カテゴリー: コラム

「マウスで確認された」から「人でも起きる」までの距離は、同じデータを見て正反対の結論が出るほど開いています。

「マウスの実験で、脂肪の蓄積が抑えられることが確認されました」。健康食品の説明でよく見かける一文です。読み手は自然に、自分が摂ったときにも似たことが起きるだろうと考えます。

その飛躍はどれくらい大きいのでしょうか。動物実験は無意味なのか、それとも十分な根拠なのか。答えは「場合による」ですが、その「場合」を分ける条件はある程度分かってきています。同じデータを見て正反対の結論が出た有名な論争も含めて、整理します。

動物実験は、何のために行われているのか

動物実験は、人での試験の代わりに行われているのではありません。多くの場合、人で試す前の段階で、仕組みを調べ、毒性を確認し、次に進むかどうかを判断するために行われます。

そこで問われているのは「効くかどうか」よりも「試すに値するか」です。研究デザインごとに言えることの範囲が変わる点はエビデンスという言葉を整理した記事でも触れました。動物実験で良い結果が出ることは、人での検証を始める理由にはなっても、人で効くことの根拠にはなりません。この区別が、宣伝文と研究のあいだで最もよく崩れます。

実際に照らし合わせると、当たったり外れたりしている

動物とヒトで結果が一致するのかを、6つの治療について正面から照らし合わせた検証があります¹。

結果は、分かれました。

頭部外傷へのステロイドは、動物では効果が出ていたのにヒトの試験では利益が示されませんでした。出血を止める薬は逆で、ヒトでは効いたのに動物のデータでは結論が出ませんでした¹。一方、脳卒中の血栓溶解療法は、動物でもヒトでも同じ方向でした¹。

当たることもあれば、外れることもある。どちらになるかは、事前には分かりません。

著者らの結論は控えめです。動物実験と人での研究のずれは、バイアスによるものかもしれないし、動物モデルが臨床の病態を十分に再現できていないためかもしれない¹。動物実験が間違っているとも、モデルが悪いとも断定してはいません。研究の質に問題がある可能性も、同じ重さで挙げています。

同じデータから、正反対の結論が出た

この分野には、読み方の難しさを象徴する論争があります。

先に出たのはソクらの2013年の論文です。熱傷・外傷・敗血症・感染という、命に関わる急性の病態を対象にしていました²。

この論文は大きな反響を呼び、マウスでの実験にどこまで頼ってよいのかという議論を起こしました。

2年後、タカオと宮川が同じデータを再解析しました。絞り込みを変えると、同じ方向に変化した遺伝子は77〜93%にのぼりました³。

どちらの絞り方にも理屈があり、どちらも査読を通っています。

この論争から分かるのは、「動物実験は人に当てはまるか」という問いが、何と何を比べるかを決めないと答えられないということです。「再現する／しない」は、比べ方で変わります。

ずれが生じる、具体的な理由

個別の理由も分かっています。

投与量の問題があります。動物実験では、ヒトの通常摂取量からは遠く離れた高用量が使われることが多い。（「解毒作用がある」とされる食品の根拠も、多くがこの段階にとどまっています。）仕組みを見るためには効果を大きく出す必要があるからです。体重あたりで換算しても、そのままヒトの摂取量にはなりません。

投与経路の問題もあります。腹腔内に注射した場合と、口から摂って消化管を通る場合では、届く量も形も変わります。試験管の中で細胞に直接振りかけた結果であれば、消化と吸収の過程がまるごと省かれています。

そして対象の問題があります。実験動物は遺伝的にそろえられ、同じ環境で、同じ餌を食べ、多くは若い個体です。病気も人工的に起こされたものです。年齢も背景も生活も異なる人間の集団とは、条件が違いすぎます。

それでも動物実験が必要な理由

ここまで読むと動物実験が当てにならないように見えますが、そうではありません。

仕組みを調べるには、組織を取り出し、遺伝子を操作し、条件を変えて繰り返す必要があります。人ではできないことばかりです。安全性の見当をつけるためにも、先に動物で確かめる段階は欠かせません。

この検証が示したのは、動物実験が無価値だということではなく、動物で見えたことが人でも起きるかどうかは、人で確かめるまで分からない、という当たり前の事実です。動物実験の結果は、答えではなく仮説の位置にあります。

どの条件ならうまくいくのかは、まだ見えていない

正直なところ、動物からヒトへの外挿がうまくいく条件について、一般的な法則はまだありません。疾患領域によって一致度が違うことは示唆されていますが、事前にどちらになるかを予測する方法は確立していません。ソクらとタカオらの論争も決着しておらず、どちらの解析方針が適切かをめぐる応答が、その後も同じ雑誌で交わされています。

動物実験の側の質にも課題が残ります。ペレルらは、ずれの原因としてバイアスの可能性を挙げていました¹。無作為化や盲検化が十分に行われていない動物実験は少なくなく、報告の仕方も研究によってばらつきます。人での試験に求められる水準が、動物実験には必ずしも適用されてきませんでした。

それでも、「実験で確認された」という表現に出会ったとき、探せることはいくつかあります。対象はヒトか、動物か、培養細胞か。書かれていない場合でも、小さな注記に「マウスにおける試験」と添えられていることがあります。どういう形で与えられたか。飲んだのか、注射したのか、細胞に直接かけたのか。その量は、現実的な摂取量とどう関係するのか。

これらが分からないとき、その結果は「人でも同じことが起きる根拠」としては使えません。ただし「起きないことの証明」でもない。まだ仮説の段階にある、ということです。

「まだ分からない」を、どこに置くか

この置き場所が問われている分野が、身近にあります。「デトックス」です。

2015年の総説によれば、コリアンダー、海苔、オレストラといった食品に解毒作用を示唆する予備的な知見はあるものの、その大半は動物で行われた研究でした。そして著者らの知る限り、市販のデトックス食の有効性を評価した無作為化比較試験は行われていません。

仕組みとしてありうる話が、人で確かめられないまま製品の説明になっている——この記事で見てきた構造が、そのまま出ています。

一方で、経路そのものは人の生理学として確立しています。「仕組みがある」と「その仕組みを外から高められる」のあいだに、この距離があります。

動物実験の結果は、期待を持つには十分で、確信を持つには足りません。この中間の状態をどう扱うかは、科学の問題というより、それぞれの人の判断の問題になります。

害が小さく費用も小さいなら、仮説の段階で試してみることに合理性がある場合もあります。逆に、負担が大きい選択なら、もう少し確かめてからでも遅くありません。同じ「マウスでの結果」でも、何を賭けるかで扱いは変わります。「エビデンスがあるか」より先に、「自分は何を賭けようとしているか」を決めたほうが早く進みます。

健康情報を読むときに効いてくるのは、それが細胞の話なのか、マウスの話なのか、人で試した話なのかを見分けることです。段階が分かれば、期待の大きさもそこに合わせられます。

実際の商品では、この段階が表示のどこかに書かれています。届け出られた根拠が、その商品を人で試したものなのか、成分についての過去の研究をまとめたものなのかは、確かめられます。

本記事は研究結果の読み方を整理したものであり、特定の製品・治療法の推奨や否定を目的とするものではありません。個別の診断・治療に代わるものでもありません。

「まだエビデンスがありません」と書かれているものの大半は、まだ誰も調べていないほうです。効果がないと分かったほうではありません。

日常会話では、この二つはほとんど同じ意味で使われます。「証拠がない」と聞けば「じゃあ違うんだろう」と考えるのは自然な反応で、責められることではありません。ただ研究の世界では、この二つは明確に別のものとして扱われています。区別を曖昧にしたまま話が進むと、判断が思わぬ方向へずれていきます。

「差がなかった」と「差がないと分かった」は違う

二つの治療を比べて差が出なかった研究は、かつて「ネガティブな研究」と呼ばれていました。この呼び方だと、差がないことが確かめられたように読めます。実際に示されたのは、差があるという証拠が得られなかった、というところまでです。

この点を指摘したのが、1995年に BMJ の統計解説シリーズに載った「Absence of evidence is not evidence of absence（証拠がないことは、ないことの証拠ではない）」という短い記事でした¹¹。

この読み違いがどこで起きるのかは、京都大学の公開講義（57分）が正面から扱っています。腰を据えて確かめたいときに。

差が見つからない理由は、もうひとつあります。参加者の数が少なすぎて、本当はある差を捉えられなかった場合です。二人は、当時の試験の多くがこの規模不足を抱えていたことも指摘しています¹。差が見つからなかったのは、差がないからなのか、探す力が足りなかったからなのか。そこを区別していない研究が多い、ということです。

「見つからなかった」の三つの理由

差が検出されなかったとき、背後にありうる事情は少なくとも三つあります。

この区別が実務的に効いてくるのは、たとえば古くからある方法や、特許が取れない物質、対象者の少ない状態を扱うときです。市販のデトックス食にヒトでの無作為化比較試験が存在しないのも、同じ理由です。研究には費用がかかります。誰が費用を出すのかによって、何が調べられ、何が調べられないかは変わります。研究の空白は、必ずしも効果の不在を反映していません。

「効果がない」を示すには、別の設計が要る

ひとつは、推定の幅を見ることです。研究は「差は0.5だった」と一点で出すのではなく、「差はこの範囲に収まりそうだ」という幅つきで出します（信頼区間と呼ばれます）。差が見つからなかった研究でも、その幅が「大きな効果はありえない」と言える程度に狭ければ、効果がないことの根拠になります。幅が広ければ、大きな効果も小さな効果も否定できていません。差の有無だけを見ていると、この違いは見えません。

もうひとつは、最初から「差がないこと」を確かめる目的で試験を組むことです。どこまでの差なら実質的に同じとみなすかを先に決め、それを判定できる人数を計算して実施します。効果を探す試験とは、設計そのものが別になります。

効果がないという主張にも、効果があるという主張と同じくらいの設計と規模が必要になります。「調べたけれど出なかった」は、その代わりにはなりません。

「高品質の根拠がある」ほうが、むしろ例外

ここで、視野を少し広げてみます。医療全体を見渡したとき、高い確実性で効果が示されている介入はどれくらいあるのでしょうか。

また、害について測定されていたのは577件（36.8%）にとどまり、そのうち統計的に有意な害が示されたのは127件（8.1%）でした²。著者らは結論として、最近のコクラン・レビューで検討された医療介入の10のうち9以上は高品質のエビデンスに支持されておらず、害は過小に報告されている、と述べています²。

この数字の受け取り方には注意がいります。これは「医療の9割が効かない」という意味ではありません。GRADEで最高評価がつくには厳しい条件が要り、評価されていない介入も多く、そもそもコクラン・レビューが扱うのは不確実性が残る問いに偏ります。著者ら自身も、コクランの評価者の判断に依存することを主な限界として挙げています²。

それでも、この結果が示していることははっきりしています。「高品質のエビデンスがある」という状態は、医療の中でもかなり例外的です。だとすれば、「エビデンスがないからやめておく」という判断基準を一貫して適用すると、現に行われている多くのことが対象になってしまいます。

では、空白をどう埋めるのか

身近な例では、水を多く飲むことの効果がこれにあたります。無作為化比較試験はごくわずかしかありません。効果がないのではなく、まだ確かめられていない、という状態です。

研究が足りない領域について、判断を保留し続けることは現実的ではありません。日々の選択は待ってくれないからです。

見るのは、確実性の高さだけではありません。確実性と、賭けるものの釣り合いです。取り返しがつき、費用も負担も小さい選択なら、確実性が低い段階で試す価値はあります。費用が大きい、他の選択肢を諦めることになる、体への負担がある。そういう選択では、同じ確実性でも答えは変わります。

もう一つ見るのは、害がどれだけ調べられているかです。効果の大きさをどう読むかについては数字の見せ方を扱った記事が参考になります。ハウィックらの研究で、害が測定されていた介入が4割に満たなかったことは示唆的です²。効果について語られる量と、害について語られる量は、しばしば釣り合っていません。「効果のエビデンスがない」と同時に「害のエビデンスもない」なら、多くの場合それは、安全だということではなく、両方とも調べられていないということです。

ただし、どの程度の確実性があれば行動を変えてよいのかについて、一般的な基準はありません。予防接種のように集団への影響が大きい判断と、個人の生活習慣の選択とでは、求められる確実性が違って当然ですが、その線引きは統計では決まりません。ここは科学の外側にあります。

言葉を、二つに分けてみる

いま進行形でこの区別が問われている例があります。マイクロプラスチックです。

日本学術会議は提言で、吸着・含有された有害物質による毒性影響の調査事例は少なく、「環境および健康リスク評価は全く行われていない」と書いています。米国FDAも、食品中で検出されているレベルがリスクをもたらすことを現在の根拠は示していないとしつつ、定義・参照物質・採取手順が標準化されていないことを制約として挙げています。

この状態は「安全と分かった」でも「危険と分かった」でもありません。比べられる形で測れていない、という第三の位置です。欧州の健康リスク評価の結果公表は2027年末までとされています。

そして同じ空白が、商品の側にもそのまま現れます。検査の蓄積の欄で、重金属と添加物には項目名が並び、プラスチックの欄だけが「準備中」になっているのは、この空白の反映です。空白を空白として表示するか、埋めてしまうかは、作り手の選択です。

厚生労働省eJIMも「その根拠は？」とたずねること、「情報の出どころを確認する」ことを挙げています³。根拠を問うというのは、根拠の有無だけでなく、その空白がどういう種類のものかまで問うことでもあります。

「エビデンスがない」と書かれた文に出会ったら、それが調べた結果なのか、まだ調べられていないだけなのかを見分けたいところです。前者なら、どれくらいの規模で調べたのか、信頼区間はどう報告されているのかが次の問いになります。そもそも「エビデンスがある」が何を指すのかを押さえておくと、この問いは立てやすくなります。後者なら、なぜ調べられていないのか——関心が向いていないのか、費用の出し手がいないのか、対象が少なすぎるのか——が問いになります。

もっとも、公開情報からこの区別をつけるのは、専門家であっても簡単ではありません。どちらであっても、それだけで結論は出ません。ただ、どちらなのかが分かれば、次に何を探せばいいかは変わってきます。

分からないまま、選ぶということ

アルトマンとブランドの指摘から30年が経ちますが、「差が出なかった」を「差がない」と読み替える習慣は、いまも消えていません。おそらくそれは、人が判断を早く終わらせたいからでしょう。分からないという状態は、居心地が悪いものです。

けれど実際には、確実な根拠が揃った状態のほうが例外です。多くの選択は、分からない部分を抱えたまま行われています。それは科学の失敗ではなく、単に世界が複雑だということなのでしょう。

「エビデンスがないから」と保留にしていることの中に、「まだ誰も調べていない」だけのものが混ざっています。その二つを分けたところから、判断は変わります。

本記事は研究結果の読み方を整理したものであり、特定の治療法・製品の推奨や否定を目的とするものではありません。個別の診断・治療に代わるものでもありません。治療の継続や中止について、この記事を理由に自己判断で決めないでください。

観察で良さそうに見えたものが、試験で逆になった例が残っています。「よく歩く人は認知症になりにくい」は、歩けば予防できるという意味ではありません。

健康に関する報道では、この種の一文をよく見かけます。読んだ側は自然に「では歩けば予防できるのか」と受け取ります。けれど元になった研究が示しているのは、多くの場合「そういう傾向が観察された」というところまでで、「歩いたから減った」までは示していません。

「関連がある」と聞けば「なら効果があるのだろう」と読みます。研究者も同じように考えて、確かめにいきました。その結果、期待とは逆のことが起きた例がいくつも残っています。

関連が観察される、四つの道筋

AとBが一緒に動いているように見えるとき、その裏にありうる事情は一つではありません。

二番目と三番目は、思っているより見分けがつきません。運動量の少ない人に認知症が多いという観察は、認知症の初期変化が活動量を下げている可能性と区別しにくいものです。よく歩く人は喫煙率が低く、収入や教育年数も違い、健診も受けています。効いているのは歩くことではなく、歩ける生活を成り立たせている条件のほうかもしれません。

観察研究では、この三番目——AとBの両方に影響する別の要因があるという場合（交絡と呼びます）——を統計的に調整しようとします。腸内細菌と健康の関係のように、この問題が特に集中する領域もあります。ただし調整できるのは測定した項目だけで、測っていない要因、そもそも測りようのない要因は残ります。ここが観察研究の構造的な限界です。

観察で見えていたものが、試験で消えた例

期待された方向とは逆の結果が出た例が、実際にいくつもあります。どちらも、観察の段階では関連がはっきり見えていたものです。

β-カロテンと肺がん

カロテノイドを多く含む野菜や果物をとる人、血中のβ-カロテン濃度が高い人は肺がんが少ない。この観察が積み重なり、では補って摂ればどうかという試験が組まれました。

男性喫煙者29,133人を無作為に分けて、β-カロテンを5〜8年にわたって投与した試験です。結果は、受けた群のほうが肺がんの罹患が18%高いというものでした²。

米国の別の試験（対象18,314人）も同じ方向でした。肺がんも全死因死亡も増えたため、予定より21か月早く中止されています³。

いずれも喫煙歴のある集団を対象にした試験であり、この結果を喫煙しない人にそのまま当てはめることはできません。それでも、「血中濃度が高い人は病気が少ない」から「その成分を補えば病気が減る」への飛躍が成り立たない場合があると示した影響は、大きなものでした。

ホルモン補充療法と心疾患

閉経後のホルモン補充療法についても、観察研究では心疾患が少ないという報告が重ねられていました。試験で確かめると、逆でした。

健康な閉経後女性を対象に、エストロゲンとプロゲスチンの併用とプラセボを比較した結果、平均5.2年の追跡で冠動脈疾患のハザード比は1.29（95%信頼区間 1.02〜1.63、286例）、脳卒中は1.41（同 1.07〜1.85、212例）、浸潤性乳がんは1.26（同 1.00〜1.59、290例）でした。試験は乳がんの発生が中止基準を超えたため途中で打ち切られています⁴。

注目したいのは、この論文が相対的な指標だけでなく絶対的な差も併記していることです。この二つがどう違うのかは別の記事で詳しく扱っています。1万人年あたりの超過リスクは冠動脈疾患が7件、脳卒中が8件、肺塞栓が8件、浸潤性乳がんが8件。大腸がんは6件、大腿骨近位部骨折は5件少なくなっていました⁴。「1.29倍」という数字と「1万人年あたり7件」という数字は同じ事実の別の表現ですが、受ける印象はかなり違います。

「善玉コレステロール」で起きたこと

HDLコレステロールは「善玉」と呼ばれ、高いほうが心筋梗塞が少ないことが繰り返し観察されてきました。関連はかなり強いものでした。

ところが、HDLが生まれつき高くなる体質の人を調べると、心筋梗塞が少なくなっていませんでした⁵。

使われたのは、メンデルランダム化という方法です。ある物質の血中濃度を高くする遺伝的な体質は、受精の時点でほぼランダムに割り振られます。生活習慣や収入では決まりません。だとすれば、その体質を持つ人と持たない人を比べることは、自然が行った無作為割り付けを使った比較に近づきます。

観察でHDLと心筋梗塞のあいだに見えていた関連が本当に因果なら、その体質を持つ人ではリスクが13%下がっているはずでした。実際には、差が見当たりませんでした⁵。HDLだけに関わる14の遺伝子多型を組み合わせたスコアでも、同じでした⁵。

この結果が効いてくるのは、同じ手法がLDLコレステロールでは因果を検出しているからです⁵。この方法自体は因果を捉えられます。LDLでは捉え、HDLでは捉えなかった。だからこそ「HDLが高いことは、心筋梗塞が少ないことの原因ではないかもしれない」という読み方が出てきます。

ここから持ち帰れるのは、関連が強いことは、原因である証拠にならないということです。強さではなく、どう確かめたのかを問う必要があります。

論文の結論も慎重で、「血漿HDLコレステロールを上げる遺伝的機構のいくつかは、心筋梗塞リスクを下げないようにみえる」と書かれています⁵。すべてのHDLの働きを否定したわけではない、という含みが残されています。

では、観察研究は当てにならないのか

それでも、観察研究でなければ分からないことがあります。喫煙と肺がんの関係は、人を無作為に喫煙群と非喫煙群に割り付ける試験なしに確立しました。そんな試験は倫理的に不可能だからです。研究がないことと、効果がないことは別です。

1965年、オースティン・ブラッドフォード・ヒルはまさに「環境と疾病 — 関連か、因果か」と題した講演で、観察された関連から因果を判断するために考慮すべき九つの観点を示しました。強さ、一貫性、特異性、時間的先行、量反応関係、生物学的妥当性、整合性、実験、類似性です¹。

どれも単独では決め手になりませんが、揃うほど因果の説明は有力になります。曝露が結果より先に起きているか。量が増えるほど結果も増えるか。別の集団、別の方法でも同じ傾向が出るか。仕組みの説明がつくか。観察研究であっても、これらが積み重なれば因果の推論は強くなります。逆に、たった一つの観察研究で関連が見つかっただけの段階は、この積み重ねのごく入り口にすぎません。

もっとも、メンデルランダム化も万能ではありません。この方法は、使う遺伝子変異が目的の物質だけに影響し、他の経路を通じて結果に影響しないという前提に立っています。ひとつの遺伝子が複数の働きを持つことは珍しくなく、この前提が成り立つかどうかの検証自体が研究上の課題になっています。遺伝的な違いは生涯続くものなので、大人になってから短期間だけ介入した場合と同じ効果を意味するとも限りません。

無作為化比較試験にも別の限界があります。参加できる人は限られ、期間も限られます。ATBC試験の結果を非喫煙者に広げられないのはその一例です。厳密な条件下で確かめられたことと、実際の生活の中で起きることのあいだには、常に隙間が残ります。

ひとつの研究デザインで因果が決まることは、ほとんどありません。観察研究、無作為化試験、遺伝情報を使った解析。別々の方法が同じ方向を指したとき、確からしさは一段上がります。

記事を読むときに確かめられる、三つのこと

厚生労働省eJIMは「情報を見極めるための10か条」の中で、「因果関係を見定めよう」「比較されていることを確かめよう」という観点を挙げています⁶。専門的な吟味は難しくても、次の三点は多くの記事から読み取れます。

ひとつめは、比較があるかどうか。「Aを実践している人の◯%が改善」だけでは、実践していない人がどうだったのかが分かりません。ふたつめは、時間の順序。曝露が結果より先に起きたことが確かめられているのか、同じ時点で測っただけなのか。みっつめは、使われている動詞です。「関連していた」「傾向がみられた」と書かれているのか、「効果があった」「予防する」と書かれているのか。研究者が慎重に選んだ動詞が、記事の見出しで別の言葉に置き換わっていることは少なくありません。

「原因」を探したくなるとき

最後に、相関の手前にあるものを1つ挙げておきます。「症状の一覧に当てはまった」は、相関ですらありません。

相関は、2つの変数を多数の人で測って、一緒に動いているかを見たものです。症状のリストに当てはまるかどうかは、比較対象のない1人分の観察です。

しかも比較対象を置くと、当てはまりの意味が変わります。一般の人1,000人の調査では、過去7日間に症状がまったくなかった人は10.6%で、経験した症状の数は中央値5個でした。つまり9割の人が当てはまります。

「当てはまった」→「相関がある」→「原因である」。最初の矢印から、すでに飛んでいます。

体調が思わしくないとき、人は原因を一つに絞りたくなります。あの食べ物か、あのストレスか、あの習慣か。原因が特定できれば、対処もはっきりするからです。

けれど、ここまで見てきた研究者たちの苦労は、その特定がいかに難しいかを示しています。何万人を何年も追いかけ、遺伝子まで動員しても、関連と因果を分けるのは容易ではありません。そもそも「エビデンスがある」という言葉が何を指しているのかについてはこちらにまとめました。自分ひとりの体調について、思い当たった一つの要因を原因だと決めるのは、それよりずっと不確かな作業になります。

この構造は、サプリメントを足すかどうかを決めるときにそのまま効いてきます。観察で良さそうに見えたものが、試験で覆った例は、判断の順番を考える材料になります。

本記事は研究結果の読み方を整理したものであり、特定の治療法・製品の推奨や中止を促すものではありません。また、個別の診断・治療に代わるものではありません。治療中の方は、この記事を理由に自己判断で変更しないでください。

「リスクが50%減る」と書かれていても、何が半分になったのかは書かれていません。100人に2人が1人になったのかもしれない。同じ結果の、別の読み方を整理します。

この一文は、大きな効果があるように読めます。半分になると書いてあるのですから当然です。ただ、何が半分になったのかは書かれていません。100人に2人が1人になったのか、1万人に2人が1人になったのか。どちらも「50%減」です。

同じ研究結果を別の言い方にしただけで、人の判断は変わります。それは検証されていて、実際に社会を動かしてしまった例も残っています。

同じ結果を、三通りに書く

ひとつの結果は、少なくとも三通りの言い方で書けます。

「25%減」「0.1ポイント減」「1,000人に1人」。どれも同じ1人分の変化を指しています。広告や見出しで選ばれやすいのは最初の言い方です。いちばん大きく見えるからです。

この例は架空のものではありません。ギゲレンツァーらは、乳がん検診について「マンモグラフィ検診は乳がんで死亡するリスクを25%下げる」という表現が、実際には「1,000人のうち1人が乳がんで死亡せずにすむ」ことを意味すると指摘しています¹。

表現の違いは、受け手の判断を変える

「見え方が違うだけで、分かる人には同じでしょう」。これも検証されています。

世界中の研究を集めて評価している国際組織コクランのレビューが、この点を調べています。同じ結果を違う書き方で見せた研究35件、83の比較を集めた分析です。理解度は、相対的な書き方でも絶対的な書き方でも変わりませんでした。変わったのは受け取り方で、相対的な書き方のほうが効果が大きいと感じられ、説得的だと評価されました²。

理解しているかどうかとは別に、印象と説得力が動きます。表現の選択は中立ではありません。

1995年、イギリスで起きたこと

この構造が現実に何を引き起こしうるかを示した出来事があります。

1995年10月、英国の医薬品安全性委員会が、ある種の経口避妊薬について警告を出しました。対象は「第三世代」と呼ばれる、当時より新しく開発された種類のものです。脚や肺に血の塊ができるリスクが2倍、すなわち100%高まるという内容でした。この情報は19万人の一般医、薬剤師、公衆衛生担当者へ文書で伝えられ、報道機関にも緊急発表されています¹。

では、その100%とは何だったのか。警告の根拠となった研究が示していたのは、従来の第二世代の薬を服用した女性7,000人のうちおよそ1人に血栓が生じ、第三世代ではそれが2人になった、ということでした。絶対的な増加は7,000人に1人。相対的な増加は、確かに100%です¹。

報道を受けて多くの女性が服用を中止しました。ギゲレンツァーらによれば、その翌年、イングランドとウェールズで中絶がおよそ13,000件増えたと推計されています。増えた中絶1件につき出生も1件増え、16歳未満の妊娠は約800件増加。中絶にかかる国民保健サービスの費用増は約4,600万ポンドと見積もられました¹。

そして最も皮肉な点ですが、妊娠と中絶自体が血栓のリスクを高め、そのリスクは第三世代の薬によるものを上回ります¹。血栓を避けるための警告が、より大きな血栓リスクを生む行動を引き起こした可能性があります。

この出来事は、統計の表現が正確でありながら不透明でありうることを示しています。「2倍」は嘘ではありません。それでも、7,000人に1人が2人になる、と伝えられていれば、多くの女性は服用をやめなかったでしょう。

「元がどれくらいか」で意味が変わる

相対的な数字が誤解を生みやすいのは、元の頻度（ベースライン）が示されないときです。

もともと10人に1人が経験することが20人に1人になれば、50%減という表現は実感に近いものになります。10人のうち1人分の変化が実際に起きているからです。では10万人に2人が10万人に1人になった場合はどうか。これもやはり50%減ですが、10万人が対策をとって1人分が減る計算になります。

どちらが意味のある変化かは、状況によって違います。まれだが重い病気であれば、10万人に1人の差にも価値があります。判断するために必要なのは、相対的な割合と元の頻度の両方であって、片方だけでは決められません。

実際に、商品に書かれた「体にいい」の根拠を辿るときも、最初に探すのはこの元の頻度になります。

健診の場面でも同じです。LDLコレステロールの管理目標値が一律でない理由は、まさにここにあります。

ここから、数字を見たときの実務的な手順が出てきます。「何%」という表現に出会ったら、元の頻度を探す。書かれていなければ、その数字だけでは効果の大きさは判断できない、と保留してかまいません。

NNTという伝え方

絶対リスク減少の逆数が治療必要数（NNT）です。先の例なら、1,000人あたり1人の減少ですからNNTは1,000。「1,000人が受けて、そのうち1人が結果を変えられる」という言い方になります。

この表現は、恩恵を受けるのが全員ではないことをはっきりさせます。裏を返せば、999人にとっては結果が変わらないことも同時に伝えています。効果を小さく見せる表現だと受け取られることもありますが、実際に起きることを最もそのまま述べているのはこの形です。

先のコクラン・レビューは、NNTが理解のしやすさでは相対リスク減少に劣るという結果も報告しています²。正確さと分かりやすさは自動的には両立しません。だからこそ、複数の表現を並べて見ることに意味があります。

絶対リスクだけ書けばよい、とも言えない

どの形式で伝えるべきかについて、決着した答えはありません。絶対リスクを併記すべきだという主張は広く支持されていますが、では常に絶対リスクだけを示せばよいかというと、そう単純ではありません。まれな出来事では絶対的な差が非常に小さくなり、意味のある効果まで軽視される可能性があります。

また、平均的な絶対リスク減少は、リスクの高い人と低い人で大きく異なります。もともとリスクが高い人にとっては同じ相対的な減少がより大きな絶対的利益になり、リスクが低い人にとってはわずかになります。集団の平均値を個人に当てはめる際の限界は、ここにも現れます。

研究デザインの読み方はエビデンスという言葉を整理した記事にまとめました。そして、どこまでのリスクを受け入れるかは統計では決まりません。1,000人に1人の違いを重く見るかどうかは、その人が何を大切にしているかによります。ここは誰かに決めてもらえる部分ではありません。

数字の前で、立ち止まれる場所

同じことが、「体に入ってくるもの」の数字にも当てはまります。

「農薬が検出された」「カドミウムが検出された」は、それだけでは大きさが分かりません。分母が要ります。公的な調査は、そこを比で出しています。

並べると、「検出された」という同じ言葉の下に、桁の違う距離があることが見えます。上限まで0.02%の物質と、67%の物質を、同じ強さで心配する理由はありません。

同じ食品について、国によって結論が分かれた例もあります。2004年、英国はヒジキを食べないよう勧告し、日本は摂取量から計算して「極端に多く摂らなければリスクは高まらない」としました。分けたのは、量を計算に入れたかどうかでした。

そして分母そのものが存在しない物質もあります。そこでは比が作れないので、遠いとも近いとも言えません。

効果を示す数字に出会ったとき、その場で確かめられることがいくつかあります。

まず、その数字が出た研究が「関連を見たのか、原因を確かめたのか」。ここでも意味は変わります。この違いは別の記事で扱いました。

厚生労働省eJIMは「情報を見極めるための10か条」で「数字のトリックに注意しよう」「出来事の『分母』を意識しよう」を挙げています³。分母を意識するとは、「何人中何人か」を探すことです。効果を示す数字に出会ったとき、確かめられることは多くありません。それでも次の三つは、たいていの記事から探せます。

その数字は割合か、実数か。元の頻度はどれくらいか。そして、何人が受けたとき何人分の違いが生まれるのか。この三つが埋まると、同じ「50%」がまったく違う大きさに見えてきます。埋まらないときは、判断を保留してかまいません。情報が足りないのは読み手の理解力の問題ではなく、伝え方の問題です。

1995年の警告は、正しい数字によって引き起こされました。正確であることと、伝わることは別のものでした。

確かめ方は1つです。「◯%減る」という数字を見たら、元が何人中何人だったかを探します。

書かれていれば、実際に減る人数が出ます。1,000人に4人が3人なら、減るのは1人です。書かれていなければ、その時点で判断材料が足りていません。書かれていないことに気づけるかどうかが、この記事で持ち帰れるところです。

本記事は統計表現の読み方を整理したものであり、特定の医薬品・検診・治療の推奨や中止を促すものではありません。個別の診断・治療に代わるものでもありません。服薬や検診について、この記事を理由に自己判断で変更しないでください。

同じ「エビデンスがある」でも、数千人を対象にした比較試験を指すこともあれば、試験管の中で細胞が反応した段階を指すこともあります。

健康や食事の情報を調べていると、この一文によく出会います。サプリメントの説明にも、施術の紹介にも、テレビの解説にも出てきます。

この言葉だけでは、どちらなのか分かりません。

その場で確かめられる、三つのこと

先に結論から書きます。「エビデンスがある」と書かれた一文を見たとき、確かめられるのは次の三点です。

この三つが書かれていないことは、よくあります。書かれていないと気づいた時点で、その情報の確からしさは一段下がります。

以下は、その理由です。

「エビデンスがある」は、ひとつの意味ではない

厚生労働省が運営する「統合医療」情報発信サイト（eJIM）は、医学・医療の分野におけるエビデンスを「ある治療法がある病気に対して、安全で効果のあるものなのかどうかを確率的な情報として示す検証結果」と説明しています⁵。

ここで見落とされやすいのが「確率的な情報として」という部分です。エビデンスは、ある集団を観察したときに平均としてどうだったかを示します。目の前の一人にそのまま当てはまるとは限らない、という前提が最初から含まれています。

「エビデンスがある／ない」は本来、白か黒かの二択ではありません。どんな研究が、どれくらいの人数で、何と比べて、どの程度の確からしさで示したのか。その中身を抜きにすると、この言葉はほとんど情報量を持ちません。

研究デザインによって、言えることの範囲が変わる

「研究で示された」と言うとき、その研究がどう組まれていたかで、読み取れる内容は大きく変わります。

観察研究の行に「因果の断定」を挙げたのは、関連が見つかることと原因だと分かることのあいだに距離があるからで、この距離については別の記事で扱っています。健康情報でとくに混乱が起きやすいのは、下の二段と上の段が同じ「研究で示された」という言葉でまとめられてしまうときです。細胞に振りかけたら変化が見られた、という結果は、その物質を口から摂った人に同じことが起きる根拠にはなりません。消化され、吸収され、代謝され、標的の組織に届く、という過程がまるごと検証されていないからです。

ただし「RCTが常に上」ではない

研究デザインを階段状に並べた図はよく使われますが、この見方にも限界があります。落下傘の有効性をRCTで確かめることはできませんし、まれな副作用や数十年単位の影響は観察研究のほうが捉えやすい。いま使われている評価方法も、デザインの種類だけで序列を決めてはいません。

「根拠の強さ」は、4段階で評価されている

「エビデンスがある／ない」は二択に見えますが、実務では段階が付けられています。診療ガイドラインの作成で国際的に使われているGRADEという方法は、確実性を高・中・低・非常に低いの4段階で評価します²。

ここで言う「高」の定義も踏み込んでいます。「今後の研究によって効果の推定が変わる可能性は非常に低い」という意味であって、「絶対に正しい」という意味ではありません²。最上位でさえ、更新される余地を残した表現になっています。

確実性とは別に、数字の見せ方にも注意がいります。この点は独立した記事で扱ったので、ここでは要点だけ。10人に1人が発症する状況が20人に1人になっても、1万人に2人が1人になっても、どちらも「50%減」と書けます。同じ言葉が指す規模はまったく違います。何と何を比べた割合なのか、元の頻度はどれくらいなのかまで確かめないと、効果の大きさは判断できません。

それでも、エビデンスは揺らぐ

一つひとつを正しく読み取っても、公表されている研究の集まり自体が偏っていることがあります。

報告されない研究がある

2008年に New England Journal of Medicine に掲載された研究は、この問題を具体的な数字で示しました。米国FDAに登録された抗うつ薬の臨床試験73件を、公表された論文と照合したところ、論文だけを読むと94%が肯定的な結果に見えたのに対し、FDAの評価では肯定的とされたのは51%でした。効果量の見かけの大きさは、薬剤によって11〜69%、全体では32%大きく見積もられていました³。

これは特定の薬の話にとどまりません。芳しくない結果が公表されにくいという構造は、あらゆる分野で起こりえます。「肯定的な研究がいくつもある」という事実だけでは、否定的な研究が存在しないことの証明にはなりません。

再現できないことがある

2015年に Science で報告された大規模な検証では、心理学の主要3誌に載った100件の研究を、元の材料を使い、差があれば見つけられるだけの人数を確保して追試しました。元の研究では97%が統計的に有意だったのに対し、追試で有意だったのは36%。効果の大きさは平均しておよそ半分になりました⁴。

この検証は心理学を対象にしたもので、医学や栄養学の再現性がそのまま同じ比率だとは言えません。ただ、査読を通って一流誌に載った研究であっても、そのまま確定した事実として扱えるとは限らない。この点は分野を超えて示唆的です。健康情報が数年おきに覆るように見えるのは、必ずしも誰かが嘘をついているからではなく、こうした過程の一部が表に出ているためでもあります。

日本の「科学的根拠」表示は、何を保証しているのか

食品のパッケージに書かれた機能性の表示も、制度上の意味を知っておくと読み方が変わります。

消費者庁の説明によれば、機能性表示食品は「事業者の責任で、科学的根拠を基に商品パッケージに機能性を表示するもの」として消費者庁に届け出られた食品です。特定保健用食品（トクホ）とは異なり、国が個別に審査して許可したものではありません⁶。届出にあたって根拠資料の提出と情報公開は求められますが、その中身を国が確かめたわけではありません。

機能性表示食品にも根拠はあります。違うのは、その根拠を国が審査したか、企業が届け出たかです。届け出られた資料は公開されているので、元の研究まで辿れます。トクホとの違いは、別の記事で整理しました。

エビデンスは、答えを決めてくれない

身近な例で、水準の差を見てみます。「体に溜まるもの」と一括りにされる3つを並べると、根拠の量がまったく違います。

この3つに対して「気をつけたほうがいい」と言うのは、同じ言葉でも意味の重さが違います。前の2つは数字で自分の位置が分かります。3つめは、位置そのものが分かりません。

逆に、入口が1つに絞られて、止めたら実際に減ったことが数字で確認された例もあります。弁当のDEHPは、手袋の使用に関する通知をはさんで平均4,420 ng/gから198 ng/gになりました。確かめられるときは、ここまで確かめられます。

もう1つ、同じ物質でも評価する機関によって数字が1,000倍違うことがあります。2023年、EUのEFSAと、ドイツのBfRが、BPAについて同じ年にそれぞれ 0.2 ng と 200 ng を出しました。どちらも評価を行い、どちらも根拠の文献があります。

「エビデンスがある／ない」の二択にすると、この差が消えます。調べられていないことと、調べて差がなかったことも、同じ「ない」になります。

最後に、この言葉の出発点にあった定義を見ておきます。いま使われている意味と、かなり違います。

「エビデンス」が広まったのは、1990年代の「根拠に基づく医療（EBM）」という考え方からでした¹。

EBMは「論文どおりにやること」ではなかった

この定義が統合するものとしているのは、三つです。研究から得られる最良の外部エビデンス、臨床家個人の専門的な技能と経験、そして患者自身の価値観と希望。この三つが噛み合って初めてEBMになります¹。

EBMは最初から「エビデンスさえあれば決まる」という考え方ではありませんでした。論文が示す平均的な結果を、目の前の人の状況と希望に照らして翻訳するところまでを含めて、ようやくEBMになります。

最後に、この読み方をしてもなお残るものがあります。研究が示すのは集団の平均であり、平均に一致する人がどこかにいる保証はありません。一人ひとりに合わせる研究は進んでいますが、どの要因がどれだけ効くのかについて、確立した答えはまだ出ていません。

だから最初の三点に戻ります。誰を対象に、何と比べて、どれくらいの差なのか。公的機関も、ほぼ同じ観点を「情報を見極めるための10か条」としてまとめています⁵。「その根拠は？」とたずねる、比較されていることを確かめる、出来事の「分母」を意識する、数字のトリックに注意する。並んでいるのは、専門知識がなくても実行できることばかりです。

「エビデンスがあるから正しい」でも、「エビデンスなんて当てにならない」でもなく、その中身を確かめたうえで、自分の場合はどうかを考える。答えを保留したまま問いを持ち続けている時間に何が起きているのかについては、別に書きました。その手間のかかる作業が、他人の正解を受け取ることと、自分で選ぶことを分けています。

本記事は健康・医学情報の読み方を整理したものであり、特定の治療法・製品の推奨や、個別の診断・治療に代わるものではありません。