量的研究のサンプルサイズとP値の補正―必要人数の考え方と多重比較の読み方

この章の要点結論からいえば、サンプルサイズもP値の補正も、結果が出てから都合よく選ぶものではありません。研究計画の段階で、何を主要な問いとするか、どの程度の誤りを許容するかを決めます。

サンプルサイズが小さすぎると、重要な差があっても検出できず、信頼区間も広くなります。一方、大きければ自動的に良い研究になるわけではありません。ごく小さな差でもP値が小さくなり得るうえ、選択バイアス、測定誤差、欠測などは人数を増やすだけでは解消しません。

また、同じ研究で多数の項目、時点、群、サブグループを検定すると、偶然P＜0.05になる機会が増えます。したがって、主要評価項目・必要人数・多重性への対応を一体として設計することが重要です。

この章の要点必要人数を求める前に、研究の問いを具体化します。「退院支援の効果を調べる」だけでは計算できません。少なくとも次を決めます。

• 対象集団：どの病棟、疾患、年齢、重症度の患者か
• 比較：通常ケアと新しい支援、介入前後、曝露群と非曝露群など
• 主要評価項目：疼痛得点、再入院、セルフケア得点など
• 評価時点：退院時、退院30日後など
• 解析単位：患者、看護師、病棟、施設、観察機会など
• 研究目的：値を精度よく推定するのか、群間差を検定するのか
• 成功条件：どの仮説が成立すれば研究目的を達成したと判断するか

1人の患者から複数時点のデータを得ても、独立した複数人になったわけではありません。同じ病棟の患者や看護師も互いに似る可能性があります。人数と独立した情報量は同じとは限らないため、反復測定やクラスター構造を計算と解析に反映させます。

この章の要点仮説検定を目的とする一般的な研究では、有意水準、検出力、検出したい差、データのばらつきが必要人数の中心になります。これに研究デザイン、割付比、脱落、多重性などを加えます。

この章の要点「何人必要か」に唯一の答えはありません。推定したいのか、差を検出したいのかによって基準が変わります。

この章の要点症例数設計で求めた人数は、多くの場合、主要解析で必要な人数です。募集時には脱落や欠測を見込みますが、人数を上乗せすれば欠測バイアスも消えるわけではありません。

確認すべき点は次のとおりです。

• 同意取得前の辞退と、登録後の脱落を分ける
• 群別・時点別・評価項目別に、データが得られた人数を示す
• 欠測理由と、群による偏りがないかを確認する
• 除外基準と解析対象集団を事前に決める
• 欠測データの処理方法と感度分析を計画する
• 病棟・施設単位で割り付ける場合は、患者数だけでなくクラスター数を確保する
• 反復測定では、測定回数を独立した人数として数えない
• まれな転帰では、総人数だけでなく実際のイベント数を確認する

[NIHの研究方法資料](https://researchmethodsresources.nih.gov/methods/additional)は、脱落や多重比較をサンプルサイズに反映し、再現できる程度に前提を示すことを勧めています。[CONSORT 2025](https://jamanetwork.com/journals/jama/fullarticle/2832868)も、無作為化比較試験では割り付け人数、解析人数、データが得られた人数、脱落理由を明示するよう求めています。

この章の要点P値は、設定した統計モデルと「差がない」などの帰無仮説を前提にしたとき、観察結果以上に極端なデータが得られる程度を示します。P＝0.03は、帰無仮説が正しい確率が3％という意味ではありません。

また、P値だけから次のことは判断できません。

• 効果が大きいか、小さいか
• 臨床的・看護実践上重要か
• 研究結果が再現する確率
• 結果が偶然だけで生じた確率
• 個々の患者に介入すべきか
• バイアスや交絡がないか

大規模研究では、ごく小さな差でもP値が小さくなり得ます。小規模研究では、実務上重要な差があってもP値が大きくなることがあります。P≧0.05は「差がないと証明された」という意味ではなく、同等性・非劣性を示すには専用の研究デザインと解析が必要です。

したがって、効果量と95％信頼区間をP値と一緒に読むことが基本です。信頼区間が、臨床的に意味のある利益・無効・害のどこまで含むかを確認します。[ASAの声明](https://www.amstat.org/asa/files/pdfs/p-valuestatement.pdf)も、科学的判断をP値の閾値だけに基づけず、推定値や信頼区間を含めて透明に報告するよう求めています。

この章の要点すべての帰無仮説が正しく、互いに独立した検定を有意水準5％で10回行うと、少なくとも1回P＜0.05になる確率は、

1−0.95¹⁰＝0.401

で、約40％になります。これが統計的多重性の基本的な問題です。検定が相関している場合、正確な確率は変わりますが、判定機会を増やせば誤った肯定的結論が増え得るという問題は残ります。

多重性は次の場面で生じます。

• 複数の主要評価項目
• 3群以上の群間比較
• 複数の評価時点
• 多数のサブグループ
• 複数用量・複数介入群
• 中間解析の繰り返し
• 多数のモデルや変数から有意なものだけを選ぶ解析
• 結果を見て評価項目や解析法を変更する行為

補正対象となる「仮説のファミリー」とは、同じ結論を支える判定機会のまとまりです。論文内のすべてのP値を機械的に一括補正するのでも、同じ結論に使う検定を恣意的に小分けするのでもなく、研究目的に基づいて事前に定義します。

この考え方と10検定の計算例は、[緒方による多重性の解説](https://www.jstage.jst.go.jp/article/kenkokyoiku/31/3/31_310311/_pdf/-char/ja)で確認できます。

この章の要点補正の有無は検定数だけでは決まりません。検証的な主張と探索的な観察を分けることが先です。

この章の要点補正法は「どれが最も厳しいか」だけでなく、何の誤りを制御するかで選びます。

この章の要点架空の退院支援研究で、疼痛、睡眠、不安、セルフケアの4項目を「どれか1項目でも有意なら介入効果あり」と判定するとします。得られた未補正P値を、3つの方法で調整した例です。

この章の要点4つの検証的仮説に単純Bonferroni法を使う場合、全体のαを0.05とすれば、各検定の基準は0.05÷4＝0.0125です。α＝0.05のまま計算した人数では、補正後の基準に対する検出力が不足する可能性があります。

したがって、症例数計算では次の順序が重要です。

1. 主要仮説と仮説のファミリーを決める
2. FWER、FDRなど、守る誤りを決める
3. 補正法・検定順序を決める
4. 補正後の有意水準を使って必要人数を計算する
5. 脱落・欠測・クラスター構造などを反映する
6. 前提値を変えた感度分析を行う

優先順位が明確なら固定順序法によって検出力の低下を抑えられる場合があります。ただし、順序を結果に合わせて変更することはできません。[Lakensのサンプルサイズ論文](https://online.ucpress.edu/collabra/article/8/1/33267/120491/Sample-Size-Justification)も、複数検定で補正したαを使うなら、そのαを検出力分析へ反映する必要があると説明しています。

解析後に得られた効果量を使う「事後検出力」で人数不足を正当化することは推奨されません。解析後は、効果推定値と信頼区間がどの程度の精度を持つかを示すほうが有用です。[STROBEの解説](https://pmc.ncbi.nlm.nih.gov/articles/PMC2020496/)も、観察研究では実際に利用できた人数と推定精度を示し、事後検出力による説明を避けるよう述べています。

この章の要点研究実施中は、P値を途中で確認して対象者を増減するのではなく、登録状況とデータ品質を監視することが大切です。中間解析を行う場合は、時期、判定基準、αの調整、終了条件を事前に規定します。

実施中に確認する事項：

• 登録人数が予定どおりか
• 不参加・脱落理由に偏りがないか
• 主要評価項目の欠測率が群によって異ならないか
• 病棟・施設ごとの登録人数が極端に偏っていないか
• 測定時点や測定方法が統一されているか
• 事前に定めていない除外や解析変更が生じていないか

登録遅延、想定を超える欠測、施設間の偏り、解析計画の変更が必要になった場合は、結果を伏せた状態で研究責任者・統計担当者へ共有します。必要に応じて倫理審査や研究計画書の変更手続きを行い、変更理由と時期を記録します。

論文を読む際は、次を確認します。

• 主要評価項目と評価時点が明確か
• 症例数計算の前提と根拠が記載されているか
• 予定人数、登録人数、解析人数が区別されているか
• 欠測・脱落とその理由が示されているか
• クラスターや反復測定を解析で考慮しているか
• 多重性の対象と補正法が事前規定されているか
• 未補正P値と調整P値が区別されているか
• 効果量と95％信頼区間が示されているか
• 主要解析、追加解析、事後解析が区別されているか
• 統計学的有意差と臨床的・実務的意義を混同していないか

個々の患者への看護判断をP値だけで変更してはいけません。効果の大きさ、信頼区間、有害事象、患者への適用可能性、本人の価値観を合わせて検討します。

この章の要点量的研究のサンプルサイズに万能の人数はありません。主要評価項目、検出したい差、分散・発生率、α、検出力、研究デザイン、脱落、多重性を基に決めます。

P値は効果の大きさや仮説が正しい確率を示すものではありません。効果量と信頼区間を併記し、臨床的意義と統計学的有意差を分けて読みます。

複数の検証的仮説から肯定的な結論を選ぶ場合は、多重性への対応が必要です。Bonferroni法やHolm法は主にFWER、BH法などはFDRを制御します。仮説、補正法、必要人数を事前に整合させることが、信頼できる看護研究への出発点です。