看護における統計学とは？観察データを臨床判断とケア改善につなげる基礎

この章の要点看護における統計学とは、患者や集団から得たデータを整理し、ばらつきや不確かさを踏まえて判断するための方法です。単なる計算技術ではなく、観察を意味のある情報へ変える道具と捉えると、実習とのつながりが見えます。

看護では、体温、脈拍、呼吸数、血圧、経皮的動脈血酸素飽和度〈SpO2〉、疼痛、睡眠、食事摂取量、排泄、活動性、表情、訴えなど、多種類のデータを扱います。数値でない「いつもより反応が鈍い」「呼吸が苦しそう」といった所見も、定義や記録方法をそろえれば重要なデータです。統計学は、この情報を数え、比べ、分布や変化を見える形にします。

ただし、統計結果が患者の診断やケアを自動的に決めるわけではありません。病態生理、患者の普段の状態、治療経過、本人の希望、測定条件などと統合して初めて看護判断に役立ちます。数字は判断を支える材料であり、患者そのものの代わりではありません。

この章の要点統計を看護に結び付ける最初の要点は、1人の患者を時間に沿ってみる場面と、複数人のデータをまとめる場面を分けることです。この2つは目的も判断の単位も異なり、集団平均で個人の変化を消さないことが重要です。

1人の患者では、その人の基準となる状態からの変化、変化の速さ、症状との組合せ、ケアや治療の前後をみます。たとえば、病棟全体の平均呼吸数が変わらなくても、ある患者だけが16回/分から20回/分、24回/分へ増え、努力呼吸や会話困難が加わっていれば、個別の再評価と報告が必要になり得ます。この場面で病棟平均が「正常」でも、患者の変化を打ち消す根拠にはなりません。

一方、病棟や研究の集団データでは、転倒した患者の割合、ケア実施までの時間の分布、介入前後の褥瘡発生状況などを要約します。ここでは、対象者の定義、分母、観察期間、患者背景がそろっているかが重要です。集団で見つかった傾向は改善点を探す手掛かりになりますが、そのまま個々の患者に当てはめることはできません。

なお、「観察データ」には二つの使われ方があります。臨床では観察やモニターから得たデータを指し、研究方法では研究者が介入を割り付けずに現象をみる観察研究のデータを指します。文脈を確かめると混乱を防げます。

この章の要点データは、数字で入力されていても同じように計算できるとは限りません。まず何を表す数字かを確認し、尺度水準に合った要約方法を選びます。尺度水準とは、数値に「区別」「順序」「差」「比」のどこまで意味があるかを示す分類です（[出典3：総務省統計局](https://www.stat.go.jp/dstart/point/seminar/02/3-1.html)）。

名義尺度は種類を区別するだけ、順序尺度は大小の順序まで分かるデータです。間隔尺度は差に意味があり、比尺度は絶対的な0があって比にも意味があります。さらに量的データには、人数のように飛び飛びの値をとる離散データと、体温のように一定範囲で連続的な値をとる連続データがあります。

看護で扱う尺度には注意点があります。たとえば疼痛NRSの0～10は数字でも、1点から2点への差と8点から9点への差が常に同じとは保証されないため、原則として順序尺度としての性質を意識します。研究分野では尺度の性質や分布を検討した上で平均値を使う場合もありますが、「数字だから平均してよい」と自動的に決めないことが大切です。

この章の要点集団を要約するときは、中心を表す値と、散らばりを表す値を組み合わせます。平均値だけでは外れた値や個人差が見えないため、分布を先に確認するのが基本です。

平均値は、すべての値を足して個数で割った値です。左右対称に近い分布では中心を表しやすい一方、極端な値の影響を受けます。中央値は小さい順に並べた中央の値で、分布が片側へ長く伸びる場合や外れ値がある場合にも比較的安定します。最頻値は最も多く現れる値で、名義尺度にも使えます。

架空の学習例として、排泄介助を依頼してから対応までの時間が4、5、5、6、30分だったとします。平均は10分ですが、5人中4人は6分以内であり、「典型的な待ち時間」を平均だけで表すと実態をつかみにくくなります。中央値は5分です。ただし、30分を都合よく削除してよいわけではなく、入力誤りか、実際の遅延かを確かめ、実際なら改善が必要な事例として考えます。

標準偏差〈SD〉は、値が平均の周囲にどの程度散らばるかを、元のデータと同じ単位で表します。四分位範囲〈IQR〉は、並べたデータの中央50％が入る幅で、中央値と組み合わせて使います。分布が正規分布、つまり左右対称の釣鐘形に近い場合は平均値とSDが理解しやすく、偏りが強い場合は中央値とIQRが適することが多い、という考え方が出発点です。

この章の要点グラフは飾りではなく、分布、群間差、関係、経時変化のどれを見たいかで選びます。看護で特に重要なのは、時間の流れを保つことです。

カテゴリ別の人数や割合には棒グラフ、連続値の分布にはヒストグラム、中央値や四分位範囲と外れ値の候補を見るには箱ひげ図、2つの量的変数の関係には散布図が向きます。1人のバイタルサインや病棟指標を時間に沿って追うなら折れ線図やランチャートを使います。円グラフは細かな比較が難しく、カテゴリが多い場面には向きません。

軸の切り方にも注意が必要です。縦軸を途中から始めると小さな差が大きく見え、期間を都合よく切ると増減の印象が変わります。人数が異なる群を比べるときは件数だけでなく割合や、必要に応じて患者日などの分母を示します。タイトル、単位、測定時点、対象数〈n〉、欠測の数が分からないグラフは、見た目が整っていても解釈しにくいものです。

この章の要点正しい計算でも、元データの定義や測定がそろっていなければ結論は信頼できません。統計処理の前に、データの質を確認します。

まず、誰を、いつ、どの機器・方法・体位・条件で測ったか、単位は何かをそろえます。血圧なら安静の有無、カフ、体位、測定部位、測定時刻、治療や活動との関係が値に影響し得ます。疼痛や意識レベルなど観察者の判断が入る項目では、定義と評価手順を共有しないと、実際の変化と評価者間の違いを分けにくくなります。

欠測値は、観察や記録がない値です。空欄を0と置き換えると「測っていない」を「症状なし」「量が0」と誤って解釈するため、欠測理由を確認して区別します。状態が悪いと測定できないなど、欠測そのものが患者状態と関係している場合には、残ったデータだけの平均が偏ることがあります。

外れ値は、ほかから大きく離れた値です。入力ミス、単位違い、機器の問題の場合もあれば、本当の急変や重要な少数事例の場合もあります。原記録、患者、測定条件を再確認し、修正・除外した場合は理由を残します。重複記録、あり得ない範囲、時系列の逆転も点検し、都合の悪い値だけを消さないことが必要です。

この章の要点母集団は本当に知りたい対象全体、標本は実際に調べた一部の対象です。標本から母集団を推測するのが推測統計であり、対象の代表性と不確かさを考えます（[出典4：日本疫学会](https://jeaweb.jp/glossary/glossary020.html)）。

ある病棟でアンケートに回答した患者だけを調べても、回答しなかった患者や他施設の患者を代表するとは限りません。対象を選ぶ方法、参加率、除外理由、脱落、施設特性が結果の適用範囲を決めます。人数が多くても、対象の選び方が偏っていれば、その偏りは自動的には消えません。

点推定は、平均差や割合などを1つの値で示すことです。95％信頼区間〈95％CI〉は、同じ方法で標本抽出と区間計算を繰り返したとき、長期的に約95％の区間が母集団の真の値を含むよう設計された範囲です。得られた1本の区間について「真の値が95％の確率でこの中にある」とする表現は、通常の頻度論的信頼区間の厳密な意味とは異なります。

実際の読み方では、区間の位置と幅を見ます。区間が広いほど推定の精度が低く、臨床的に有益な効果から無効果、有害な効果まで含むなら、結論は不確かです。標本数が増えると偶然誤差は一般に小さくなりますが、測定の偏りや交絡などの系統誤差が解決するとは限りません。

この章の要点p値は、帰無仮説と統計モデルの仮定の下で、観察結果と同じかそれ以上に極端な結果が得られる確率です。p＜0.05だけで結論を決めないことが、現在の基本的な考え方です（[出典5：ASA声明](https://www.amstat.org/asa/files/pdfs/p-valuestatement.pdf)）。

帰無仮説は、たとえば「2群の平均に差がない」と置く仮説です。p＝0.03なら、その仮説や解析上の仮定が成り立つ下で、今回と同程度以上に極端なデータが出る確率が3％という意味です。「差が本物である確率が97％」「帰無仮説が正しい確率が3％」「偶然だけで起きた確率が3％」とはいえません。

p値は効果の大きさも、患者にとっての重要性も示しません。標本が大きいとごく小さな差でもp値が小さくなり、小さい標本では重要な差があってもp値が小さくならないことがあります。「有意差なし」は差がない証明ではなく、データと方法から差を明確に示せなかったという結果です。

論文や研究結果を読むときは、実際の人数と割合、平均差やリスク差・リスク比などの効果量、95％CI、欠測、対象集団、研究デザイン、患者にとって意味のある差かを一緒に見ます。主要評価項目が事前に決められていたか、多数の項目を試して小さいp値だけを選んでいないかも重要です。

この章の要点相関は、2つの変数が一緒に変わる程度を表します。相関が強くても、一方が他方を起こしたとは限らないため、相関と因果関係を分ける必要があります。

相関係数rは一般に－1から＋1の範囲をとり、符号は関係の向き、絶対値は直線的な関係の強さを表します。しかし、rが0に近くても曲線的な関係がある場合があり、外れ値1つで値が大きく変わることもあります。まず散布図を確認します。

観察研究で見える関係には、偶然、選択バイアス、情報バイアス、交絡、逆の因果が入り得ます。選択バイアスは対象の選ばれ方による偏り、情報バイアスは測定や記録方法による偏りです。交絡は、要因と結果の両方に関係する別の因子により、関係があるように見えたり弱く見えたりすることです。

架空の学習例として、離床回数が多い患者ほど退院が早かったとしても、「離床を増やせば必ず退院が早まる」とはまだいえません。もともと状態のよい患者ほど離床でき、早く退院した可能性があります。介入の時間的な前後関係、患者の重症度、併存疾患、治療内容、複数研究での一貫性などを検討し、観察研究の関連を因果と断定しないことが重要です。

この章の要点検定名を暗記するだけでは、安全な解析にはなりません。何を知りたいか、結果変数の種類、同じ人を繰り返し測ったか、分布や標本数、欠測がどうかを確認し、目的とデータに合う方法を選びます。

同じ患者の介入前後は「対応あり」、別々の患者群は「独立」と考えます。同じ20人の前後値を40人分の独立データとして扱うと、同一人物内の関連を無視します。3時点以上の反復測定や病棟内に患者がまとまるデータは構造がさらに複雑で、混合効果モデルなどが必要になる場合があります。

下表は学習の入口であり、手法を自動決定する表ではありません。尺度、分布、外れ値、標本数、仮定、研究計画によって選択は変わります。実際の研究では、解析を始める前に指導者や統計の専門家へ相談し、主要評価項目と解析方法を計画書に定めます。

この章の要点検査値の基準範囲は、病気の有無を直接分ける診断基準ではありません。基準範囲と臨床判断値を区別し、患者の背景や測定条件と組み合わせます。

日本臨床検査医学会は、基準範囲を、一定の条件を満たす基準個体の検査値分布の中央95％の区間と説明しています。この定義上、基準個体の約5％は範囲外になり得ます。また、患者個人の普段の変動幅は集団の基準範囲より狭いことがあり、範囲内でもその人にとって重要な変化の場合があります。反対に、範囲外の1回の値だけで病気と確定することもできません（[出典9：JSLM2024](https://www.jslm.org/books/guideline/2024/GL2024_04.pdf)）。

臨床判断値は、特定の病態の診断、予防、治療、予後などの判断に用いる閾値です。診断閾値、治療閾値、予防医学閾値は目的と作られ方が異なり、報告・対応の基準とも同一ではありません。対象、単位、採取時刻、食事・体位・薬剤などの条件、検査室の方法、関連症状、ほかの検査、経時変化を確認します。

検査性能では、感度は病気がある人のうち検査陽性となる割合、特異度は病気がない人のうち検査陰性となる割合です。陽性的中率は検査陽性者のうち実際に病気がある割合で、有病率、つまり検査前にその病気をもつ人の割合に影響されます。まれな病態を低リスク集団で調べると、性能のよい検査でも偽陽性が相対的に増えることがあります。

看護では、検査陽性・陰性を確定診断の言い換えにせず、検査が行われた目的と患者の検査前の状態を確認します。結果だけで患者を安心させたり不安にさせたりせず、「この結果だけでは決まらず、症状やほかの情報と合わせて担当者が判断する」と説明するのが安全です。

この章の要点臨床で統計的な見方を生かすには、値を記録して終わらず、測定の確かさを確認し、他の所見と統合し、必要な行動の後に再評価します。経時変化と所見の組合せが中心です。

1. 測定を確認する

患者確認、単位、時刻、機器、体位、測定部位、安静や活動、酸素投与などの条件を確かめます。急な変化や患者状態と合わない値では、安全を損なわない範囲で再測定し、機器や装着状態を確認します。ただし、再測定を繰り返す間に対応が遅れるほど緊急性が高い所見なら、確認と応援要請・報告を並行します。

2. その人の基準と経時変化をみる

1回の値を集団の基準範囲と比べるだけでなく、入院前・入院後の普段の値、直前値、変化の方向と速さをみます。治療・処置・食事・排泄・活動・睡眠との時間関係も確かめます。

3. 関連所見を組み合わせる

呼吸数の増加なら、SpO2だけでなく、努力呼吸、呼吸音、会話、意識、皮膚色、脈拍、疼痛、発熱、体位、酸素療法の状況などを組み合わせます。単一のモニター値が保たれていても、呼吸仕事量の増加や意識変化を無視しません。観察項目は病態仮説に沿って選び、「何を疑い、何を確かめるために見るか」を説明できるようにします。

4. 必要な相手へ具体的に伝える

実習ではまず指導者・受け持ち看護師へ、臨床では施設の連絡経路と緊急度基準に従って報告します。伝える内容は、患者、現在の懸念、実測値と単位、測定時刻と条件、直前からの変化、関連症状、すでに行った確認やケア、その反応です。「何となく変です」だけでなく、値・時間・症状・変化をそろえます。

5. 行動後に同じ視点で再評価する

体位調整や指示されたケア、治療の後は、いつ、何を、同じ条件で再確認するかを明確にします。数値が戻ったかだけでなく、苦痛、呼吸の様子、意識、患者の訴え、望ましくない反応も確認します。改善しない、悪化する、新しい症状が出る場合は、再度報告し次の対応につなげます。

報告基準は疾患、年齢、治療、施設により異なります。本記事から一律の数値基準を作らず、授業資料、診療ガイドライン、施設手順、担当者の指示を確認してください。

この章の要点ケア改善では、介入前後の数字を1回ずつ比べるだけでなく、同じ定義で繰り返し測り、時間に沿って変化を追います。分子・分母・除外条件・期間を先に決めることが出発点です。

質指標には、体制をみるストラクチャー指標、実施過程をみるプロセス指標、患者に起きた結果をみるアウトカム指標があります。改善策の副作用をみるバランシング指標も役立ちます。たとえば転倒予防策を増やして転倒が減っても、過度な活動制限や患者の不快、スタッフ負担が増えていないかを併せてみます（[出典10：医療の質指標基本ガイド](https://jq-qiconf.jcqhc.or.jp/wordpress/wp-content/uploads/2024/04/Quality_Indicator_Guide.pdf)）。

架空の学習例として「移乗前チェック実施割合」を追うなら、分母をチェック対象となる移乗件数、分子を定義どおりチェックを完了した件数とします。対象患者、移乗の範囲、除外条件、1件の数え方、記録源、集計期間を決めなければ、月ごとの値を比較できません。患者数が違う月では件数だけでなく割合を使い、割合とともに分子・分母を示します。

アウトカムは患者の年齢、重症度、疾患構成、観察期間など、ケア以外の要因でも変わります。病棟間比較ではリスク調整が必要になる場合があり、単純な順位付けは避けます。改善用に集めた指標を、そのまま職員や施設の優劣を決める判定用指標に使うことも適切ではありません。

前後2点だけでは、季節変動、患者構成、記録方法の変更、偶然の揺れと介入効果を分けにくいものです。ランチャートなどで介入前から継続して追い、変化が続くか、同時期に何が変わったかを記録します。数字が改善しても、現場観察や患者・家族の語りを組み合わせ、「何が、誰に、なぜ改善したか」を考えます。

この章の要点診療で得たデータは、ケアに必要だから記録されたものであり、学習・改善・研究へ自由に転用できるわけではありません。目的、利用範囲、権限、保管方法を確認し、個人情報と患者の権利を守ります。

氏名を消すだけで安全とは限りません。年齢、病名、入退院日、珍しい経過などの組合せで個人が推測される場合があります。学生が実習記録を個人端末や許可されていないクラウドへ保存したり、SNSへ症例の詳細を書いたりしてはいけません。所属校・実習施設の規定に従い、必要最小限の情報だけを、許可された場所と方法で扱います。

看護研究は、看護現象の疑問に科学的・系統的な方法で答える活動です（[出典12：日本看護科学学会](https://www.jans.or.jp/glossary/nursing-research/)）。人の健康情報を用いて一般化可能な知識を得ようとする研究では、研究計画、科学的合理性、倫理審査、説明と同意または該当する手続、個人情報管理などが関わります（[出典11：倫理指針](https://www.mhlw.go.jp/content/001743409.pdf)）。日常診療データを使う観察研究では、対象をどう抽出し、変数をどう定義し、欠測や誤分類をどう扱ったかも透明にします。

施設内の質改善と研究は目的が異なりますが、「質改善だから倫理審査は不要」と一律には決められません。外部発表の予定、介入内容、通常診療を超える負担、診療情報の二次利用、知識の一般化を目指すかなどで判断が変わり得ます。データ収集を始める前に、指導者と所属機関の倫理審査・個人情報・質改善担当部署へ確認します。

この章の要点統計の国試対策は、用語を一問一答で覚えるだけでなく、実習の判断へ結び付けると定着します。何を表し、何を表さないかまで説明できることが目標です。

まず、名義・順序・間隔・比尺度、平均・中央値・最頻値、分散・標準偏差、正規分布、母集団・標本、点推定・区間推定、帰無仮説、p値、相関、感度・特異度を整理します。保健師国家試験の令和5年版出題基準では、これらに加えてヒストグラム、四分位数、カイ二乗検定、t検定、多変量解析、適切な図表の活用まで統計学の基礎に位置づけられています（[出典2：厚生労働省](https://www.mhlw.go.jp/content/10803000/000958440.pdf)）。看護師国家試験の出題範囲や各校の学習目標とは区別し、受験する試験の現行基準を確認してください。

実習では次の5問に置き換えます。

• このデータは誰の、いつの、どの条件で測ったものか。
• 1人の変化を見ているのか、集団の傾向を見ているのか。
• 中心だけでなく、分布、ばらつき、欠測、外れ値を確認したか。
• 基準範囲、診断閾値、治療目標、報告基準を混同していないか。
• 値を症状、背景、介入、時間経過と組み合わせ、報告と再評価へつなげたか。

統計学の役割は、不確かさを消すことではありません。不確かさがどこにあり、どの情報を追加すれば判断を改善できるかを明らかにすることです。平均、p値、AIの予測など1つの数字に決定を委ねず、患者の変化と声を中心に、チームで検証し続ける姿勢が看護の安全と質を支えます。