層別割付、層別解析、サブグループ解析

今回は層別について考えてみます。

層別割付

臨床試験などの実験計画法を応用する分野では、明らかに結果変数に影響を与えるような因子を計画段階で制御することが重要になります。例えば、疾患の重症度が結果に大きく影響するものとすると、治療法をランダム割付する際には重症度のカテゴリーによって層を作り（例えば「軽度」「中等度」「重度」という3カテゴリーで表される場合には3つの層が構成されます）、それらの層ごとにランダム割付を行います。そうすることで、比較する治療を割り付けられた各グループの間で、重症度のカテゴリーは偏らないことが期待できます。
治療AとBを層ごとにランダム割付する際には、簡単に言うと層ごとに以下のようなAとBのランダムな列が作られていることになります。

軽度	中等度	重度
A	A	B
B	A	A
B	B	A
...	...	...

このように、層別化したうえで各層ごとに治療（一般的な実験計画の文脈では、処置とか処理という用語が使われます）をランダムに割り付けることを層別割付といいます。

層別解析

層別割付を行った試験で得られたデータは、層別を考慮した統計解析（層別解析）を行うことが多くあります。（多くというよりは、原則として、かもしれません。参考文献では「デザインと解析の両方で層別 」することを事前層別、「解析段階でのみ層別」することを事後層別として分類しており、層別解析を行うことが前提として議論されています。また詳しく調べた上で別記事で改めて書きたいと思います。）
層別解析を行うことによって、データのばらつきのうち層によって説明できる部分の影響を取り除いた比較ができますので、比較精度を高めることが期待できます。また、ランダム化を行なえないような場合には比較の結果を歪めることになるいわゆる「交絡」を取り除くための有効な方法となります。

サブグループ解析

層別解析と混同されやすい概念として「サブグループ解析」というものがあります。
層別解析は、層別する変数の影響を調整したうえで集団全体の治療効果（例えば治療AとBとのアウトカムの差）を推定しますが、サブグループ解析はある変数でグループに分けたうえで、「グループごとに」治療効果を推定します。つまり、推定されるものは両者で全く異なっています。
用いられる目的も両者では異なっており、層別解析は交絡を防ぐ・推定精度を高めるという目的で行われる一方、サブグループ解析の目的は治療とグループとの「交互作用」の発見にあります。交互作用とは、治療の効果が対象となる母集団の中で一様ではないことを言い、例えば重症度が軽度〜中等度の人にはほとんど治療効果がないが、重度の人にはなぜかものすごく効くという場合には交互作用があることになります。このような状況を発見するために、上記の例では「軽度または中等度」と「重度」にグループ分けして、それぞれでの治療効果がどうだったかを確認するという手順がとられます。
治療効果が集団で一様ではなくサブグループによって異なること、特に異なるサブグループの間で効果が逆転する（例えば、「軽度または中等度」では治療Aのほうが優れているが、「重度」では治療Bのほうが優れているような場合）ということも十分ありうるため、集団全体の効果を評価しつつ、さらに交互作用が疑われる要因についてサブグループ解析を行うのは重要と言えるでしょう。しかし、比較を多く行えばその分どこかで意味ありげな差が見つかりやすい（多重性の問題）ため、このようなサブグループ解析は何らかの示唆として理解すべきものと考えられています。

層別割付、層別解析の詳細は、また回を改めて説明したいと思います。

参考文献

J.L.フライス(2004), 臨床試験のデザインと解析, アーム.