公開日：|最終更新日

適切に実施されたメタ分析は、散在する数十の試験を、世界中で薬の処方方法を変えるほど正確な単一の数値に変換することができます。これは2020年に起こりました。コクランの研究者たちは、出生前コルチコステロイドに関する27の試験を統合し、1回の投与で新生児死亡のリスクが22%減少することを確認しました。この結論は、20か国の11,272人の女性から得られたものです。1このような数値に到達し、それを信頼するには、毎回同じ手順を踏む必要があります。レビュー担当者は統計モデルを選択し、含まれる試験が互いにどの程度矛盾しているかを確認し、印刷されなかった研究を探し、他の研究者が分析を再現できるように各ステップを明確に報告します。

このガイドでは、架空の数値ではなく、実際に発表された2つのメタアナリシスを用いて、その手順を解説します。各例には、元の論文から抽出され、PubMedと照合された実際のリスク比、信頼区間、異質性統計量が記載されています。内容は、固定効果モデルとランダム効果モデルの選択、I²、CochranのQ、τ²の読み方（いずれの数値も合否判定基準として扱わない）、フォレストプロットのひし形の幅の算出方法、そしてかつて抗うつ薬の一種がFDAの臨床試験データで裏付けられている効果よりもはるかに高い効果を持つように見せかけた選択的出版を見抜くためのファンネルプロットの使用方法などです。

簡単に言うと: メタ分析とは、同様の疑問を投げかけた複数の研究の結果を統合し、より大規模で精度の高い研究ほど重み付けをして、1つの統合された数値にまとめる手法です。メタ分析を読む際には、3つのチェック項目があります。統合された推定値は、フォレストプロット上の効果なしのラインを超えているか？個々の研究はどの程度互いに矛盾しているか（統計学者はこれを異質性と呼びます）？ファンネルプロットは、否定的な研究が見落とされていることを示唆するような偏りがないか（出版バイアスの典型的な兆候）？これらの3つのチェック項目に慣れている読者であれば、ほとんどのメタ分析論文を数分で読み通すことができ、査読に耐えうるメタ分析論文を自分で作成することもできます。

メタ分析がナラティブレビューでは提供できない情報

以下の手順に進む前に、そもそも研究を統合する必要があるかどうかを確認しておくことが重要です。メタ分析に必要な最小研究数に関するガイドでは、それを決定づける4つのチェック項目について解説しており、5件未満の研究ではどの統計が解釈不能になるかについても説明しています。

ナラティブレビューは、一連の研究で得られた結果を記述するものです。メタアナリシスは、それらの研究から統合推定値を算出し、その数値の背後にあるエビデンスの総量を反映する信頼区間を付記します。同一の質問をした40人の患者を対象としたパイロット試験と500人の患者を対象とした多施設共同研究では、結果が完全に一致することはほとんどなく、ナラティブサマリーでは、著者の判断​​以外に、その違いを正式に調整する方法はありません。メタアナリシスでは、各研究をその精度（通常は分散の逆数）で重み付けするため、2,000人の参加者を対象とした試験は、40人の参加者を対象とした試験よりも、統合推定値をはるかに大きくその値に近づけます。

信頼できる統合数値を得るには、統計分析の前提となる段階から始める必要があります。PICOフレームワーク（対象集団、介入、比較対象、結果）に基づいて明確に定義された研究課題を設定することで、対象となる研究の範囲が明確になります。わずかに異なる課題、異なる投与量、異なる対象集団、異なる結果の定義に答える試験は、実施方法がどれほど優れていても、統合分析の対象には含まれません。この段階を省略すると、実際には比較不可能な研究を統合したメタアナリシスが発表され、実際の対象集団を反映しない統合推定値が生成されてしまうことがあります。

固定効果モデルとランダム効果モデル

メタ分析では主に2つの統計モデルが用いられており、どちらかを誤ると点推定値だけでなく、より重要なことに信頼区間の幅も変化してしまう。固定効果モデルは、含まれるすべての試験が全く同じ真の効果を推定しており、それらの間の差は純粋にサンプリング誤差によるものだと仮定する。この仮定は、同一の試験の複数の施設で実施され、プロトコル、対象集団、投与量がほぼ同一であるといった、限られた状況にのみ当てはまる。

ランダム効果モデルは、ほとんどの臨床上の疑問に対して現実により近いものを仮定します。これは、集団、投与レジメン、追跡期間が実際に異なるため、研究ごとに真の効果が異なるという前提に基づいています。サンプリング誤差はその変動の上に存在します。レベッカ・ダーシモニアンとナン・レアードは、1986年にこのモデルの標準的なアプローチを形式化し、重みを計算する前に各研究のサンプリング分散に加算される研究間分散項（τ²）を導入しました。3ランダム効果重み付けは単一の大規模試験の影響を平準化するため、その信頼区間は通常、同じデータで実行される固定効果分析よりも広くなり、その点推定値は最大の研究に支配されるのではなく、研究結果の単純平均にシフトする可能性があります。臨床医学で発表されているメタ分析のほとんどは、まさにこの理由から現在ランダム効果をデフォルトとしており、固定効果モデルは、計画された複数の施設での1つのプロトコルの複製など、真に均質なデータに限定されています。

効果指標の選択は、モデルの選択と同時に行われます。連続的な結果の場合、通常は平均差、または研究で同じ構成概念を異なる尺度で測定している場合は、ヘッジのgやコーエンのdなどの標準化平均差が使用されます。二値の結果の場合は、リスク比、オッズ比、またはリスク差が使用されますが、これら3つは互換性がなく、ベースラインのイベント発生率が約20%を超えると、オッズ比はリスク比からさらに乖離します。Editverseの無料効果量コンバーターは、論文で含まれる研究間で異なる指標で報告された結果を比較する必要がある場合に、これらの形式間の計算を処理します。

メタ分析の計画手順：効果指標と統計モデルの選択

森林区画の読み方（ステップバイステップ）

フォレストプロットは、加重平均を視覚的に表現したものであり、プロット上のすべての要素に情報が含まれています。各水平線は、含まれる試験を1つ表し、正方形はその点推定値を示し、線の長さは95%信頼区間を示します。正方形のサイズは、統合分析における試験の重みに応じて変化するため、プロットを一目見るだけで、個々の数値を読む前に、実際に結果を左右している試験がどれであるかがわかります。下部のひし形は統合推定値を表し、その幅は統合信頼区間に等しく、効果がないことを示す垂直線（リスク比の場合は1.0、平均差の場合は0）に対する水平位置が、最初に確認すべき点です。

2020年の出生前コルチコステロイドに関するコクランレビューは、抽象的ではなく機械的にこの問題を解明するための具体的な数値を提供しています。エマ・マクゴールドリック氏らは、呼吸窮迫症候群の転帰について11,183人の乳児を対象とした26の試験を統合し、リスク比が0.71、95%信頼区間が0.65から0.78であることを発見しました。1フォレストプロットでは、これら26の試験線はすべて、少なくとも部分的に1.0の左側に位置し、プールされたひし形も完全に1.0の左側に位置します。これは、上限値0.78が効果なしの線に達しないためです。垂直線に触れないひし形は、フォレストプロットにおける統計的有意性を示しています。GRADEはこの特定の知見を高確実性のエビデンスと評価しており、これは、さらなる研究によって推定値が大きく変わる可能性は低いことを意味します。

同じレビューの新生児死亡結果では、22の試験と10,609人の乳児を統合してリスク比0.78（95%信頼区間、0.70～0.87）となり、治療を受けた乳児100人あたり約2.6人の死亡減少（95%信頼区間、1.5～3.6人減少）に相当します。1相対リスク比とともに絶対リスク差を報告することは、臨床的に重要です。22%の相対減少は、ベースラインリスクが1%でも20%でも同じように聞こえますが、1人の死亡を防ぐために治療が必要な乳児の数は、この2つのシナリオで20倍異なります。Editverseの無料メタアナリシス計算ツールは、一連の研究レベルの入力から統合推定値とフォレストプロットの両方を生成します。これは、原稿に掲載する前に、手作業で作成したプロットの妥当性を確認するより迅速な方法です。

I²、CochranのQ、およびTau²を用いた異質性の測定

異質性とは、含まれる研究間の不一致がサンプリング誤差だけでは予測できないほどどの程度大きいかを示す専門用語であり、3つの統計量がそれぞれ異なる角度からそれを定量化します。CochranのQは、不一致が統計的に有意であるかどうかを検定しますが、その検出力は統合される試験数に大きく依存するため、わずか4～5件の研究を含むメタアナリシスではQでは検出できない真の異質性が存在する可能性があり、一方、60件の研究を含むメタアナリシスでは些細な異質性が有意であると判定される可能性があります。Julian Higginsらは、この弱点に対処するため、I²を開発しました。I²は、生の有意性検定ではなく、研究間の全変動の割合として異質性を表すため、規模の異なるメタアナリシス間で比較可能です。広く引用されている2003年の論文では、この統計量を臨床医向けの実際的な指針に翻訳し、25%付近の値は低い異質性、50%付近は中程度の異質性、75%付近は高い異質性を示すと示唆する一方で、異質性の臨床的重要性は問われている質問によって異なるため、これらのカットオフ値を機械的に適用しないよう注意を促しています。4

2018年のJAMA Psychiatry誌に掲載された、抵抗運動トレーニングと抑うつ症状に関するメタ分析は、実際のデータセットで高いI²がどのように見えるかを示しています。Brett Gordon氏らは、1,877人の参加者を含む33のラ​​ンダム化試験から54の効果量を統合し、中程度の抗うつ効果（Hedges' d 0.66（95%信頼区間、0.48～0.83））と、実質的な異質性（Cochran's Q 216.92、自由度53（P＜0.001））およびI² 76.0%（95%信頼区間、72.7%～79.0%））を発見しました。5著者らは、この異質性を統合推定値を疑う理由とするのではなく、事前に指定した4つの調整因子（処方された運動の総量、参加者のベースラインの健康状態、割り当てと結果評価が盲検化されているかどうか、介入によって測定可能な筋力向上が得られたかどうか）にわたってメタ回帰分析を行った。盲検化の状態が変動の一部を説明することが判明し、盲検評価を行った試験では効果が小さく報告された一方、他の3つの調整因子は有意水準に達しなかった。高い異質性に対しては、それを無視したり統合推定値を完全に放棄したりするのではなく、サブグループ分析やメタ回帰分析によってその可能性のある原因を調査することが適切な対応である。

タウ²は、効果量そのものの尺度で同じ基礎概念を測定するもので、パーセンテージではなく効果量自体に基づいており、ランダム効果信頼区間の幅に直接影響します。ゲルタ・リュッカー氏らは、I²だけでは誤解を招く可能性があると警告しています。なぜなら、I²の値は、真の効果の変動のみに依存するのではなく、個々の研究の精度にも部分的に依存するからです。そのため、慎重な方法論のセクションでは、I²を単独で報告するのではなく、タウ²とコックランのQをI²と併せて報告します。Editverseの無料異質性計算ツールは、研究レベルのデータからこれら3つの統計量をすべて計算します。また、同サイトのシステマティックレビューにおける異質性の管理と評価に関する専用ガイドでは、サブグループとメタ回帰戦略について、ここで説明するよりも詳細に解説しています。

ファンネルプロットとエッガー検定による出版バイアスの検出

出版バイアスとは、肯定的または統計的に有意な結果が出た研究が、無効または否定的な結果が出た研究よりも頻繁に出版されることで、出版された文献のみから構築されたメタ分析を歪める現象である。エリック・ターナーらは2008年に、12種類の薬剤にわたる12,564人の患者を対象とした74件の抗うつ薬試験について、FDAの規制申請と出版された文献を比較することで、この問題の規模を直接的に実証した。2これらの試験のうち31 %、つまり3,449人の参加者は全く出版されなかった。FDAが肯定的と分類した試験のうち、38件中37件が出版された。FDAが否定的または疑わしいと分類した試験のほとんどは、完全に消滅するか、肯定的に読めるように記述された。出版された文献のみでは、抗うつ薬試験の94%が肯定的であると示唆されたが、FDAの完全なデータセットでは、実際の数値は51%であった。出版された試験のみを統合すると、見かけ上の薬剤効果は平均で32%膨張し、特定の薬剤によって11%から69%の範囲となった。

ファンネルプロットは、このような歪みを視覚的に確認するための標準的な手法です。各研究は、効果量を横軸に、精度（多くの場合、標準誤差）を縦軸にプロットされ、精度が高い（効果量が大きい）研究ほど上側に配置されます。バイアスがない場合、効果量が少なく精度が低い研究は、統合推定値の周りに左右対称に散らばり、逆さの漏斗のような形状になります。片側（通常は結果がゼロまたは好ましくない側）に小さな研究が欠落すると、目に見える非対称性が生じます。マティアス・エッガーらは1997年にこの視覚的確認を統計的検定として定式化し、各研究の標準化効果を精度に対して回帰分析し、得られた切片がゼロと異なるかどうかを検定しました。これは、効果量が少なく精度が低い研究が、効果量の多い研究の結果から系統的に乖離する場合に発生します。6

エッガー検定やファンネルプロットの視覚的検査で非対称性が疑われる場合、スー・デュバルとリチャード・トゥイーディーのトリムアンドフィル法は、その影響を推定する一つの方法を提供する。この方法は、非対称性を引き起こしている最も極端な小規模研究を除去し、残りの対称的なコアを使用して修正された統合効果を推定し、対称性を回復するためにミラーリングされたプレースホルダー研究を追加し、未発表データの存在の可能性を反映した信頼区間を再計算する。7トリムアンドフィルは、決定的な修正というよりは感度チェックとして扱うのが最適である。これは、欠落している研究が存在し、目に見える研究のパターンと一致していた場合に答えがどのように見えるかを推定するものであり、確実性ではなく現実的な仮定である。Editverseの無料出版バイアス計算ツールは、エッガー検定を実行し、研究レベルの入力からファンネルプロットを生成する。トリムアンドフィルと関連する検出方法の完全なメカニズムは、Editverseのシステマティックレビューにおける出版バイアス検出のための高度な方法に関するガイドで説明されている。

臨床試験のメタアナリシスに反映されるバイアスリスク評価

PRISMA 2020と透明性のあるメタアナリシス報告

統計的に妥当なメタ分析であっても、読者が実際に行われたことを再現できない場合は査読に合格しません。PRISMA 2020 声明は、まさにそれを防ぐために存在します。Matthew Page のワーキンググループは、2021 年に現在の 27 項目のチェックリストを公開しており、いくつかの項目は上記の手順に直接対応しています。8項目 12では、著者に各結果に対して選択した効果指標を明記するよう求めています。項目 13a から 13f では、研究がどのようにグループ化されたか、どの統合方法とソフトウェアでそれらを組み合わせたか、異質性がどのように検討されたか、どのような感度分析が実行されたかの説明を求めています。項目 14 では、欠損結果によるバイアスを評価するために使用された方法 (ファンネル プロットや Egger の検定など) を取り上げており、項目 20a から 20d では、実際の統合結果、異質性統計、感度分析の結果を暗黙のうちに残すのではなく、論文に記載することを求めています。

EditverseのPRISMA 2020ガイドラインの完全ガイドとチェックリストでは、最初の検索から最終的な採択までのレコードを追跡するフロー図を含め、すべての項目を詳細に解説しています。Editverseの無料PRISMA 2020フロー図ジェネレーターを使えば、スクリーニングの生データから簡単にフロー図を作成できます。このジェネレーターは、各スクリーニング段階のカウントから直接、出版可能な図を生成します。

サブグループ分析、感度分析、およびメタ回帰

統合推定値とその異質性が判明したら、3つの手法で結果をさらに詳しく調べます。サブグループ分析では、対象となる研究を事前に指定した特性、投与量区分、患者の年齢層、研究地域ごとに分割し、グループ間で統合効果を比較します。これは、上記の抵抗運動の例における異質性の一部を説明したのと全く同じです。感度分析では、研究を1つずつ除外したり、バイアスのリスクが高い試験などのカテゴリ全体を除外したりして、統合推定値を再実行し、全体的な結論が単一の研究や設計選択に大きく依存していないかを確認します。メタ回帰は、サブグループ分析を連続的な研究レベルの変数に拡張し、参加者の平均年齢や発表年などが研究全体の効果の大きさを予測するかどうかを検証しますが、信頼できる結果を得るには、一般的に10件以上の相当数の研究を含める必要があります。

これら3つの手法は、データを統合する前にプロトコルに明記しておくべきであり、どのサブグループが最も好ましい結果をもたらすかに基づいて後から選択すべきではない。主要な研究結果を補強する可能性があると分かった後にのみサブグループ比較を実施することは、出版バイアス検出が研究レベルで検出しようとする選択的報告と同じ形態であり、単一の分析の中に移動しただけである。

メタ分析論文を損なうよくある間違い

メタアナリシスの投稿論文が受ける修正依頼や却下の大部分は、いくつかの間違いに起因しています。その一つは、異なる尺度で測定された結果を共通の尺度に変換せずに組み合わせることです。もう一つは、I²を報告する際に、その周囲の信頼区間も報告しないことです。この信頼区間は、小規模なメタアナリシスでは「低い」異質性と「高い」異質性の両方を包含するほど広くなることがあります。さらに、基礎となる研究が実際に異質であるという理由ではなく、望ましくない信頼区間を狭めるという理由だけでランダム効果モデルを選択することも、査読者がすぐに気づくパターンです。モデルの選択は、どのモデルがより出版に適した結果を生み出すかではなく、含まれる研究の臨床的および方法論的な多様性に基づいて行うべきだからです。Editverseのメタアナリシスにおけるよくある間違いとその回避方法に関する専用ガイドでは、より長いリストとその修正方法が解説されています。

Editverseがメタアナリシスとシステマティックレビューの原稿をどのようにサポートするか

妥当なメタ分析を実施することと、査読者がすべての決定事項を理解できるように論文にまとめることは、全く異なるスキルセットであり、基礎となる統計データが適切であっても、論文はしばしば後者の段階で行き詰まってしまいます。Editverseの系統的レビューおよびメタ分析チームは、プロトコルの設計やモデルの選択から、PRISMA準拠のレポート作成、そして各ジャーナルの要件に対する投稿前チェックまで、この両方の段階を網羅的にサポートします。

  • 手持ちの実際のデータセットに対する統計モデルの選択と異質性の評価
  • フォレストプロットとファンネルプロットの作成、ジャーナル投稿準備完了
  • エッガー検定を用いた出版バイアス評価、および必要に応じてトリムアンドフィル法
  • 提出前にPRISMA 2020チェックリストの完全準拠レビューを実施

メタアナリシスやシステマティックレビューの原稿を作成中ですか？

Editverseは、研究者が適切なモデルを選択し、異質性を正しく解釈し、査読に耐えうる形で結果を報告できるよう支援します。

メタ分析のサポートを受ける

メタ分析に関するよくある質問

システマティックレビューとメタアナリシスの違いは何ですか？

システマティックレビューとは、ある疑問に関する入手可能なすべての研究を検索、選別、評価する構造化されたプロセスです。メタアナリシスは、そのプロセスにおける統計的手法であり、対象となる研究が十分に類似していて、一つの統合推定値にまとめられる場合にのみ適用されます。研究があまりにも異なっていて統合できない場合は、メタアナリシスなしでシステマティックレビューを実施することも可能ですが、メタアナリシスはシステマティックレビューが先に実施されたことを前提としています。

固定効果モデルは、どのような場合にランダム効果モデルに取って代わるべきでしょうか？

固定効果モデルは、単一の試験プロトコルの事前に計画された複数施設試験のように、含まれる研究が臨床的にも方法論的にも互いに類似している場合に適しています。しかし、異なる集団や投与量で独立して実施された試験を組み合わせるほとんどのメタアナリシスでは、研究間の実際のばらつきを無視しないランダム効果モデルの方が安全なデフォルト設定となります。

I²がどの程度高くなると問題になるのでしょうか？

普遍的に適用できる固定のカットオフ値はありません。上記の抵抗運動の例のように、75%に近い値またはそれ以上の値は、統合推定値を放棄するのではなく、サブグループ解析やメタ回帰分析によって考えられる原因を調査する価値があります。個々の研究効果の臨床的方向性と一貫性は、生のI²パーセンテージだけでなく、重要な要素となります。

対称的なファンネルプロットは出版バイアスを排除できるか？

いいえ。含まれる研究が約10件未満のファンネルプロットでは、どちらの方向にも非対称性を確実に判断するのに十分なデータポイントがほとんどなく、また、公表された試験内で結果を選択的に報告するなど、一部のバイアスはファンネルプロットの非対称性を全く引き起こしません。ターナーらが抗うつ薬で用いた方法である、エッガー検定と試験登録簿と公表された文献との照合は、目視検査だけでは見逃してしまうバイアスを検出します。

メタ分析では、ランダム化比較試験と観察研究の両方を一緒に使用できますか？

一般的に、これらを同一の統合推定値に含めるべきではありません。ランダム化研究と観察研究は、交絡因子のリスクが異なるため、明確な方法論的根拠と個別の感度分析なしにこれらを混同すると、統合結果の解釈可能性が損なわれます。ほとんどの学術誌では、これらの研究タイプは、たとえ同一のレビュー内であっても、別々に分析および報告されることが求められています。

メタ回帰分析が信頼できるものとなるには、どのくらいのサンプルサイズが必要ですか？

共変量ごとに10件の研究を含めることが一般的に最低限の基準とされており、それよりも少ない研究数のレビューから得られたメタ回帰分析の結果は、検証的というよりは探索的とみなすべきである。5件の研究と3つの共変量を対象とした回帰分析では、真の調整因子とノイズを区別する統計的検出力が不足している。

参考情報

  1. McGoldrick E、Stewart F、Parker R、Dalziel SR。早産リスクのある女性における胎児肺成熟促進のための出生前コルチコステロイド投与。 コクランデータベースSYSTの改訂. 2020;12(12):CD004454. PMID：33368142
  2. Turner EH、Matthews AM、Linardatos E、Tell RA、Rosenthal R. 抗うつ薬試験の選択的発表とその見かけ上の有効性への影響。 N ENGL Jメッド. 2008;358(3):252-260. PMID：18199864
  3. DerSimonian R、Laird N. 臨床試験におけるメタ分析。 コントロールクリントライアル. 1986;7(3):177-188. PMID：3802833
  4. Higgins JPT、Thompson SG、Deeks JJ、Altman DG。メタ分析における不一致性の測定。 BMJ. 2003;327(7414):557-560. PMID：12958120
  5. Gordon BR、McDowell CP、Hallgren M、Meyer JD、Lyons M、Herring MP。抵抗運動トレーニングの有効性と抑うつ症状との関連：ランダム化臨床試験のメタ分析およびメタ回帰分析。 JAMA精神医学. 2018;75(6):566-576. PMID：29800984
  6. Egger M、Davey Smith G、Schneider M、Minder C. 単純なグラフテストによって検出されるメタ分析におけるバイアス。 BMJ. 1997;315(7109):629-634. PMID：9310563
  7. Duval S、Tweedie R. トリム・アンド・フィル：メタアナリシスにおける出版バイアスをテストおよび調整するためのシンプルなファンネルプロットベースの方法。 バイオメトリクス. 2000;56(2):455-463. PMID：10877304
  8. Page MJ、McKenzie JE、Bossuyt PMら。PRISMA 2020声明：系統的レビューの報告に関する最新のガイドライン。 BMJ. 2021;372:n71. PMID：33782057

Editverseリサーチチーム | 2026年8月更新