量的研究とは？看護の疑問を数値で確かめる方法と結果の読み方

この章の要点量的研究とは、知りたい現象を測定または計数して数値データにし、統計的に整理・分析する研究です。「どのくらい多いか」「2つの群に差があるか」「AとBに関連があるか」「ケアによる変化はどの程度か」といった問いに向いています。

大切なのは、数字を集めれば量的研究になるわけではないことです。研究目的を定め、対象、測る項目、測定時点、比較方法、分析方法を原則として事前に決め、同じ手順でデータを集めます。そのうえで、標本から得た結果を、どの範囲の人へどの程度当てはめられるか検討します。

看護研究は、看護実践、看護教育、看護管理などに関する疑問へ、組織的・科学的な方法で答える系統的な探究です。したがって、病棟で患者1人の体温や痛みを測ってケアを評価すること自体は重要な看護ですが、それだけで研究とは限りません。複数の対象から、あらかじめ定めた方法でデータを集め、一般化可能な知識を得ようとする研究目的があるかが区別の一つになります。

量的研究の結果は、患者一人ひとりの反応を平均値へ置き換えるものではありません。集団で見られた傾向を示す資料であり、個別の看護判断では、患者の状態、経時変化、希望、生活背景などと組み合わせて捉えます。

この章の要点量的研究と質的研究の違いは、主に答えたい問いと扱うデータにあります。量的研究は頻度・差・関連・効果の大きさを数で確かめるのが得意です。質的研究は、体験の意味、受け止め方、行動に至る過程、まだ整理されていない現象を言葉や観察記録から探るのが得意です。

「数値だから客観的で正しい」「人数が少ない質的研究は弱い」という理解は適切ではありません。量的研究でも、質問項目がずれていたり、対象者の選び方に偏りがあったりすれば、精密そうな数値から誤った結論へ進みます。一方、質的研究は数値で一般化することを主目的としなくても、未知の要因や患者の経験を深く理解するために重要です。

同じテーマを両方の方法で調べる混合研究法もあります。たとえば、質問紙で退院支援への満足度を数値化し、面接で「なぜそのように感じたか」を探れば、広がりと背景の両方を捉えられます。ただし、二つの方法を並べるだけでなく、結果をどこで統合するかを研究計画で決める必要があります。

この章の要点量的研究の出発点は、漠然とした気づきを測定可能な問いに整えることです。「この説明は分かりやすい気がする」だけでは、誰に、何を行い、何と比べ、何をもって分かりやすいとするかが定まっていません。

介入の効果を問うときは、PICOが役立ちます。Pは対象者・患者・集団、Iは介入、Cは比較、Oは結果（アウトカム）です。原因になり得る要因への曝露を観察する問いでは、IをE（Exposure：曝露）に置き換えたPECOも使われます。

たとえば架空の研究疑問「説明用紙の違いで理解度は変わるか」は、Pを「初めて検査を受ける成人」、Iを「図を用いた説明用紙」、Cを「従来の説明用紙」、Oを「説明直後の理解度テスト得点」と定めると、研究可能な形へ近づきます。さらに実施場所、除外条件、測定者、測定時点を決めると、誰が追試しても同じ意味に解釈しやすくなります。

「理解度」「不安」「セルフケア能力」のように、そのままでは直接測れない概念は、使用する尺度、得点範囲、評価時点などで具体化します。これを操作的定義といいます。主要な結論に使うアウトカムは何か、どの方向の差を予想するか、どの分析を行うかも、結果を見てから都合よく変えないよう事前に定めます。

この章の要点研究デザインとは、対象をどう選び、いつ測り、介入や曝露とアウトカムをどう比べるかという研究の設計です。デザインによって、示せるのが頻度なのか関連なのか、因果効果にどこまで近づけるのかが変わります。

研究者が健康に影響する要因を研究目的で制御するものが介入研究です。看護ケアを異なる群へ割り付けて効果を比較する研究も該当し得ます。制御せず、実際に起きている曝露やケアと転帰を記録するものは観察研究です。前向きにデータを集めても、要因を制御していなければ観察研究です。

ランダム化比較試験では、参加者を介入群と比較群へ偶然性を用いて割り付けます。これは群の背景を平均的にそろえ、介入効果を比べやすくする方法です。一方、母集団から研究参加者を偶然に選ぶ「無作為抽出」は、標本の代表性を高める方法です。無作為割付けと無作為抽出は目的が違うため、混同しないようにします。

この章の要点母集団は本当に知りたい人々の全体、標本は実際に調べた人々です。研究結果を母集団へ当てはめるには、標本がどこから、どの基準で、何人選ばれたかを確認します。一つの学校、一つの病棟、参加を希望した人だけの結果は、その範囲を越えて同じとは限りません。

標本数は「多いほどよい」とだけ考えません。少なすぎると推定の幅が広くなり、重要な差を捉えにくくなります。非常に多いと、実際には小さな差でもp値が小さくなり得ます。研究目的、予想する効果、ばらつき、有意水準、検出力、脱落見込みなどに基づく標本数の根拠が示されているかを見ます。

バイアスは、結果を一定方向へずらす系統的な偏りです。参加しやすい人だけが集まる選択バイアス、群によって質問や測定が異なる情報・測定バイアス、追跡から外れた人に特徴がある脱落バイアスなどがあります。標本数を増やしても、同じ偏りを大量に集めれば解消しません。

交絡は、曝露とアウトカムの両方に関係する第三の要因によって、見かけの関連が生じたり、実際の関連が隠れたりすることです。たとえば架空の観察研究で「学習時間が長い学生ほど演習得点が高い」という関連があっても、学年や既修得知識が両方に関係しているかもしれません。層別化や回帰分析で測定した交絡因子を調整できますが、測っていない交絡や正確に測れない交絡は残ります。調整済みという言葉だけで因果関係が証明されたとはいえません。

この章の要点数字が得られていても、目的のものを正しく測れていなければ結論は揺らぎます。妥当性は「測りたい概念を適切に測れている程度」、信頼性は「真の変化がないときに、条件を変えて繰り返しても一貫した値が得られる程度」と考えると理解しやすくなります。

たとえば同じ対象を同じ条件で測るたびに値が大きく変わる尺度は、信頼性に問題があります。毎回ほぼ同じ値でも、患者の不安ではなく知識量を主に測っていれば、不安尺度としての妥当性に問題があります。一定して間違う測定もあるため、信頼性が高いことだけでは十分ではありません。

質問紙や患者報告アウトカムを読むときは、対象の年齢、疾患、言語・文化において、内容妥当性、構成概念妥当性、信頼性、変化を捉える反応性が検討されているかを確認します。他の集団で良好だった尺度が、今回の対象にもそのまま適切とは限りません。

測定時刻、単位、機器、姿勢、薬剤やケアとの時間関係、測定者、質問の順序が群でそろっているかも重要です。単位や測定時点のない「平均80」という記載だけでは意味を判断できません。複数の測定者がいる場合は、手順の訓練や評価者間の一致も確認します。

研究で便宜的に決めた群分けの値を、診断基準、重症度分類、検査の基準範囲、治療目標、報告基準と混同してはいけません。これらは目的も根拠も異なります。研究上のカットオフを見つけても、それだけで患者の診断や報告の要否を決めないことが安全上の原則です。

この章の要点データは大きく、種類や順序を表すカテゴリー・データと、数として量を表す数量データに分けられます。どの種類かによって、意味のある計算や図表が変わります。

名義データは血液型や部署のように分類だけを表し、二値データは「あり・なし」の2分類です。順序データは重症度の段階や回答尺度のように並び順がありますが、隣り合う区分の間隔が等しいとは限りません。数量データには回数のような離散データと、身長や時間のような連続データがあります。

平均は全データを足して人数で割った値で、外れ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、分布が左右に偏るときに中心を表しやすい指標です。標準偏差〈SD〉は平均の周りのばらつき、四分位範囲〈IQR〉は中央50％の広がりを示します。平均だけを見ず、ばらつきと分布の形を確かめます。

保健師国家試験の令和5年版出題基準では、カテゴリー・順序・数量データ、正規分布、平均・中央値・標準偏差・四分位数、相関・回帰、点推定・区間推定、帰無仮説と統計学的有意性、検定、図表の活用が「保健統計」に明記されています。保健師を目指す学生には直接の学習範囲であり、看護論文の読解にも共通する基礎です。

この章の要点量的研究は、①疑問と先行研究を確認する、②研究目的・仮説・デザインを決める、③対象・変数・測定・標本数・分析を計画する、④倫理審査など必要な手続を済ませる、⑤同じ手順でデータを集める、⑥データを点検して事前計画に沿って分析する、⑦限界を含めて報告する、という流れで進めます。

分析前には、入力誤り、単位、取り得ない値、重複、欠測を確認します。ただし、都合の悪い値を理由なく削除してはいけません。外れ値や欠測をどう扱うかは、可能な限り分析前に規定し、実際に行った処理を報告します。欠測が群によって多い、悪化した人ほど追跡できない、といった状況では結果が偏る可能性があります。

人を対象とする研究では、良い目的があっても自由にデータを集めてよいわけではありません。検索日時点で適用中の国内倫理指針は、社会的・学術的意義、科学的合理性、利益と負担・不利益の比較、独立した倫理審査、十分な説明と自由意思による同意、弱い立場にある人への配慮、個人情報の適切な管理、研究の質と透明性を基本方針としています。

看護学生の課題でも、患者への質問、診療録・看護記録、写真、音声、既存データを使う場合は、自己判断で収集を始めません。研究に該当するか、どの同意・情報公開・倫理審査が必要かは、研究内容と所属機関の規程によって変わります。担当教員や研究責任者へ相談し、許可を得てから進めます。氏名を消せば必ず自由に使える、後から同意を取ればよい、というものではありません。

この章の要点論文の結果は、最初に誰が何人解析されたかを確認します。参加候補、適格者、同意者、割付けまたは登録された人数、追跡できた人数、最終解析人数をたどり、除外・辞退・脱落の理由を見ます。最初は100人でも解析が60人なら、残った60人だけの結果になっていないかを考えます。

次に、年齢、疾患の重症度、開始時のアウトカムなど、群の背景を確認します。RCTでは無作為割付けをしても小標本では偶然の不均衡が生じ得ます。観察研究では群の違いが介入・曝露の効果と混ざりやすいため、どの交絡因子をなぜ調整したかを見ます。

その後、事前に定めた主要アウトカムを探し、各群の値、群間差または関連の推定値、単位、測定時点、95％信頼区間、正確なp値の順で読みます。二値アウトカムでは、相対効果だけでなく絶対数・絶対差も確認します。副次アウトカムやサブグループ解析だけが強調されていないかも重要です。

害や望ましくない出来事、患者負担、実施できなかった介入、欠測も結果の一部です。平均が改善していても、一部の人に大きな不利益があれば結論は変わります。利益と害の両面を、同じ測定期間で比べます。

この章の要点p値は、指定した統計モデルと帰無仮説が成り立つと仮定したとき、観察された結果と同じか、それ以上に極端なデータが得られる確率です。帰無仮説は、たとえば「2群の平均に差がない」「2変数に関連がない」という、検定の出発点となる仮説です。

p値が小さいほど、得られたデータは帰無仮説と両立しにくいと考えます。しかし、p値は「帰無仮説が正しい確率」「この結果が偶然だった確率」「別の研究でも再現する確率」ではありません。研究デザインや測定に偏りがあれば、p値を正しく計算しても結論は信頼できません。

0.05はよく使われる基準ですが、自然界にある絶対的な境界ではありません。有意水準は分析前に定め、p＝0.049とp＝0.051を正反対の結果のように扱わず、正確なp値、効果の大きさ、95％信頼区間、研究の質を一緒に読みます。

p値は標本数の影響も受けます。大規模研究ではごく小さな差でもp値が小さくなり、小規模研究では看護上重要かもしれない差があってもp値が大きくなることがあります。したがって、p＜0.05でも重要な効果とは限らず、p≧0.05でも「差がない」と証明されたわけではありません。多くの項目を繰り返し検定すると、偶然に小さなp値が出る可能性が増えるため、主要アウトカムと事前計画も確認します。

この章の要点研究結果の中心は、p値ではなく効果推定値です。平均値の差、リスク差、リスク比〈RR〉、オッズ比〈OR〉、相関係数などが、差や関連の方向と大きさを表します。どの指標か、単位は何か、値が大きいほど良いのか悪いのかを最初に確認します。

差を表す指標では0、比を表すRRやORでは1が「差・関連なし」に相当します。95％信頼区間〈95％CI〉は、推定の不確かさを示す区間です。厳密には、同じ方法で研究と区間推定を無数に繰り返したとき、その95％の区間が真の値を含むように作られています。今回得た一つの区間に真の値が95％の確率で入る、という意味ではありません。初学者は、真の効果としてデータと比較的両立する値の範囲と、その推定の精度を考える手掛かりと捉えるとよいでしょう。

区間が狭いほど推定は精密で、広いほど不確かです。差の95％CIが0をまたぐ、またはRR・ORの95％CIが1をまたぐ場合、そのデータは「差なし」とも両立します。ただし、幅が広ければ、重要な利益と不利益の両方に両立していることもあります。「統計学的に有意でない」から「同じ」とは結論できません。

相対効果と絶対効果も分けます。架空の学習例として、ある出来事が比較群20人／100人、介入群10人／100人に起きたとします。RRは0.50で相対的には50％低下、リスク差は10ポイント低下です。同じRRでも比較群のもとのリスクが2％なら絶対差は小さくなり得るため、相対値だけでは患者にとっての大きさが分かりません。

統計学的な差が、臨床的・看護実践上重要とは限りません。あらかじめ定めた最小重要差、患者が実感できる変化、害、負担、費用、実行可能性、患者の価値観と希望を合わせて判断します。

この章の要点二つの変数が一緒に変化する関連が見つかっても、一方が他方の原因とは限りません。原因と考えるには、原因候補が結果より先に生じたか、比較群は適切か、交絡・選択・測定の偏りをどこまで減らせたか、他の研究と整合するかなどを検討します。

横断研究は同じ時点で測るため、AがBを生じさせたのか、BがAに影響したのか判断しにくい研究です。コホート研究は時間の順序を追いやすいものの、介入を無作為に割り付けていないため交絡が残り得ます。RCTは介入効果の因果推論に強い設計ですが、脱落、割付け後の治療の違い、盲検化の困難、測定の偏りがあれば強みが弱まります。

相関係数は、主に二変数が直線的に一緒に変化する程度を示します。値が大きくても因果関係や一致度を示すとは限らず、外れ値や狭い測定範囲の影響も受けます。散布図を併せて、形、外れ値、群の混在を見ます。

一般化可能性、または外的妥当性とは、研究結果を研究外の人や場面へどの程度当てはめられるかという問題です。研究参加者の年齢、疾患、重症度、併存症、文化・言語、実施施設、ケア提供者、介入量、追跡期間が、目の前の患者と似ているかを確認します。単一研究の平均を、そのまま個人の予測値や保証にしないことが重要です。

この章の要点次は、結果の読み方を学ぶために作った架空の研究例です。実在する患者・施設・研究結果ではなく、特定の説明方法の効果を示す根拠でもありません。

ある研究で、初めて検査を受ける成人120人を、新しい説明用紙群と従来用紙群へ無作為に割り付けたとします。主要アウトカムは説明直後の理解度得点0〜10点で、点数が高いほど理解度が高い設定です。最小重要差は研究前に1.0点と定められていました。

結果は、新しい用紙群8.1点、従来群7.6点、平均差0.5点、95％CI −0.1〜1.1点、p＝0.10でした。最良の推定は0.5点の上昇ですが、95％CIは、ほぼ差がない可能性から1.0点をわずかに超える改善までを含みます。p＝0.10を理由に「効果なし」とは言えず、逆に「改善が証明された」とも言えません。不確実な結果と捉え、より精密な研究が必要です。

さらに、120人のうち解析されたのが105人なら、除外された15人の理由と群別人数を確認します。理解が難しかった人ほど回答しなかった場合、解析値は高めに偏るかもしれません。得点尺度の妥当性・信頼性、説明を担当した人、患者の視力・言語、害や負担、結果が他施設にも当てはまるかも確認します。

この読み方の順序は、①対象とデザイン、②解析人数と欠測、③各群の値、④効果推定値、⑤95％CI、⑥p値、⑦臨床的な意味、⑧バイアスと適用可能性です。p値は6番目であり、結論を一つで決める数字ではありません。

この章の要点量的研究は看護判断を支える材料ですが、研究結果だけでケアを一律に決めるものではありません。研究で平均的な利益が示されても、目の前の患者には異なる反応、禁忌、負担、希望がある可能性があります。研究の対象・条件と患者の状態を照合し、施設の方針と看護チームの判断の中で用います。

実習では、論文で有効とされたケアを学生が独自に変更・実施しません。担当教員と指導看護師へ、研究の対象、介入、比較、主要な効果と95％CI、害、限界、目の前の患者との違いを簡潔に伝え、適用の可否を相談します。

ケアを実施した後は、研究で使われたアウトカムだけでなく、患者の訴え、表情、バイタルサイン、機能、生活への影響など、ケア目的に関係する所見を組み合わせ、実施前後の変化を同じ条件で再評価します。変化が患者にとって良いか、負担が増えていないか、時間とともに戻っていないかを見ます。

急な状態悪化や普段と異なる重要な変化があれば、論文の平均値や研究上のカットオフを確認するために報告を遅らせません。実習施設の安全手順に従い、指導看護師・担当教員へ、誰に何が、いつから、どの程度変化し、何を観察・実施したかを伝えます。測定機器、単位、測定条件、再測定結果も確認します。研究上の「平均的には安全」は、個別患者の安全を保証しません。

この章の要点量的研究を読むときは、まず「誰を何人調べたか」、次に「差や関連はどの程度か」、最後に「その推定はどれほど確かか」を確認します。研究デザイン、対象者の選び方、測定の妥当性・信頼性、欠測、バイアス、交絡を見なければ、統計値だけでは結論の質を判断できません。

平均にはばらつき、割合には分母、効果推定値には単位・測定時点と95％信頼区間を添えて読みます。p値は帰無仮説との両立しにくさを示す一つの情報で、効果の大きさ、重要性、因果関係、再現性を単独では示しません。

実習で生じた疑問は、PICOまたはPECOで対象、介入・曝露、比較、アウトカムへ分けると、調べるべき文献や測るべき変数が見えやすくなります。研究結果を看護へ戻すときは、患者の個別性、利益と害、希望、実行可能性を照合し、チームで判断し、実施後も観察と再評価を続けます。