重回帰分析・ロジスティック回帰分析の読み方｜係数・オッズ比・95％信頼区間を看護学生向けに解説

この章の要点最初に確認するのは、研究で説明・予測したい結果である目的変数です。本稿で扱う標準的な重回帰分析は、時間、得点、血圧値などの連続した数値を目的変数とします。二項ロジスティック回帰分析は、転倒あり・なし、再入院あり・なしのような2値を目的変数とします。

説明に使う年齢、検査値、ケアの有無などは説明変数と呼びます。予測変数、独立変数、共変量という名称が使われることもあります。重回帰分析は「1つの目的変数を複数の説明変数で扱う線形回帰」です。ロジスティック回帰も複数の説明変数を同時に扱えます。

目的変数が生存時間のように「イベントまでの時間」で、観察終了までイベントが起きない人がいる場合は、通常のロジスティック回帰だけでは時間や観察期間の違いを十分に扱えません。順序のある3段階以上の結果、繰り返し測定、施設ごとにまとまったデータにも、それぞれ別の方法が必要になることがあります。

この章の要点回帰表はp値からではなく、研究の問いから読み始めます。次の順序なら、数字だけを見て誤解するのを防げます。

1. 誰を、どの期間、どの研究デザインで調べたか。
2. 目的変数は何で、値が大きいほど何を意味するか。2値なら何を1としたか。
3. 注目する説明変数の単位と基準カテゴリーは何か。
4. BまたはORの向きと大きさ、95％信頼区間を確認する。
5. p値、モデル全体の指標、前提条件、欠測やバイアスを確認する。

「調整済み」と書かれていたら、何を調整したかまで確認します。年齢と性別だけを調整した結果と、疾患の重症度や治療内容まで含めた結果は、同じ「調整済み」でも意味が異なります。

この章の要点重回帰分析の偏回帰係数Bは、モデルに入っているほかの説明変数を同じとみなしたとき、注目する変数が1単位増えることに対応して、目的変数の平均が何単位変わるかを表します。Bの単位は目的変数と同じです。

次は読み方を練習するための架空例です。実在する患者データや臨床上の基準ではありません。

目的変数は「手術後の初回離床までの時間」で、値が大きいほど離床が遅いとします。年齢は10歳単位、手術時間は30分単位に変換されています。

この章の要点標準偏回帰係数β（ベータ）は、説明変数と目的変数を標準偏差単位にそろえた係数です。同じモデル内で、変数同士の関連の強さを大まかに比較するために使われます。架空例では手術時間のβが0.28で最も大きいものの、それだけで「最も重要な原因」とは判断できません。

βは各変数のばらつきや測定方法に影響されます。臨床的な意味を考えるときは、βだけでなく、元の単位を保つB、95％信頼区間、測定の信頼性、介入可能性を見ます。異なる研究のβを単純に並べるのも適切とは限りません。

決定係数R²は、目的変数のばらつきのうち、モデルが説明した割合です。調整済みR²は、説明変数を増やすだけでR²が上がりやすい性質を補正します。架空例で調整済みR²が0.31なら、研究標本における離床時間のばらつきの31％を、そのモデルが説明したという意味です。「31％の患者を正しく予測した」「原因の31％が判明した」という意味ではありません。

モデル全体のF検定が有意でも、すべての説明変数が有用とは限りません。AICは同じデータ、同じ目的変数に当てはめた候補モデルを比較する指標で、小さいモデルが候補になりますが、単独で合格・不合格を決める共通基準値はありません。

この章の要点二項ロジスティック回帰分析は、目的変数を0と1で表し、1に設定したイベントが起こる確率と説明変数の関係をモデル化します。論文を読むときは、何が1で何が0かを必ず確認します。

次は読み方を練習するための架空例です。目的変数は「入院中の褥瘡発生」で、発生ありを1、なしを0としています。数値は臨床上のリスクを示すものではありません。

この章の要点オッズは、イベントが起こる確率を、起こらない確率で割った値です。オッズ比とリスク比は別物なので、OR＝2を「発生確率が2倍」とは読めません。

たとえば基準群の発生確率が20％なら、オッズは0.20÷0.80＝0.25です。OR＝2では比較群のオッズが0.50になり、確率へ戻すと0.50÷1.50＝約33.3％です。確率が40％になるわけではありません。

同じOR＝2でも、基準群の確率が50％なら比較群は約66.7％です。つまり、ORだけでは絶対的な確率差を一つに決められません。

転帰がまれな状況ではORがリスク比に近づくことがありますが、どの程度近いかは基準となる発生確率とORの大きさによります。ORを自動的にリスク比へ読み替えてはいけません。患者へ説明するときは、その集団に適用できる絶対リスクや予測確率が示され、モデルの妥当性が確認されている場合に限って、それらを優先します。

この章の要点95％信頼区間は、点推定値だけでは分からない推定の精度を示します。区間が広ければ不確実性が大きく、狭ければより精密に推定されていると考えます。ただし、狭い区間でも測定誤差や選択バイアス、交絡が消えるわけではありません。

重回帰分析ではB＝0、ロジスティック回帰ではOR＝1が「関連なし」に対応します。同じモデルと両側検定を用いた一般的な状況では、95％信頼区間がこの値を含まなければp＜0.05と対応します。計算方法や丸め方が異なれば、完全に一致しないこともあります。

頻度論に基づく通常の95％信頼区間は、「今回得た区間内に真値が95％の確率で入る」という意味ではありません。同じ方法で標本抽出と区間推定を繰り返したとき、作られる区間の約95％が真の値を含むよう設計された手順です。

p値は、指定した統計モデルと帰無仮説の下で、観察結果と同程度以上に極端なデータが得られる度合いを表します。p＝0.03は、「帰無仮説が正しい確率が3％」「結果が偶然である確率が3％」という意味ではありません。

p値は効果量や臨床的重要性も示しません。大標本では小さな差でも小さいp値になり、小標本では重要かもしれない差の区間が広くなることがあります。BやORの大きさ、95％信頼区間、患者にとって意味のある差、研究上のバイアスを一緒に読みます。

この章の要点調整済みの係数は、「モデルに入れたほかの変数を一定としたときの関連」です。調整後＝原因を証明ではありません。

交絡とは、注目する要因と結果の両方に関係する別の要因によって、両者の関連が実際より強く、弱く、または逆向きに見えることです。たとえば患者の重症度がケア内容と転帰の両方に関係するなら、重症度を考慮しない比較ではケアの関連を正しく捉えられない可能性があります。

一方、変数を多く入れればよいわけでもありません。原因から結果へ至る途中の変数を調整すると、知りたい関連の一部を取り除くことがあります。選択の結果として生じた変数を不適切に調整し、別の偏りを生む場合もあります。

調整されていない重要な要因、測定されていない生活背景、測定誤差、対象者の選ばれ方、欠測などの影響は残ります。観察研究では「独立した危険因子」と書かれていても、「ほかの採用変数とは独立して関連した」という意味にとどめ、原因と断定しないのが安全です。

ランダム化比較試験では治療群の割り付けによって交絡を抑えられますが、脱落、非遵守、欠測、解析方法なども評価する必要があります。因果解釈を可能にするのは、回帰分析という名前ではなく、研究デザインと仮定の組み合わせです。

この章の要点係数を読むときは、何単位の変化かを係数の近くで確認します。年齢1歳、10歳、1標準偏差では、同じ関係でもBやORの数値が変わります。対数変換された変数や、100単位ごとに換算された変数も、著者が示した尺度に沿って解釈します。

カテゴリー変数では、結果が表示されていないカテゴリーが基準になっている場合があります。3カテゴリー以上なら複数のダミー変数が作られ、それぞれが基準カテゴリーと比較されます。一つのカテゴリーだけのp値ではなく、変数全体を評価する検定が示されているかも確認します。

連続変数を「高値・低値」に分けると、境界の根拠や各群の人数が重要になります。区分によって情報が失われ、異なる境界なら結果が変わる可能性があるためです。

交互作用は、ある変数の関連が別の変数の値によって変わることです。交互作用項が入っているモデルでは、単独の係数は「もう一方の変数が基準値または0のとき」の関連を表すことがあります。「男性では有意、女性では有意でない」だけで男女差があるとは判断せず、差そのものを評価した交互作用を確認します。

この章の要点回帰分析の結果は、モデルの前提が研究データにおおむね合っていることを条件に解釈します。係数表だけでなく、方法、補足資料、残差図、感度分析を確認します。

重回帰分析でいう正規性は、基本的には目的変数や説明変数そのものではなく、モデルで説明できなかった差である残差に関するものです。残差の正規性は、特に小標本で通常の信頼区間や検定を行う際に関係します。

ロジスティック回帰では、確率そのものと連続説明変数が直線関係である必要はありません。説明変数と、確率から変換した対数オッズ（ロジット）との関係を直線として表すモデルです。

この章の要点研究目的が「どの要因が結果と関連するか」なら、係数、交絡調整、研究デザインが中心です。「この患者にイベントが起こる確率を当てる」ことが目的なら、予測性能の評価が追加で必要です。

予測モデルの識別は、イベントが起こる人と起こらない人をどの程度分けられるかを示し、AUCやc統計量などで評価されます。校正は、予測された確率と実際の発生割合がどの程度一致するかを表します。AUCが高くても、予測確率が実際より高すぎたり低すぎたりするモデルは、十分に校正されていません。

モデルを作った同じデータでの成績は、過適合によって良く見えやすくなります。内的検証は開発データ内で楽観性を評価し、外的検証は別の施設、時期、集団などで性能を調べます。

高いORは、その変数が原因であることも、モデル全体の予測性能が高いことも保証しません。逆に、個々のORが大きくなくても、複数の情報を組み合わせたモデルが一定の予測力を持つ場合があります。患者の診療判断に使うには、校正、識別、外的検証に加え、使用する集団と臨床上の有用性を確認します。

この章の要点結果の信頼性は回帰表だけでは判断できません。誰のデータが分析されたかを、研究方法と対象者の流れから確認します。

確認したい点は次のとおりです。

• 対象者：年齢、疾患、重症度、施設、調査時期は、結果を当てはめたい患者や場面と似ているか。
• 時間関係：説明変数は結果より前に測定されたか。結果の後に得られる情報を予測因子としていないか。
• 分析人数：登録人数と解析人数が違う場合、誰が除外されたか。ロジスティック回帰ではイベント数と非イベント数も確認する。
• 欠測：どの変数に何件の欠測があり、除外または補完をどう行ったか。完全データだけの解析で対象者の構成が変わっていないか。
• 変数選択：臨床知識や事前計画に基づいたか、データを見ながら多数の候補から選んだか。後者では係数やp値が楽観的になりやすい。
• 調整内容：粗解析と調整解析の両方が示され、調整変数を選んだ理由が説明されているか。
• 感度分析：欠測処理、変数の定義、外れ値などを変えても結論が大きく変わらないか。
• 一般化可能性：単施設・限定集団の結果を、別の病棟や患者へそのまま当てはめていないか。

説明変数が多いのに対象者やイベントが少ないモデルは、データ固有の偶然まで拾う可能性があります。必要なデータ量は目的、予測したい精度、イベント率、変数の形、モデルの複雑さで変わるため、「1変数につき一律に何例あればよい」とは判断しません。

この章の要点国試学習で押さえるデータの種類、相関、区間推定、帰無仮説、統計学的有意性は、回帰分析を読む土台です。保健師国家試験の令和5年版出題基準には、関連の指標として回帰、統計分析として区間推定、統計学的有意性、多変量解析が明記されています。

2026年の厚生労働省の検討部会でも、看護師国家試験では根拠に基づくアセスメントや計画立案に関わる判断過程、保健師国家試験ではデータ化された情報の活用が重視されています。ただし、重回帰・ロジスティック回帰が毎年直接問われるという意味ではありません。

学習時は、次の4組を区別すると整理しやすくなります。

• 連続した結果―重回帰―B―関連なしは0
• 2値の結果―ロジスティック回帰―OR―関連なしは1
• 推定値の大きさ―効果の方向と大きさ
• 95％信頼区間とp値―推定の不確実性とモデル下での整合性

実習では、研究で示された関連を観察の視点に変換します。ただし、ORが高いというだけで、目の前の患者にイベントが起こると判断してはいけません。患者本人の症状、バイタルサイン、検査値、活動状況、治療経過、普段との差、変化した時点を組み合わせます。

状態が変化したときは、研究上のORではなく、何がいつからどう変化したか、関連する所見、実施したケア、その後の反応を指導者や医療者へ伝えます。再評価も患者の状態とケア計画に基づいて行います。回帰分析の結果は、施設の報告基準や緊急対応基準を新たに作るものではありません。

患者には「この特徴がある人の集団では関連が報告されていますが、あなたに必ず起こるという意味ではありません」と説明します。個人の確率を示す場合は、その患者と似た集団で予測モデルが検証され、絶対確率として適切に提示できることが前提です。

この章の要点回帰結果を正しく読めたかは、一文で言い換えると確認できます。

重回帰分析の架空例なら、「この研究対象では、年齢が10歳高いことは、手術時間と入院時の移動能力を調整後、初回離床が平均1.8時間遅いことと関連した。95％信頼区間は0.4～3.2時間であり、観察研究なら原因とは断定できない」とまとめます。

ロジスティック回帰の架空例なら、「この研究対象では、入院時に体位変換の全面介助が必要な人は、自立していた人と比べ、年齢と入院時低栄養リスクを調整後、褥瘡発生オッズが2.4倍と推定された。これは発生確率が2.4倍という意味ではなく、因果関係も証明しない」とまとめます。

論文を閉じる前に、次を確認してください。

• 目的変数と1・0の向きが分かる。
• BまたはORの単位と基準カテゴリーが分かる。
• 95％信頼区間を含めて解釈した。
• 何を調整したか、その理由を確認した。
• 前提条件、欠測、対象者数・イベント数を確認した。
• 関連、予測、因果を区別した。
• 研究集団と目の前の患者の違いを考えた。