカウントしていただけであるにもかかわらず、あたかもワクチンがそれらの原因であるかのように見せてしまったのです。

鈴木氏の分析は、エラーがどのように蓄積していくかを示すために、後の研究を3つの異なるモデルに分解しています。第1のモデルは、単に初期の症状を除去したものでしたが、数値は依然として元の知見との類似性を示していました。第2のモデルは「調査期間」の調整を導入しましたが、これにより、元の信頼できるデータとの相関が急激に低下しました。この段階で、手法は稀な初期の症状のリスクを系統的に過大評価し、一般的な症状のリスクを過小評価し始めました。最後のモデルは、リスクが時間の経過とともに着実に変化すると仮定する複雑な相互作用項を追加しました。このステップは、数学的な結果が調査期間のまさに開始点、つまりデータが極めて希薄で信頼性の低い地点でピークを迎えるように強制しました。この最終バージョンでは、元の研究でワクチンがリスクを下げることを示した特定の症状のリスクが、6倍以上に計算されました。

論文は、これらの劇的な変化は新しいリスクの発見ではなく、壊れた数学的ツールの必然的な結果であると結論付けています。著者は、彼らの手法が示す高いリスクを持つ少数の症状に議論を集中させ、同じ手法が、例えばワクチンが一般的な疾患に対して保護的に働く可能性を示唆するなど、他の症状に対して不可能な結果を生み出した事実を無視しました。自らの仮説を支持する結果のみを選択し、矛盾を無視することで、後の研究はデータの偏った見解を提示したのです。この評価は、元の調査の知見が依然として有効であること、そして代替的な分析は、真実を歪める構造的なバイアスに依存していることを裏付けています。ここでの教訓は、疫学においては、時間の測定方法やグループの定義の仕方が、データそのものと同じくらい重要であるということです。もし測定ツールが欠陥品であれば、どれほど高度な数学を用いたとしても、描き出される絵は偽りのものとなるのです。