バイアスの種類と論文評価への影響：
選択・情報・交絡を理解する
読了時間：約10分
バイアスとは何か
研究におけるバイアス（bias）は「真の値から系統的にずれる誤差」です。 ランダムな測定誤差（偶然誤差）と異なり、バイアスは一定の方向に結果を歪めます。 サンプルサイズを増やしても解消されないため、研究設計や分析の段階で対策が必要です。
バイアスは大きく「研究に誰を含めるか（選択バイアス）」「何をどう測るか（情報バイアス）」 「第三の変数が結果を歪めないか（交絡）」の3種類に分類されます。 論文を批判的に読む際は、これらのバイアスがどこに潜んでいるかを意識することが エビデンスの適切な評価につながります。
選択バイアス：誰を研究に含めるか
選択バイアス（selection bias）は、研究に参加する人・しない人の間に アウトカムに関連する体系的な違いがある場合に生じます。
健康労働者効果（Healthy Worker Effect）
職業コホート研究で就労者は一般集団より健康であるため、職業曝露の健康影響を過小評価する。定期健診を受けられる健康状態の人だけが研究参加できることによるバイアス。
サバイバーバイアス（Survivor Bias）
研究完了時点で生存・残存している人だけが解析対象になることで生じる偏り。例：重篤な副作用で脱落した患者が解析から除外されることで、薬剤の安全性が過大評価される。
自己選択バイアス（Volunteer Bias）
研究に自ら参加する人は健康意識が高く、一般集団とは異なる特性をもつことが多い。スクリーニング研究での検診受診者は非受診者より健康的な傾向がある。
バークソンバイアス（Berkson's Bias）
病院患者を対象とした症例対照研究でよく見られる。入院患者は複数の疾患を持ちやすく、疾患間の見かけ上の関連が生じる。地域一般集団での関連とは異なることがある。
選択バイアスへの対策：無作為化（RCT）、層別化サンプリング、追跡率の確保（80%以上が理想）、 登録と結果を比較したアテリションバイアスの評価など。
情報バイアス：何をどう測るか
情報バイアス（information bias）は、曝露・アウトカム・交絡因子の測定が不正確・不完全なために生じます。 観察研究（コホート・症例対照研究）で特に問題になりやすいです。
想起バイアス（Recall Bias）
症例対照研究で問題になりやすい。疾患の診断を受けた人（症例）は過去の曝露をより詳しく思い出そうとするため、対照群より正確または過剰に曝露を報告する傾向がある。
観察者バイアス（Observer Bias）
評価者が仮説を知っている場合、無意識に期待する方向の結果を記録してしまうバイアス。二重盲検法（double-blind）や結果評価者の盲検化で防ぐ。
測定バイアス（Measurement Bias）
測定機器の精度不足や、異なる時点・施設で異なる測定方法を使うことによるバイアス。バリデーションされた測定ツールの使用と標準化プロトコルが対策。
差次的誤分類（Differential Misclassification）
曝露あり/なしでアウトカムの測定精度が異なる場合。例：自覚症状が多い群の方が詳しく検査されてアウトカムが多く検出されるケース。
交絡：第三の変数が結果を歪める
交絡（confounding）は、曝露とアウトカムの両方に関連する第三の変数（交絡因子）が存在することで、 見かけ上の関連が生じる現象です。観察研究の最大の脅威ともいわれます。
古典的な例：「コーヒーを飲む人は肺がんリスクが高い」という観察研究の結果。 しかし喫煙者はコーヒーをよく飲む傾向があり、喫煙が肺がんの真の原因です。 この場合「喫煙」が交絡因子です。コーヒーと肺がんの見かけ上の関連は喫煙で説明できます。
交絡への対策は研究デザインと解析の両面から行われます。
ランダム化（RCT）
既知・未知の交絡因子をグループ間で均等に分散させる最強の手法
多変量解析
既知の交絡因子を統計的に調整する（回帰分析・ロジスティック回帰等）
傾向スコア法
観察研究でRCT類似の比較を行う手法。曝露確率でマッチング・重み付け
マッチング
症例対照研究で症例と対照を年齢・性別等の交絡因子でマッチさせる
その他の重要なバイアス
ホーソン効果（Hawthorne Effect）
研究参加者が観察されていることを認識することで行動が変容するバイアス。介入研究で対照群も介入群と同程度に行動改善することがある。盲検化（特にシングルブラインド）でも完全には防げない。
出版バイアス（Publication Bias）
統計的に有意な結果を示した研究は発表されやすく、否定的な結果は発表されにくい傾向。メタアナリシスで効果が実際より大きく見積もられる原因になる。ClinicalTrials.govへの事前登録で対策できる。
報告バイアス（Reporting Bias）
研究論文の中で、有意な結果が出たアウトカムだけを報告し、有意でなかったアウトカムを省略するバイアス。事前登録されたプロトコルと実際の論文を照合することで検出できる。
注意バイアス（Attention Bias）
介入群の参加者は対照群より多くの注意や接触機会を得ることで、介入の内容とは無関係に状態が改善するバイアス。対照群をアクティブコントロール（別の積極的介入）にすることで対策する。
バイアスを評価するツール
論文を批判的に評価する際、研究デザインに応じた標準的なバイアス評価ツールを使うと効率的です。
Cochrane RoB 2.0
ランダム化・盲検化・脱落・選択的報告の5ドメイン
ROBINS-I
交絡・選択・分類・逸脱・欠損・測定・報告の7ドメイン
NOS（Newcastle-Ottawa Scale）
選択・比較可能性・アウトカムの3カテゴリ、星評価式
QUADAS-2
患者選択・index test・参照基準・フローの4ドメイン
CASP チェックリスト
Critical Appraisal Skills Programmeが提供する日本語対応の評価シート
まとめ
- バイアスは真の値から一定方向にずれる系統的誤差で、サンプルサイズを増やしても解消されない
- 選択バイアス：研究参加者の偏り（健康労働者・サバイバー・自己選択バイアス等）
- 情報バイアス：測定の歪み（想起・観察者・測定・誤分類バイアス等）
- 交絡：第三の変数による見かけ上の関連→ランダム化・多変量解析・傾向スコアで対策
- 出版バイアス・報告バイアスはメタアナリシスの結論を歪める可能性がある
- 研究デザインに応じたRoB評価ツール（RoB 2.0、ROBINS-I、NOS等）を活用する
- バイアスの有無を評価した上で、研究結果の解釈可能な範囲を判断することが重要