リスク比とオッズ比：理解と計算

公開日：2026年6月20日|最終更新日：2026年8月10日

心臓専門医が新しい抗凝固薬を検討している際、発表された文献で2つの数値が並んでいるのを見つけた。コホート研究では脳卒中のリスク比が0.65と報告されている。同じ薬剤クラスを対象とした症例対照研究では、同じ結果に対するオッズ比が0.58と報告されている。どちらの数値も予防効果を示しているが、計算方法、研究デザイン、そして結果の発生頻度に関する前提が異なっている。この2つの数値を混同したり、一方を他方であるかのように報告したりすることは、査読者が方法論や結果のセクションで最も頻繁に指摘する統計的誤りの1つである。

このガイドでは、2つの指標を明確に区別しています。教科書からコピーするのではなく、独自に計算した2つの詳細な例を通して、同一のデータセットでもリスク比とオッズ比がどのように異なる結果になるのか、そして結果の発生頻度によってその差が広がるか縮まるのかを具体的に示しています。後半では、論文でリスク比を報告すべき場合、オッズ比のみで十分な場合、そして疫学文献が、よく引用される希少疾患の経験則について実際に何を述べているのかを解説します。この経験則は、多くの教科書が示唆するほど単純ではないことが分かります。

主要なポイント（要点）

• A リスク比 これは、曝露群における事象の累積リスクを非曝露群におけるリスクで割るものであり、両群の実際の規模を最初から把握している必要がある。コホート研究やランダム化比較試験では、まさにそのような状況が実現される。
• An オッズ比 ある事象が一方のグループで発生する確率を、もう一方のグループで発生する確率で割るという計算式は、自然ではなく研究者が症例数と対照数を決定した場合でも有効である。
• ベイステート医療センターの実際の189人の出生コホートデータセットでは、母親の喫煙は低出生体重のリスク比が1.61であったのに対し、同じ数値におけるオッズ比は2.02であった。これは、ある結果が稀ではなくなると、2つの指標がどれほど乖離する可能性があるかを具体的に示している。
• シモンズとムーアの2002年の分析では、 Journal of Clinical Epidemiology リスク比、ハザード比、オッズ比の間のギャップは、追跡期間が長くなるにつれて、またリスクが1から離れるにつれて大きくなることがわかった。これは、結果の発生率だけによるものではない。
• 2008年に発表された150件の症例対照研究を監査したところ、報告されたオッズ比の正しい解釈はサンプルのほとんどで希少疾患の仮定に基づいていたにもかかわらず、希少疾患の仮定を明示的に議論していたのはわずか4件だったことが判明した。

リスク比とオッズ比の違いとは？

リスク比率の定義

リスク比（相対リスクとも呼ばれる）は、同じ一定期間における、曝露群での事象の累積リスクを、非曝露群での累積リスクで割った値です。累積リスクは単純な算術計算で、事象を経験した人の数を、リスクにさらされていた総数で割った値です。この分母、つまりリスクにさらされていた真の人数を正しく把握するには、まず被験者を登録し、その後追跡調査を行うコホート研究やランダム化比較試験といった研究デザインを用いる必要があります。

オッズ比の定義

オッズ比とは、あるグループにおける事象のオッズを別のグループにおけるオッズで割った値であり、オッズ自体は事象が発生する確率を事象が発生しない確率で割った値であり、リスクとは異なる量である。ジェローム・コーンフィールドが1951年に米国国立がん研究所誌に発表した論文は、コホート研究以外でもオッズ比が非常に有用である理由となる特性を示した。症例と対照から計算されたオッズ比は、計算が曝露から始まり結果について問う場合でも、結果から始まり曝露について問う場合でも、同じ値になる。この対称性はまさに症例対照研究に必要なものであり、症例対照研究は、集団全体を追跡するのではなく、固定数の症例とそれとは別に固定数の対照を収集することで、結果に基づいてサンプリングを行うためである。

実際のコホートデータからリスク比を計算する

教科書の丸められた仮説的な数値を再利用するのではなく、以下のリスク比は、マサチューセッツ州スプリングフィールドのベイステート医療センターで記録された189件の出産に関する実際の臨床データセットから得られたもので、HosmerとLemeshowによって『応用ロジスティック回帰』の標準的な教育例として公開されています。母親の喫煙状況と低出生体重（2,500グラム未満と定義）をクロス集計すると、このガイドのために直接計算され、Rでクロスチェックされた以下の表が得られます。

喫煙グループのリスクは 30 ÷ 74、つまり 40.5% です。非喫煙グループのリスクは 29 ÷ 115、つまり 25.2% です。最初の数値を 2 番目の数値で割ると、リスク比は 1.61 (95% CI 1.06 ～ 2.44) となり、この妊娠コホートで喫煙した母親は、喫煙しなかった母親よりも低出生体重児を出産するリスクが 61% 高いことを意味します。同じ表でカイ二乗検定を行うと χ² = 4.92 (p = 0.026) となり、この関連性が偶然だけを反映している可能性は低いことが確認されました。この計算については、Editverse のカイ二乗検定ガイドで詳しく説明されています。

実際の症例対照研究からオッズ比を計算する

分母が既知のコホートが常に利用できるとは限りません。Tuyns、Péquignot、およびJensenによる1977年のフランスのイル＝エ＝ヴィレーヌ県での症例対照研究では、食道がんの新規診断を受けた男性200人を症例群として登録し、別の対照群として一般集団を登録した後、各参加者に過去のアルコールとタバコの摂取について質問しました。報告されたアルコール摂取量を高摂取群（1日あたり80グラム以上）と低摂取群（1日あたり80グラム未満）に集約し、症例または対照の状態とクロス集計して、このガイドのために直接計算した結果、200例の症例と775例の対照から以下の表が作成されました。

症例群では、高濃度のアルコールに曝露されるオッズは96～104です。対照群では、同じオッズは109～666です。症例群の曝露オッズを対照群の曝露オッズで割るクロス積の式OR = (a × d) / (b × c)を使用すると、オッズ比は5.64 (95% CI 4.00～7.95)となります。このサンプルでは、​​多量の飲酒者は、少量の飲酒者と比較して食道がんのオッズが5倍以上高く、ピアソンのカイ二乗検定でイェーツの連続性補正を適用するとχ² = 108.2 (p < 0.0001)となるほど強い関連性が見られました。

各アルコール摂取群における症例数を症例＋対照群の合計で割ると、高アルコール摂取群では96÷205、低アルコール摂取群では104÷770となり、このデータではリスク比のように見える数値3.47が得られます。しかし、この数値はリスク比ではなく、リスク比として報告すると研究結果を誤って解釈することになります。Tuynsらは、対象集団の多量飲酒者と軽量飲酒者全員をサンプリングしたわけではありません。彼らは固定された症例群と、それとは別に固定された対照群をサンプリングしたため、表中の症例対対照比は、イル＝エ＝ヴィレーヌ県の多量飲酒者と軽量飲酒者における食道がんの真の有病率ではなく、研究者のサンプリング決定を反映しています。このようなサンプリングでもそのまま維持されるのはオッズ比だけであり、これはまさにCornfieldの1951年の論文で確立された特性であり、症例対照研究法がそれに依存する理由です。

同じデータでもオッズ比とリスク比が異なる理由

教科書では、これら2つの指標の関係を、オッズ比がリスク比に近似する、つまり結果がまれな場合（通常10%未満）にはオッズ比がリスク比に近似するという1本の線に単純化することがよくあります。このルールは妥当な出発点となる経験則であり、上記の出生体重の例で明確な分離が見られた理由を説明しています。ベースラインリスクが25.2%というのは決してまれなケースではなく、計算されたオッズ比2.02は、同じ表上のリスク比1.61を大きく上回っています。しかし、このまれな疾患に関する経験則は、2つの指標が実際にどのように振る舞うかを過小評価しています。

Symons と Moore による 2002 年のJournal of Clinical Epidemiologyの分析では、リスク比、ハザード率比、オッズ比の間の乖離を直接モデル化し、追跡期間の長さ、その追跡期間中の平均イベント率、および真のリスクがどちらの方向に 1 からどれだけ離れているかという 3 つの要因を掛け合わせると、ギャップが大きくなることがわかりました。リスクが約 2.5 を超えると、それ自体で大きな乖離が生じ、これはベースラインでの結果の希少性とは別の要因であり、それに加えて影響すると彼らは述べています。Pearce による 1994 年のInternational Journal of Epidemiology の論文では、症例対照研究に特有のニュアンスがさらに追加されています。症例対照表から計算されるオッズ比は、対照のサンプリング方法に応じて、3 つの真に異なる基礎的な量を推定します。研究全体を通してリスクにさらされた人時間から抽出された対照は、率比を直接推定するオッズ比をもたらします。ベースライン時点でリスクのある集団から抽出された対照群を用いると、リスク比を直接推定するオッズ比が得られる。一方、追跡調査終了時点で生存者のみから抽出された対照群を用いると、より狭義の従来型のオッズ比が得られる。これは、希少疾患の状態がリスク比を近似するためには不可欠となるオッズ比である。

グリーンランド、トーマス、モーゲンシュテルンによる1986年の『アメリカ疫学ジャーナル』に掲載された批判は、別の角度から関連する結論に達し、対照群に症例数の多い症例を含めるだけでは、オッズ比が偏りのないリスク比推定値のように振る舞うわけではないと警告した。ロドリゲスとカークウッドによる1990年の同誌のレビューでは、適切なサンプリング計画によって、症例対照研究が希少性に頼ることなく、相対リスクまたは相対率を直接推定できることが示された。これらのことは、古典的な希少疾患の経験則を完全に間違っているとするのではなく、研究が実際にどのように対照群を選択したかに依存する、より大きく、より正確な全体像の中の有用な事例の一つであるということを示している。結果がたまたまどれほど一般的であるかだけに依存するものではない。

リスク比かオッズ比か？測定方法と研究デザインのマッチング

研究デザインは、統計が関係する前に、どの指標が計算可能かを決定します。コホート研究またはランダム化試験では、曝露群と非曝露群、または治療群と非治療群に分けられた特定の集団を登録し、一定期間すべての参加者を追跡します。つまり、累積リスクの分子と真の分母の両方が直接観察されます。医師健康調査は、実際のデータでこれを明確に示しています。平均60.2か月間22,071人の男性医師を追跡したランダム化試験では、低用量アスピリンによる心筋梗塞リスクが44%減少することがわかりました。リスク比は0.56（95%信頼区間0.45～0.70）で、アスピリン投与群の発生率は100,000万人年あたり254.8件、プラセボ投与群は100,000万人年あたり439.7件でした。それこそが、リスク比率が構築されるべき、明快で将来を見据えた設計である。

症例対照研究は出発点を完全に逆転させるものであり、Editverse のコホート研究および症例対照研究設計に関する付属ガイドでは、ここで説明できる以上にサンプリングの仕組みについて詳しく解説しています。Knol らは、2001 年から 2007 年にかけて主要な医学および疫学ジャーナルに掲載された 150 件の症例対照研究を監査し、そのうち 125 件 (83%) が新規症例を登録していることを発見しました。これらのうち 105 件 (84%) は、対照群のサンプリング方法を考慮すると、オッズ比を率比として正当に解釈できるものでした。さらに 17 件 (14%) は、オッズ比を真のリスク比として解釈できましたが、そのうち 16 件は、その解釈を成立させるために希少疾患の仮定が必要でした。報告された解釈のほとんどを暗黙のうちに支えているにもかかわらず、150 件の研究のうち希少疾患の仮定を明示的に議論していたのはわずか 4 件でした。

公表されたオッズ比が技術的に推定する内容と、読者がそれをどう解釈するかという点との間のギャップは、関連するモデリングの選択においても同様に現れます。EditverseのCox比例ハザードモデルに関するガイドと、医療診断におけるロジスティック回帰に関するガイドは、いずれもモデリングの観点からこの問題を取り上げています。なぜなら、Coxモデルによるハザード比とロジスティック回帰によるオッズ比には、それぞれ密接に関連した解釈上の落とし穴があるからです。

リスク比およびオッズ比の信頼区間

1.61、2.02、5.64といった点推定値だけでは、全体像を把握することはできません。上記の2つの計算例は、標準的な対数変換法を用いて95%信頼区間を計算しました。これは、リスク比とオッズ比はゼロで境界があり、自然なスケールでは歪んでいるため、対数が正規近似が実際にうまく機能するスケールとなるからです。出生体重リスク比1.61の95%信頼区間は1.06～2.44で、この区間は1をわずかに上回っていますが、下限が1に非常に近いため、サンプルが少し異なると下限を越える可能性があったからです。食道がんオッズ比5.64の信頼区間は4.00～7.95と、はるかに狭く、サンプルサイズが大きく、より強い関連性があることを反映しています。いずれかの指標の信頼区間が1をまたぐ場合、点推定値自体が1からどれだけ離れているかに関わらず、データは全く関連性がないという結論と一致する。

リスク比とオッズ比の解釈におけるよくある間違い

• オッズ比をリスク比であるかのように報告すること。 オッズ比が2.0だからといって、ベースラインリスクが10%を大きく超えた時点で、結果が絶対的に2倍起こりやすいという意味ではない。このように表現すると、要約をざっと読む読者にとって、実際の影響を過大評価することになる。
• 症例対照表から直接リスク比を算出する。 上記の食道がんの例は、まさにこの方法が失敗する理由を示しています。症例対照比は、根本的な有病率ではなく、サンプリングの決定を反映しているため、これらの生データから算出される「リスク」は、真の疫学的指標ではなく、研究デザインによる人工的な結果にすぎません。
• マーカーのオッズ比を、優れた診断性能の証拠として扱うこと。 ペペと同僚による2004年の論文は 疫学のアメリカジャーナル オッズ比が3のマーカーを、対照群における偽陽性率10%に調整したところ、真の症例のうち陽性と正しく判定できるのはわずか25%であることが判明した。一見立派なオッズ比にもかかわらず、ほとんどの臨床医はこのレベルの識別能力を残念に思うだろう。
• 希少疾患のルールが常に適用されると仮定する。 オッズ比がリスク比に近似するかどうかは、上記のセクションで示されているように、結果の発生率だけでなく、対照群のサンプリング方法にも大きく依存します。
• 信頼区間を省略します。 リスク比やオッズ比が信頼区間なしで報告されている場合、その数値を取り巻く標本誤差の程度が正確には示されていないため、査読者は提出された原稿にその情報が欠けている場合、必ずその情報を要求するだろう。

学術誌への投稿におけるリスク比またはオッズ比の報告

ほとんどの医療科学誌では、結果セクションにリスク比やオッズ比が現れるたびに、点推定値、95%信頼区間、そしてそもそも計算を有効とする研究デザインといった、同じコア要素が必ず記載されることが求められます。研究デザインを明記することは重要です。なぜなら、そうでなければ読者は「オッズ比 2.0」が、このガイド全体で説明されているような条件が必要な症例対照研究から得られたものなのか、それともロジスティック回帰をモデリングの便宜上使用した横断的またはコホート分析から得られたものなのかを判断できないからです。Editverseの医学研究における回帰モデルの概要では、ロジスティック回帰、ポアソン回帰、コックス回帰がそれぞれ独自の比率尺度を生成する方法について説明しており、方法セクションで基礎となる研究デザインを正しく記載することが、比率で埋め尽くされた結果表が実際にその意味を正しく表すために不可欠です。

複数の発表済み研究から複数のリスク比またはオッズ比を統合する研究では、関連する、より深刻な問題に直面します。コホート研究のリスク比と症例対照研究のオッズ比を調整せずに同じメタ分析で混合すると、統合された推定値が歪む可能性があるためです。Editverseのメタ分析マスタークラスでは、フォレストプロットがまさにこのような混合測定の統合をどのように処理するかを解説し、Editverseの感度、特異度、予測値に関するガイドでは、リスク比またはオッズ比が結果表でよく一緒に使用される関連する診断精度指標について説明しています。

結論

リスク比とオッズ比はどちらも同じ関連性を表していても、読者には異なる2つの数値（上記の出生体重の例では1.61対2.02）が示されることがあります。これは、一方の指標には真の母集団分母が必要であり、もう一方には必要ないという理由によるものです。研究デザインによって、そもそもどの指標が利用できるかが決まります。リスク比の場合はコホート研究またはランダム化比較試験、オッズ比の場合は症例対照研究です。そして、その最初の設計段階で生じた不一致は、後続の統計的手法をどれだけ高度化しても修正できません。希少疾患のヒューリスティックは依然として有用な出発点ですが、追跡期間の長さとリスクの大きさが同様に重要であるというSymonsとMooreの発見、および対照群のサンプリング方法によってオッズ比の推定値自体が変わるというPearceの発見は、いずれも、全体像を把握するには、単一の経験則では対応できないほどの注意が必要であることを示しています。

設計段階で適切な選択を行い、すべての点推定値とともに信頼区間を報告することで、査読者が疑問なく受け入れる結果セクションと、そもそもそのように計算されるべきではなかった指標のために修正要求を受けるセクションとを区別することができる。

参考情報

1. Cornfield J. 臨床データから比較率を推定する方法。肺がん、乳がん、子宮頸がんへの応用。 国立がん研究所 1951;11(6):1269-1275. doi.org/10.1093/jnci/11.6.1269
2. Tuyns AJ、Péquignot G、Jensen OM。イル＝エ＝ヴィレーヌ県における食道がんとアルコールおよびタバコの消費量との関連。 雄牛癌。 1977;64(1):45-60. PMID 861389
3. Hosmer DW、レメショーS. 応用ロジスティック回帰。 第2版​​。ニューヨーク：ワイリー；2000年。
4. Pearce N. 症例対照研究におけるオッズ比は何を推定するものですか？ 国際疫学ジャーナル。 1994;22(6):1189-1192. PMID 8144304
5. Greenland S、Thomas DC、Morgenstern H. 希少疾患の仮定の再検討。「症例対照研究における相対リスクの推定値」に対する批判。 Ａｍ Ｊ Ｅｐｉｄｅｍｉｏｌ。 1986;124(6):869-883. PMID 3776970
6. Rodrigues L、Kirkwood BR。一般的な疾患の研究における症例対照研究デザイン、希少疾患仮説の終焉に関する最新情報、および対照群のサンプリングスキームの選択。 国際疫学ジャーナル。 1990;19(1):205-213. PMID 2190942
7. 野間 浩、三隅 雅彦、田中 聡．症例対照研究におけるリスク比およびリスク差の推定． J疫学. 2023;33(10):508-513. PMID 35753802
8. Knol MJ、Vandenbroucke JP、Scott P、Egger M.症例対照研究は何を推定するのか？発表された症例対照研究における方法と仮定の調査。 Ａｍ Ｊ Ｅｐｉｄｅｍｉｏｌ。 2008;168(9):1073-1081. PMID 18794220
9. Symons MJ、Moore DT。ハザード率比と前向き疫学研究。 J Clin Epidemiol。 2002;55(9):893-899. PMID 12393077
10. Pepe MS、Janes H、Longton G、Leisenring W、Newcomb P. 診断、予後、またはスクリーニングマーカーの性能を評価する際のオッズ比の限界。 Ａｍ Ｊ Ｅｐｉｄｅｍｉｏｌ。 2004;159(9):882-890. PMID 15105181
11. 医師健康調査研究グループ運営委員会。進行中の医師健康調査におけるアスピリンに関する最終報告書。 N ENGL Jメッド。 1989;321(3):129-135. PMID 2664509
12. Monaghan TF、Rahman SN、Agudelo CW 他。医学研究における基礎統計原理、オッズ比、相対リスク、絶対リスク、治療必要数に関するチュートリアル。 Int J Environ Res公衆衛生。 2021;18(11):5669. PMID 34070675
13. George A、Stead TS、Ganti L. リスクとは何か？リスク比、オッズ比、ハザード比の違いとは？ Cureus。 2020;12(8):e10047. PMID 32983737