掲載

国民健康栄養調査(NHANES)のあらゆる分析は、ほとんどの著者が気づかないうちに行っている選択に基づいています。NHANESの調査ウェイトは、正しく適用されるか、部分的に適用されるか、無視されるかのいずれかであり、結果として得られる数値は3分の1以上異なる可能性があります。私たちは、その選択がどれほど重要かを正確に測定するために、同じ5,018人に対して同じ質問を3つの異なる方法で実施しました。ウェイトなしの回答は14.85パーセントでした。正しい回答は10.23パーセントでした。この2つの数値の間でデータ自体に変化はなく、分析方法だけが変わりました。

簡単な言葉で言うと

NHANESはアメリカ国民を均等にサンプリングしているわけではありません。研究者が十分なサンプル数を確保できるよう、一部のグループは意図的に過剰サンプリングされています。ファイル内の人々をそれぞれ同じ数のアメリカ人を代表しているかのように数えると、国全体の状況を正しく把握できません。重み付けはこの問題を解決します。私たちのテストでは、重み付けを省略すると、ある健康問題が実際よりも45%多く発生しているように見えました。

NHANES調査のウェイトが実際に表すもの

NHANESは、層化多段階確率抽出法を用いています。高齢者、特定の人種・民族集団、低所得者層など、特定のグループは高い抽出率でサンプリングされるため、これらのグループに関する推定値は公表できるほど安定しています。この設計はNHANESの特徴であり、小規模集団について信頼できる情報を提供できる理由でもあります。

その結果、データファイル内の参加者1人がアメリカ人1人を代表するわけではない。参加者1人が代表する人数は、その人が選ばれる確率、回答の有無、国勢調査の人口総数に合わせてサンプルがどのように調整されたかによって、8,000人かもしれないし、80,000人かもしれない。各重み変数にはその数値が割り当てられている。これらの参加者を除外してファイルを分析しても、誰も尋ねていない質問、つまり国全体の状況ではなくサンプルの状況を示すだけの質問に答えることになる。

3つの重み変数がほとんどの作業をカバーします。WTINT2YRは、世帯面接で収集されたすべてのデータに適用されます。WTMEC2YRは、移動式検査センターで測定されたすべてのデータに適用され、検査室および身体測定値がそこから得られるため、ほとんどの分析で必要となります。空腹時サブサンプルバイオマーカーと2日目の食事摂取状況調査には、それぞれ独自の重みが割り当てられます。どれか1つを誤って選択してもエラーにはなりませんが、論文中のすべての推定値に密かに偏りが生じます。

私たちが実施したテスト

私たちは、最新の完全な単独サイクルであるNHANES 2017~2018のデータを用いて、意図的にシンプルな質問をしました。20歳以上の米国成人のうち、糖尿病の診断基準となるHbA1c値が6.5%以上の人の割合はどれくらいか、という質問です。このようなシンプルな質問は、モデルの複雑さのせいにできないため、適切なテストと言えます。

人口統計ファイルと糖化ヘモグロビンファイルを統合し、有効な測定値と陽性の検査体重を持つ成人に限定した結果、5,018人の参加者が残りました。次に、同じ量を3つの方法で推定しました。

NHANES調査の重み付け比較によると、重み付けなしの分析ではHbA1cの有病率推定値が10.23%から14.85%に過大評価されることが示されている。
図1。 2017~2018年のNHANES参加者5,018名と同一の結果について、3つの分析方法を示した。色は分析方法を示し、点は点推定値、横棒は95%信頼区間を表す。破線は正しい推定値を示す。

単純な分析では、すべての参加者を1人のアメリカ人として扱い、14.85パーセントという結果が得られ、信頼区間は13.86から15.83でした。WTMEC2YRを適用し、層やクラスターを指定しない場合、10.23パーセントという結果が得られ、信頼区間は9.08から11.38でした。検査の重み、層変数SDMVSTRA、クラスター変数SDMVPSU、フィルターではなく部分集団制限を含む正しい仕様では、10.23パーセントという結果が得られ、信頼区間は9.17から11.29でした。

重み付けによって推定値は4.62パーセントポイント変動し、相対的に45パーセント過大評価された。これは単なる四捨五入の誤差ではない。論文においては、妥当な全国推定値と、査読者が一文で却下できるような数値との差となる。

なぜ非加重数値はこれほど間違っていたのか

設計が分かれば、誤差の方向は予測可能です。NHANES 2017~2018では、高齢者と糖尿病の負担が大きい複数のグループが過剰にサンプリングされました。そのため、参加者全員を均等にカウントすると、HbA1cの閾値を超える可能性が最も高い人々が過剰に代表されることになります。サンプルは欠陥があるわけではなく、意図的にそのように構築されており、分析段階でそれを補正するための重み付けが存在します。

加重推定値は、米国成人人口2億2944万5508人に相当し、これは同時期の国勢調査に基づく成人人口と一致しています。一方、加重されていない数値は、何にも相当しません。これはたまたまサンプルとして抽出された5,018人の個人を表しているに過ぎず、そこから一般化することは正当化されません。

注意点が一つあるが、最後に付け加えるのではなく、ここで述べておくべきだろう。我々の基準はHbA1cが6.5%以上であり、これは糖尿病全体の有病率よりも狭い範囲である。そのため、診断された糖尿病が6.5%未満で良好にコントロールされている人は含まれず、自己申告と空腹時血糖値を組み合わせた公表されている糖尿病全体の数値は、これよりも高くなる。測定対象の正確さは、この研究の重要なポイントの一つである。

層とクラスターが、重みだけではできないことを実現する

方法2と方法3では、同一の点推定値が得られていることに注目してください。重み付けのみでバイアスが修正されました。両者で変化したのは信頼区間であり、この違いこそが著者が最も見落としがちな点です。

標準誤差は、サンプルの抽出方法によって異なります。NHANESでは、まず郡、次にセグメント、最後に世帯を選択するため、同じ一次抽出単位から抽出された2人の参加者は、無作為に抽出された2人の見知らぬ人よりも互いに類似しています。この構造を無視すると、サンプルが実際よりも多くの情報を含んでいるとみなされてしまいます。私たちの設計効果は1.594であり、これは実際の設計における分散が、同じサイズの単純無作為抽出サンプルで得られる分散よりも約59%大きいことを意味します。

自由度も同様の論理に従います。15の層と30の一次標本抽出単位を持つこの設計では、自由度は5,017ではなく15です。設計について知らされていないソフトウェアは、何千もの自由度に基づいて区間を計算し、調査では到底実現できない精度を報告してしまうでしょう。

正しい方法がサブグループ全体にわたって示すもの

サブグループに完全な設計を適用すると、単純な分析では隠されていた、小さなセルによる精度コストが明らかになります。5,018人の成人を対象に、人種と民族別に同じ推定を実行したところ、以下の結果が得られました。いずれも重み、層、クラスター、およびサブポピュレーション制限を適用しています。

グループnHbA1c 6.5%以上95%CICI幅
非ヒスパニック系白人1,7479.29%7.55〜11.033.48
非ヒスパニック系黒人1,14913.41%11.28〜15.544.26
非ヒスパニック系アジア人70813.13%11.12〜15.144.02
メキシコ系アメリカ人68211.28%9.42〜13.143.72
その他のヒスパニック系4799.17%6.29〜12.065.77
その他または多民族25311.43%7.37〜15.498.12

表1.人種および民族別のHbA1cが6.5%以上の有病率(NHANES 2017-2018の20歳以上の成人)。すべての推定値は、WTMEC2YRにSDMVSTRA、SDMVPSU、およびサブポピュレーション制限を適用して算出されています。信頼区間の幅はパーセントポイントで示されています。

3列目ではなく、最後の列を読んでください。最小グループの間隔は最大グループの2倍以上あり、つまり、この2つのカテゴリー間の見かけ上の差は、ほぼ完全にノイズである可能性があります。重み付けなしの分析では、全体的に間隔が狭くなり、まさにこの設計が防ごうとしている過剰解釈を招くことになります。

これは、著者が査読者との間で問題に直面する点でもあります。サブグループの推定値を小数点以下2桁まで報告しながら区間を省略すると、実際の不確実性が8ポイントに及ぶ場合、精度はおよそ0.01ポイントに過ぎないことを意味します。調査データを扱う査読者は、まずこのパターンを確認します。

論文が却下される原因となる、NHANES調査の重み付けに関する5つの間違い

1. サブポピュレーションを使用する代わりにデータをフィルタリングする

設計オブジェクトを作成する前に行を削除して成人だけに限定してしまうのは、最もよくある間違いです。分散推定には、削除された観測値を含む層やクラスターなど、完全なサンプル構造が必要です。それらを先に削除してしまうと、誰も事前に予測できない方向に誤った標準誤差が生成されます。主要なパッケージはすべてサブポピュレーションオプションをサポートしており、これはまさにこのために存在します。

2. 重みを分割せずにサイクルをプーリングする

2年周期を組み合わせるには、重みをプールする周期数で割る必要があります。再スケーリングせずに4つの周期を連結すると、加重人口は米国の約4倍の規模になり、人口合計を確認する審査員はすぐにそれに気づくでしょう。

3. 測定方法が異なる変数を統合する

検査方法はサイクルごとに変更されます。NCHSは、特定の変更点を補完するための回帰式を公表しており、補完式が存在しない場合は、影響を受けるサイクルを除外する必要があります。方法論の変更に対処せずにデータを統合すると、測定誤差が偽の時系列傾向になってしまいます。

4. 推定値を算出するには小さすぎるサブグループの報告

我々のサブグループ分析では、信頼区間は最大グループの3.5パーセントポイントから最小グループの8.1パーセントポイントまで拡大しました。広い信頼区間を示すことは誠実な姿勢です。信頼区間を示さずに、あるいは不安定性を指摘せずに、小規模セルのサブグループ推定値を提示することは、誠実とは言えません。

5. 試験データに対する面接の重み付けの使用

移動式検査センターで測定されるものはすべて、検査の重み付けが必要です。検査結果に面接の重み付けを使用すると、コードは実行され、出力も妥当に見えるため、気づかないうちにエラーが発生します。

これを自分で再現する

NHANESは公開データです。申請もデータ利用契約も料金も不要なので、上記の数値はすべて独自に検証できます。R言語による詳細な仕様は簡潔です。

library(haven); library(survey); library(dplyr)

demo <- read_xpt("DEMO_J.xpt")   # NHANES 2017-2018 demographics
ghb  <- read_xpt("GHB_J.xpt")    # glycohaemoglobin

d <- demo %>%
  select(SEQN, RIDAGEYR, SDMVSTRA, SDMVPSU, WTMEC2YR) %>%
  left_join(select(ghb, SEQN, LBXGH), by = "SEQN") %>%
  mutate(
    inpop = RIDAGEYR >= 20 & !is.na(LBXGH) & WTMEC2YR > 0,
    dm    = as.integer(LBXGH >= 6.5)
  )

# Build the design on the FULL file, then subset. Never filter first.
des <- svydesign(ids = ~SDMVPSU, strata = ~SDMVSTRA,
                 weights = ~WTMEC2YR, nest = TRUE, data = d)

svymean(~dm, subset(des, inpop), na.rm = TRUE)   # 10.23%

本記事に掲載されているすべての数値は、RとPythonでそれぞれ独立して2回相互検証を行い、ファイルハッシュ、行数、加重人口合計、平均HbA1c、および有病率推定値が両方とも完全に一致することを確認してから公開しました。2つ目の分析エンジンで検証することで、単一のパイプラインだけでは検出できない解析エラーを発見できます。

重み付けでは解決できないこと

適切な重み付けは、選択確率の不均等という特定の問題を解決する。しかし、他のいくつかの脅威はそのまま残っており、そうでないことを示唆する手法のセクションは疑念を招く。

無回答への対応は部分的にしか行われていない。NHANESの重み付けには無回答調整が含まれているが、その調整は観察された特性に基づいている。結果に関連する理由で参加を拒否し、それが調整変数で捉えられていない場合、重み付けをどれだけ慎重に適用しても、残余バイアスは残る。

横断的構造は変わりません。参加者はそれぞれ一度測定されるため、曝露と結果が同時に記録され、時間的関係を確立することはできません。横断的関連性を完全に重み付けしても、横断的関連性は依然として残ります。そして、それを因果関係の言葉で記述することは、この分野の文献で2番目に多く寄せられる反論です。

測定誤差も依然として存在する。自己申告による食事摂取量、身体活動量、服薬状況には既知の報告バイアスがあり、調査ウェイトを適用すると、そのバイアスが除去されるどころか、そのまま全国レベルに反映されてしまう。ウェイト付けは一般化可能性を高めるが、基礎となる測定の精度は向上しない。

これはNHANES論文にどのような意味を持つのか

編集者たちはこのデータセットに対して明らかに鋭敏な目を向けるようになり、その理由を示す証拠も現れている。2026年にBMC Medicine誌に寄稿したモーピンらは、2021年から2025年7月までの出版物を検索し、重複を同一の国民集団において同一の曝露と同一の結果を比較分析することと定義した。彼らは特にNHANESに基づいた重複が相当数あることを発見し、生成ツールによって定型的な投稿が容易になり、審査が難しくなるかどうかを検証した。現在、NHANESの原稿を担当する査読者は、テンプレートを期待して原稿に臨んでいる。

ここから2つのことが導き出される。既発表の曝露と結果の組み合わせを繰り返す研究は、実施の質に関わらず困難を伴うため、新規性は分析開始前に確立する必要があり、後から主張するべきではない。また、査読者はすでにその点についてある程度の予備知識を持っているため、方法論のセクションは通常よりも重要となる。重み変数、層別変数とクラスター変数、サブポピュレーションアプローチ、自由度を明記すれば、わずか4行で研究者の能力を示すことができ、これらが欠けていれば、その逆のことがすぐに示される。

報告基準はここで役立ちます。観察研究のSTROBEチェックリストは、ほとんどのレビュー担当者が参考にしているものであり、STROBEチュートリアルでは、異議を唱えられる可能性のある項目を取り上げています。登録も検討する価値があり、後向き研究でも登録すべき理由を説明しています。調査データではなくレジストリデータを扱う場合は、臨床レジストリデータのクリーニングに関する6つのテクニックで説明されているように、クリーニングにも同じ規律が適用されます。また、 NEISS傷害統計の信頼性に関するレビューで議論されているように、便宜的サンプルがサポートできる範囲の限界にも注意が必要です。質問が記述的ではなく真に因果関係に関するものである場合は、横断的調査よりもメンデルランダム化やその他の操作変数アプローチの方が適している場合があります。これらの方法がエビデンスの階層のどこに位置するかについては、臨床研究におけるエビデンスのレベルに関するガイドを参照してください。

ツールとリソース

無料のEditverseツール

GraphProは、t検定、ANOVA、相関分析、カイ二乗検定のp値を内蔵し、25種類のグラフを出版用に作成できます。無料、登録不要です。

StatProは、グループ比較、カテゴリカルな結果、イベント発生までの時間分析、診断精度などを網羅した無料の統計計算ツールとテスト選択ツールを提供しています。

Flowchart Proは、PRISMA 2020、PRISMA-ScR、CONSORT、STROBE、STARD、MOOSE、およびARRIVEのフローチャートをブラウザ上で直接生成します。

専門的なNHANES分析サポート

調査設計を最初から正しく行いたい場合は、上記で説明した仕様に基づいてNHANES調査を作成し、分析を再現できるようにコードをお渡ししますので、お客様またはレビュー担当者が分析を行うことができます。

NHANES調査

$1,900

完全な原稿、調査加重表、図、実行可能なRまたはStataコード、およびSTROBEチェックリスト。全体を通して、正しい加重、層、クラスター、およびサブポピュレーションの処理。15営業日。

実現可能性およびプロトコル評価

$450

ご質問に対する回答が既に存在するか、必要な変数が該当する周期全体にわたって存在するか、そして十分な統計的検出力があるかを確認します。ご依頼いただいた調査費用は全額控除されます。

拡張版および複数データベースを用いた研究

引用

複数サイクルにわたる傾向分析、傾向スコアマッチングデザイン、媒介分析、または複数のデータベースにまたがる調査など。料金は通常3,500ドルから。

このカテゴリに含まれるすべての項目は、「レジストリおよび実世界データ研究」に分類されます。

結論

NHANES調査の重み付けを適用することは、最後に付け加える書式設定上の要件ではありません。それは、数値が米国全体を表しているのか、それともスプレッドシートを表しているのかを決定するものです。私たちのテストでは、主要な有病率の数値が4.6パーセントポイント変動し、点推定値に影響を与えなかった設計変数でさえ、信頼区間とそれを裏付けるために利用できる自由度を変化させました。

仕様を正しく記述し、明確に示してください。方法のセクションで重み変数、層、クラスター、サブポピュレーションアプローチを確認できる査読者は、エラーがないことを既に示しているため、エラーを探す必要はありません。

参考情報

  1. Maupin D、Suchak T、Barnett A、Spick M. 生成AI時代における重複出版物の劇的な増加。 BMC医学。 2026; 24(1):29 doi:10.1186 / s12916-025-04569-y
  2. Smirnova E、Cui E、Tabacu L、Leroux A. スカラー関数回帰:複雑な調査設計における推定と推論。 医学の統計。 2024; 43(20)。 doi:10.1002/sim.10194
  3. 米国国立健康統計センター。NHANES調査方法および分析ガイドライン。疾病管理予防センター。 wwwn.cdc.gov/nchs/nhanes/analyticguidelines.aspx
  4. 米国国立健康統計センター。NHANES 2017-2018 人口統計変数およびサンプルウェイト (DEMO_J)。 wwwn.cdc.gov/Nchs/Nhanes/2017-2018/DEMO_J.htm
  5. 米国国立健康統計センター。NHANES 2017-2018 糖化ヘモグロビン検査データ(GHB_J)。 wwwn.cdc.gov/Nchs/Nhanes/2017-2018/GHB_J.htm
  6. Lumley T. survey: 複雑な調査サンプルの分析。R パッケージ。 cran.r-project.org/package=survey
  7. von Elm E、Altman DG、Egger M、他。疫学における観察研究の報告強化(STROBE)声明。 ランセット. 2007;370(9596):1453-1457. doi:10.1016/S0140-6736(07)61602-X

分析は、Editverse社が公開したNHANES 2017-2018データに基づいて実施されました。すべての推定値は、公開前にRとPythonを用いて独自に再現されています。データソース:米国疾病予防管理センター、国立健康統計センター。