解析用データセットの作成:再現性を高める変数定義とデザインダイアグラム(2026年)

2.1K Views

November 16, 26

スライド概要

京都大学大学院医学研究科社会健康医学系専攻 臨床研究データ管理学
2026年11月20日
https://sph.med.kyoto-u.ac.jp/syllabus/

profile-image

京都大学大学院医学研究科社会健康医学系専攻薬剤疫学分野 講師

シェア

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

ダウンロード

関連スライド

各ページのテキスト
1.

臨床研究データ管理学 2026 年11 月20 日 解析用データセットの作成 再現性を高める変数定義とデザインダイアグラム 深澤 俊貴 京都大学大学院医学研究科 社会健康医学系専攻 薬剤疫学分野 1

2.

経歴・資格など 学位 2017 年 学士(薬科学) 2019 年 修士(薬科学) 2024 年 博士(医学) 慶應義塾大学薬学部薬科学科 慶應義塾大学大学院薬学研究科 京都大学大学院医学研究科 職歴 2019 年 – 2020 年 東北大学病院臨床研究推進センター 助手 2020 年 – 2024 年 京都大学大学院医学研究科薬剤疫学分野・デジタルヘルス学講座 (エーザイ株式会社・協和キリン株式会社との産学共同講座) 2024 年 – 2025 年 京都大学大学院医学研究科薬剤疫学分野 特定講師 (アストラゼネカ株式会社との共同研究) 2025 年 – 現在 京都大学大学院医学研究科薬剤疫学分野 講師 兼業 旭化成セラピューティクス株式会社、 特定助教 MSD 株式会社、株式会社 JMDC 資格 日本薬剤疫学会認定薬剤疫学家、 日本疫学会認定上級疫学専門家 所属学会 日本薬剤疫学会(評議員、編集委員、拡充委員)、日本疫学会、 International Society for Pharmacoepidemiology など 2

3.

同じ材料でも、仕上がりは変わる そのレシピで、 他の人も同じ料理を 作れるだろうか 「適量」「しばらく」では、 作り手によって解釈が変わる 分量・順序・時間を明示し、 他の人も再現できる形にする 図:深澤作成( ChatGPT 使用) 3

4.

同じデータでも、解析結果は変わる その方法の記述で、 他の人も同じ結果を 再現できるだろうか 定義や手順が曖昧だと、 研究者によって処理が変わる 対象者・変数・評価期間を定義し、 処理手順を具体的に共有する 図:深澤作成( ChatGPT 使用) 4

5.

到達目標 • リアルワールドエビデンス( RWE )研究の再現性について理解する • 再現性の高い解析用データセットの作成プロセスについて理解する • グループワークを通して、デザインダイアグラムの考え方を習得する 5

6.

アウトライン 1 RWE 研究の再現性 2 解析用データセットの作成とデザインダイアグラム 3 グループワーク 6

7.

アウトライン 1 RWE 研究の再現性 2 解析用データセットの作成とデザインダイアグラム 3 グループワーク 7

8.

計画・実施、報告、評価の主なガイドライン・テンプレート 2000 年 医学研究は 適切に計画・実施 され、適切に 報告され、適切に 評価されるべき Guidelines for GPP (2004) Guidelines for GPP (2007) STROBE (2007) PRISMA (2009) 2010 年 ENCePP Guide (2011) CONSORT (2010) Cochrane Collaboration’s tool (2011) GRACE principles (2014) Guidelines for GPP (2015) RECORD (2015) ROBINS -I (2016) RECORD-PE (2018) 2020 年 STaRT-RWE (2021) RoB 2 (2019) PRISMA (2020) HARPER (2022) 深澤 俊貴, 他. 薬剤疫学. 2023;28(1):13 -16. CONSORT (2025) ・ TARGET (2025) 8

9.

再現性を高めるための調和プロトコルテンプレート( Wang SV, et al. Pharmacoepidemiol Drug Saf . 2023;32(1):44 -55. Wang SV, et al. Value Health . 2022;25(10):1663 -1672. HARPER ) 9

10.

HARPER とは • HAR monized Protocol Template to Enhance Reproducibility of hypothesis evaluating real world evidence studies on treatment effects 治療効果に関する仮説を評価するリアルワールドエビデンス研究の トコルテンプレート - 再現性向上に向けた調和プロ • ISPE/ISPOR合同タスクフォースが開発 • RWE 研究に利用されている既存の 4つのプロトコルテンプレートを統合 Wang SV, et al. Pharmacoepidemiol Drug Saf . 2023;32(1):44 -55. Wang SV, et al. Value Health . 2022;25(10):1663 -1672. 10

11.

再現性には色々な意味がある • Reproducibility は、質の高い研究の必要条件であるが、十分条件ではない • Replicability, robustness, generalizability は、 reproducibility • Replicability, robustness, generalizability 定する根拠にはならない が確認されないことは、それだけで元の研究結果を否 よりも高次の目標である • むしろ、データの定義や質の違い、時間的な変化、効果の異質性など、差異の要因を見つけるた めに、より深い調査が必要であることが強調される • HARPER の再現性は、 reproducibility に焦点 データ Reproducibility 再現可能性 Replicability 複製可能性 異なる . 2017;26(9):1018 -1032. 異なる 同じ 方法 深澤 俊貴, 他. 薬剤疫学. 2023;28(2):39 -55. Wang SV, et al. Pharmacoepidemiol Drug Saf 同じ Robustness 頑健性 Generalizability 一般化可能性 11

12.

RWE 研究の再現性( reproducibility ) • 査読付きジャーナルに掲載された 150 件の研究結果を、 同じ DB を用いて再解析した結果 、大半の 結果は忠実に再現されたが、 一部は再現されない • 複雑なデザイン、解析、データ処理に関する選択とその実施について Wang SV, et al. Nat Commun . 2022;13(1):5126. 高い透明性を求める声 12

13.

RWE 研究のベストプラクティスに関する数多くの勧告 断片的な勧告から 包括的なガイダンス へ 41 個もの勧告 が特定された Jaksa A, et al. J Comp Eff Res . 2021;10(9):711 -731. 13

14.

RWE 研究のベストプラクティスに関する数多くの勧告 断片的な勧告から 包括的なガイダンス へ ISPOR Real -World Evidence Summit 2023. Transparency in RWE: Ensuring Credibility and Confidence . 14

15.

HARPER の誕生 Wang SV, et al. Pharmacoepidemiol Drug Saf . 2023;32(1):44 -55. Wang SV, et al. Value Health . 2022;25(10):1663 -1672. 15

16.

HARPER 邦訳の経緯 ICPE 2022 にて、漆原 尚巳先生がHARPER 筆頭著者のShirley V. Wang 先生から邦訳許可を得る (出版社からも翻訳・転載許諾を取得 ) 16

17.

HARPER 日本語版 深澤 俊貴, 他. 薬剤疫学. 2023;28(1):17 -35. 17

18.

日本語版プロトコルテンプレート 深澤 俊貴, 他. 薬剤疫学. 2023;28(1):17 -35. 18

19.

日本版ユースケース 左図:インフルエンザ研究、右表: 深澤 俊貴, 他. 薬剤疫学. 2023;28(1):17 -35. COVID-19 研究 19

20.

HARPER の利活用に関する日本薬剤疫学会の見解( 2023 年公表) 1. 日本においても 、医薬品の治療効果や安全性に関する仮説を評価するために、 ビデンス研究を実施する場合には、 HARPER に準拠することを推奨 する。 リアルワールドエ 2. 学術研究目的のみならず、リアルワールドデータを用いた調査、例えば 製薬企業がリスク管理計 画に基づき仮説検証を目的とする製造販売後データベース調査を計画する際にも、 HARPER を参 考とすることを推奨 する。また、その他の目的の調査においても活用しうる。 3. ただし、 HARPER 原著論文に「今後 2年間で主要な国際的ステークホルダーと共にテンプレートを 導入し、試験的に使用する」と記載されているとおり、 HARPER は2年程度の試行後に見直しが行 われる可能性がある。その際には、 日本薬剤疫学会として 、 HARPER 原著論文および翻訳版の利 活用に伴って生じた疑問点や改善点などについての 意見を取りまとめ、 HARPER のタスクフォー スに対して表明 する。 深澤 俊貴, 他. 薬剤疫学. 2023;28(1):13 -16. 20

21.

HARPER の普及状況 • ICH のリフレクション・ペーパーは、 RWE の用語と原則の国際的調和について HARPER を引用 • CIOMS 作業部会報告書は、規制上の意思決定において HARPER を引用 • CADTHのRWE 報告ガイダンスが HARPER を引用 • FDAセンチネルイノベーションセンターの PRINCIPLED 報告書はHARPER を引用 • DARWIN EU の最初の4つの実証プロジェクトは、プロトコル開発に HARPER を使用 • 日本薬剤疫学会はHARPER を翻訳し、その利活用を推奨 • ZIN は、オランダでがん治療の HTA評価のために HARPER を試験的に使用 • OSFに事前登録された複数国の分散型データベース研究のマスタープロトコールに • ( 2023 年当時、)他の関係者とも HARPER を使用 HARPER の導入に向けて協議 • ENCePP “Guide on Methodological Standards in Pharmacoepidemiology (Revision 11)” はHARPER を引用 • ICH M14 “General Principles on Planning, Designing, Analyzing, and Reporting of Non -interventional Studies That Utilize Real -World Data for Safety Assessment of Medicines” はHARPER を引用 Shirley V Wang 先生のLinkedIn の投稿( 2023 ) を 引用、深澤 が最新情報を 加筆 ENCePP . Guide on Methodological Standards in Pharmacoepidemiology (Revision 11) ICH. M14 Guideline (Final Version) . 2025. . 2023. 21

22.

HARPER に関するスライド 深澤 俊貴. リアルワールドデータを活用した研究のプロトコル作成 . 22

23.

アウトライン 1 RWE 研究の再現性 2 解析用データセットの作成とデザインダイアグラム 3 グループワーク 23

24.

RWE 研究の再現性( reproducibility )を高めるためのデータの前処理 • 前処理1:生データから リレーショナルデータベース • 前処理2: リレーショナルデータベース から 解析用データセット へ変換(今回の 講義) Demographic 前処理1 生データ へ変換(前回の 講義) 前処理2 Disease Drug patient_id patient_id patient_id sex disease_code drug_code age disease_date drug_start_date … … drug_end_date … リレーショナルデータベース 解析用データセット patient_id exposure outcome time censor covariate_1 covariate_2 P0001 0 0 2 1 0 1 P0002 1 1 3 0 1 1 … … … … … … … 24

25.

前処理1:生データからリレーショナルデータベースへ変換 深澤 俊貴. レセプトデータの構造と管理 . 25

26.

前処理2:リレーショナルデータベースから解析用データセットへ変換 • 研究計画で定めた対象者・変数・時間軸を、次の 3ステップで解析用データセットに反映する • ステップ 1:対象候補者と必要なレコードの抽出 • ステップ 2:解析用データセットのフォーマットの決定 • ステップ 3:変数定義に基づく解析用データセットの作成 • 全工程に共通する確認・記録 • 各工程で対象者数・重複・欠測・日付の整合性を確認する • 確認結果・処理手順・使用データとプログラムの版を記録する 26

27.

ステップ 1:対象候補者と必要なレコードの抽出 デノスマブ研究における対象候補者の抽出例 ① 診療行為マスターから、透析の「診療行為コード( 140057810 , 140051010 , 140057910 , ... ) 」を特定 procedure_code: 診療行為テーブル patient_id procedure_code ② ①で特定した診療行為コードが記録されたレコードを、診療行為テーブル から漏れなく抽出 P0001 140057810 P0004 140051010 ③ ②で抽出されたレコードに紐づく「患者 P0010, ... ) 」を特定 P0010 140057910 … … ID( patient_id : P0001, P0004, ④ ③で特定した患者 IDに紐づくすべてのレコードを、レセプトテーブル、傷 病テーブル、医薬品テーブル、診療行為テーブルから漏れなく抽出 Masuda S, et al. Ann Intern Med . 2025;178(2):167 -176. 27

28.

ステップ 2:解析用データセットのフォーマットの決定 データセットのフォーマットは、変数の扱いと解析手法に応じて選ぶ ワイドフォーマット( 1/3 (以下、データフォーマットの模式例) 1行 = 1患者) : 曝露、イベント発生の有無、追跡時間、共変量などを患者ごとに記録 patient_id exposure outcome time* censor covariate_1 covariate_2 P0001 0 0 2 1 0 1 P0002 1 1 3 0 1 1 … … … … … … … ロングフォーマット( 1行 = 1患者の1つの時間区間) : 曝露、イベント発生の有無、共変量など を時間区間ごとに記録。離散時間の生存時間解析や、時間依存性共変量を扱う解析などに使用 patient_id exposure outcome interval * covariate_1 covariate_2 P0001 0 0 1 0 1 P0001 0 0 2 0 1 P0002 1 0 1 1 1 P0002 1 0 2 1 1 P0002 1 1 3 1 1 … … … … … … * time :追跡開始から追跡終了までの経過時間。 interval :区間番号( 1始まり、各区間 1単位) データ変換 28

29.

ステップ 2:解析用データセットのフォーマットの決定 この研究の intention -to -treat 解析ではワイドフォーマット 2/3 を使用 patient_id exposure outcome time censor covariate_1 covariate_2 P0001 0 0 2 1 0 1 P0002 1 1 3 0 1 1 … … … … … … … Masuda S, et al. Ann Intern Med . 2025;178(2):167 -176. 29

30.

ステップ 2:解析用データセットのフォーマットの決定 この研究の per -protocol 解析ではロングフォーマット 3/3 を使用 patient_id exposure outcome interval covariate_1 covariate_2 P0001 0 0 1 0 1 P0001 0 0 2 0 1 P0002 1 0 1 1 1 P0002 1 0 2 1 1 P0002 1 1 3 1 1 … … … … … … Anno T, et al. Pharmacoepidemiol Drug Saf . 2024;33(12):e70063. 30

31.

補足: intention -to -treat 解析と per -protocol 解析 深澤 俊貴, 篠崎 智大. 薬剤疫学. 2025;30(2):53 -73. 31

32.

ステップ 3:変数定義に基づく解析用データセットの作成 1/2 コード・評価期間・判定条件に基づき各変数を作成し、解析単位にそろえて結合する 定義に基づく 変数の作成・結合 patient_id exposure outcome time censor covariate_1 covariate_2 P0001 0 0 2 1 0 1 P0002 1 1 3 0 1 1 … … … … … … … Masuda S, et al. Ann Intern Med . 2025;178(2):167 -176. 32

33.

ステップ 3:変数定義に基づく解析用データセットの作成 2/2 変数定義と デザインダイアグラム を対応させ、各評価期間をレコードの抽出・判定条件に反映する Masuda S, et al. Ann Intern Med . 2025;178(2):167 -176. 33

34.

デザインダイアグラム • RWE 研究では、 多くのデザインを考慮する必要 • 各デザイン特有の用語 もあり、論文ごとに バラツキ あり 用語の使われ方に • 研究デザインを図によって可視化 、 標準化された用語を提案 し、 RWE 研究の再現性を高める Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 34

35.

デザインダイアグラムの構造 一次アンカー 二次アンカー Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. ベースアンカー(暦時間で定義) 本図では具体的な日付・期間を省略 35

36.

薬剤疫学の必読論文30 報 薬剤疫学の 必読論文30 報の1つ Pottegård A, et al. Pharmacoepidemiol Drug Saf . 2022;31(2):257 -259. 36

37.

デザインダイアグラムに関する日本語の解説論文 深澤 俊貴, 他. 薬剤疫学. 2023;28(2):39 -55. 37

38.

デザインダイアグラム(作成のための REPEAT Initiative. Projects, Templates, and Materials . PowerPoint テンプレート) 38

39.

デザインダイアグラム(作成のためのウェブツール) REPEAT Initiative. R Shiny App: Diagrams for longitudinal study designs . 39

40.

デザインダイアグラムの構造(再掲) 一次アンカー 二次アンカー Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. ベースアンカー(暦時間で定義) 本図では具体的な日付・期間を省略 40

41.

時点アンカー( temporal anchor ) 用語 定義 ベースアンカー Base anchor 暦時間で定義され、データソースを記述する 一次アンカー First -order anchor 患者ごとに特有の時間で定義され、研究への組み入れ日または指標日で規定する 二次アンカー Second -order anchor 患者ごとに特有の時間で定義され、一次アンカーと相対的な関係にある 深澤 俊貴, 他. 薬剤疫学. 2023;28(2):39 -55. 41

42.

ベースアンカー( base anchor ) 一次アンカー 二次アンカー Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. ベースアンカー(暦時間で定義) 本図では具体的な日付・期間を省略 42

43.

ベースアンカー( base anchor ) 用語 定義 データ抽出日 Data extraction date 時間とともに更新される動的なデータベースからデータが抽出された日付 データソースの範囲 Source data range 研究対象集団を作成するために利用可能なデータソースがカバーする暦上の時間範囲 研究対象期間 Study period 選択基準、除外基準、曝露、アウトカム、共変量、追跡を含む解析用データセットを 作成するために使用した、データの期間 これらの設定項目は、必ずしもすべてをダイアグラム上に可視化する必要はない 2012/04/01 研究対象期間 データ抽出日 2026/03/31 2026/10/31 データソースの範囲 2005/01/01 深澤 俊貴, 他. 薬剤疫学. 2023;28(2):39 -55. 2026/04/30 43

44.

ベースアンカー:データソースの範囲 • データベースによって、集積されているデータソースの範囲が異なる • 保険者、医療機関ごとにデータ提供期間が異なる NDB JMDC 保険者DB DeSC DB JMDC 医療機関DB JMDC 電子カルテ DB MDV DB データ開始年 2008 年* 2005 年 2014 年 2000 年以前 2000 年以前 2008 年 データ最新年 2026 年 2026 年 2025 年 2026 年 2026 年 2026 年 * 特定健診等は2008 年度~、レセプトは 2009 年4月診療分~ 日本薬剤疫学会. 日本における薬剤疫学に応用可能なデータベース調査 ( 2026 年8月調査) . 44

45.

ベースアンカー:データソースの範囲・研究対象期間 データベースによっては複数のデータソースを有するため、選択基準、除外基準、曝露、アウトカム、共変量 などのそれぞれの変数が何をデータソースにしているかに注意を払う レセプトデータ DPCデータ 電子カルテデータ これ以降を研究対象期間にすると、すべてのデータソースの収載期間が重なる これ以降を研究対象期間にすると、 DPCデータ由来の情報が一部欠落 これ以降を研究対象期間にすると、レセプトデータ・ DPCデータ由来の 情報が一部欠落 45

46.

ベースアンカー:研究対象期間 例えば、以下に注意して研究対象期間を設定する • 曝露群や対照群とする医薬品の発売時期はいつか? • 研究対象とする疾患の標準治療に変化はないか? • 曝露からアウトカム発生までに必要な追跡期間を確保できるか? • 保険者・医療機関とデータベース事業者との契約終了が、追跡期間に影響しないか?(データ提供の停止に より、多数の対象者で追跡が途中で終了することがある) NDB JMDC 保険者DB DeSC DB JMDC 医療機関DB JMDC 電子カルテ DB MDV DB 1年以上 記載なし 2,870 万人 1,545 万人 2,596 万人 1,140 万人 2,650 万人 3年以上 記載なし 1,976 万人 1,017 万人 1,530 万人 791 万人 1,620 万人 5年以上 記載なし 1,404 万人 642 万人 942 万人 557 万人 1,112 万人 観察期間* * 観察期間は各データベースの集計定義による 日本薬剤疫学会. 日本における薬剤疫学に応用可能なデータベース調査 ( 2026 年8月調査) . 46

47.

一次アンカー( first -order anchor ) 一次アンカー 二次アンカー Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. ベースアンカー(暦時間で定義) 本図では具体的な日付・期間を省略 47

48.

一次アンカー( first -order anchor ) 用語 定義 コホート組み入れ日 Cohort entry date* 患者が研究対象集団に組み入れられる日 Exposure -anchored design で使用(例:コホート研究、セルフコントロールド・ ケースシリーズ研究) アウトカムイベント発生日 Outcome event date アウトカムイベントが発生した日 Outcome -anchored design で使用(例:ケース・コントロール研究、ケース・ク ロスオーバー研究) * この用語にこだわる必要はない。過去の査読で、 Miguel Hernán 先生から “cohort entry date” はジャーゴン であり、“ start of follow -up (追跡開始) ” に置き換えるよう指摘された 深澤 俊貴, 他. 薬剤疫学. 2023;28(2):39 -55. 48

49.

研究デザインの分類 対象者に介入を加えるか? はい いいえ 介入研究 観察研究 ランダム化をするか? 曝露とアウトカムの測定時点は? はい ランダム化比較試験 いいえ 異なる 非ランダム化比較試験 曝露がアンカー ( Exposure -anchored ) 同じ 横断研究 縦断研究 デザインの基準(アンカー)は? アウトカムがアンカー ( Outcome -anchored ) 個人間比較 コホート研究 ケース・コントロール研究 個人内比較 セルフコントロールド・ ケースシリーズ研究 ケース・クロスオーバー研究 比較対照は? 49

50.

Exposure -anchored design (例:コホート研究) コホート組み入れ日 Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 50

51.

Outcome -anchored design (例:ケース・クロスオーバー研究) アウトカムイベント 発生日 Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 51

52.

二次アンカー( second -order anchor ) 一次アンカー 二次アンカー Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. ベースアンカー(暦時間で定義) 本図では具体的な日付・期間を省略 52

53.

二次アンカー( second -order anchor ) 用語 定義 除外基準の評価期間 Exclusion assessment window 患者の除外基準を評価するための期間 曝露のウォッシュアウト期間 Washout window for exposure 新規曝露( incident exposure )を定義するための期間 アウトカムのウォッシュアウト期間 Washout window for outcome 新規アウトカム( 共変量の評価期間 Covariate assessment window 共変量を評価するための期間 曝露の評価期間 Exposure assessment window 曝露状況を評価するための期間 追跡期間 Follow -up window 研究対象集団において、注目するアウトカムの発生が解析に含まれる 期間 注:上記に加え「選択基準の評価期間( inclusion assessment window 深澤 俊貴, 他. 薬剤疫学. 2023;28(2):39 -55. incident outcome )を定義するための期間 )」を設定してもよい 53

54.

二次アンカー:除外基準の評価期間 • 半年~1年程度で定義されることが多いが、除外基準ごとに評価期間が異なることもある • 一次アンカーの前日または当日までの一定期間として設定されることが多い • 治療開始後の情報で対象者を選ぶと、選択バイアスや中間因子への条件づけにつながりうる 除外基準の評価期間 Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 54

55.

二次アンカー:曝露のウォッシュアウト期間 • 新規曝露( incident exposure )や新規使用者( new user )を定義するために用いる • 研究対象薬の記録がウォッシュアウト期間にある 患者( prevalent user )は、新規使用者の基準を満たさな い。ウォッシュアウト 期間が不足する患者は、新規使用か判定できない 曝露の ウォッシュアウト期間 Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 55

56.

Prevalent user bias • 既使用者( prevalent user )は、アウトカムが発生しないで薬を使用し続けている場合が多い • 副作用を起こしやすい患者が早期に脱落していると、既使用者を含む解析では治療開始直後のリスクを過 小評価しうる( prevalent user bias ) • 新規使用者( new user )は、所定のウォッシュアウト期間に使用記録がなく、その後に使用を開始した患者 であるため、必ずしも生涯を通じて初めてその薬を処方された患者( treatment -naïve user )ばかりではな く、再使用者( re-initiator )が含まれる可能性あり データベース登録日 基準となる処方日 (組み入れ候補日) Look -back period (半年~ 1年程度) Treatment -naïve user New user Re-initiator Prevalent user ●:データベース上で観察された 処方 〇:データベースからは不明だが 実際は受けていた処方 56

57.

Prevalent user bias への対処法 • 処方開始前に一定の観察期間を確保し、その期間に対象薬の使用記録がない患者を組み入れる( design ) • 実薬対照( = active comparator )を設定する場合は、 prevalent user として除外することが多い データベース登録日 new -user look -back period に対照薬を処方されていた患者も 基準となる処方日 (組み入れ候補日) Look -back period (半年~ 1年程度) Treatment -naïve user New user Re-initiator Prevalent user ●:データベース上で観察された 処方 〇:データベースからは不明だが 実際は受けていた処方 57

58.

New user design vs prevalent user design コホート組み入れ日は、 Patient 2, 3, 6 では、薬剤開始日 Patient 1, 4, 5 では、任意の時点 追跡開始時の比較(治療開始直後が高リスクの場合) New user design では、高リスク期間から観察 Prevalent user design では、 高・中・低リスク期間が混在 Yoshida K, et al. Nat Rev Rheumatol . 2015;11(7):437 -441. 58

59.

二次アンカー:アウトカムのウォッシュアウト期間 • 新規アウトカム( incident outcome )を定義するために用いる • 初発イベントが再発イベントの発生に影響しうるという理由から、初発イベントのみをアウトカムとして特 定したい場合などに設定される • ウォッシュアウト期間に何日間を設定するかは、生物学的な観点から検討される アウトカムの ウォッシュアウト期間 Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 59

60.

二次アンカー:共変量の評価期間 • 半年~1年程度で定義されることが多いが、共変量ごとに評価期間が異なることもある • 数か月おきの受診によってしか発生しないデータを共変量にする場合、評価期間次第では捉えられず、誤分 類する可能性がある • 共変量の評価期間が不足すると、共変量の見逃しを通じてバイアスにつながりうる 共変量の評価期間 Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 60

61.

Look -back period (除外基準、ウォッシュアウト、共変量の評価期間の設定に関連) • バイアスと推定精度の相対的な重要性は、個々の研究のセッティングに依存するため、トレードオフを踏ま えて評価期間を設定することが重要 • 曝露やアウトカムのウォッシュアウト期間を長くすると … • 利点:患者が真に研究対象薬の新規使用者(アウトカムの場合は、初発イベント なる ) である可能性が高く • 欠点:ウォッシュアウト期間を確保できない患者は解析から除外され、サンプルサイズが減少し、推定 精度が低下 • 共変量の評価期間を長くすると … • 利点:既往歴などの見逃しを減らせる場合がある • 欠点:当該期間の観察を必須にすると、サンプルサイズが減少し、推定精度が低下しうる 深澤 俊貴, 他. 薬剤疫学. 2023;28(2):39 -55. 61

62.

Look -back period (除外基準、ウォッシュアウト、共変量の評価期間の設定に関連) • Fixed look -back approach :半年、 1年などの固定された look -back period を使用する • All -available look -back approach :具体的な期間を定めず、コホート組み入れ日以前のデータ期間すべてを look -back period とみなす • 実践では、 fixed look -back approach をベースに考え、評価する変数 ( 選択基準、除外基準、共変量) じて all -available look -back approach を用いる ことが多い に応 • 研究対象薬の既使用歴やアウトカムの既往歴は all -available look -back approach を用いることが多い 深澤 俊貴, 他. 薬剤疫学. 2023;28(2):39 -55. 62

63.

二次アンカー:曝露の評価期間 • 曝露状況を評価するための期間として設定される • デザインダイアグラムでいう「曝露の評価期間」は、「追跡期間」に関連する曝露の継続性(治療継続期 間) の評価とは設定目的が異なるため、注意 曝露の評価期間 Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 発症当日( day 0 )を曝露評価に含めない ことが可視化されている 63

64.

二次アンカー:追跡期間 • 研究対象集団において、注目するアウトカムの発生が解析に含まれる期間 • 関心のある因果的な対比( intention -to -treat 効果、 per -protocol 効果) 、競合イベントの扱いにより、追跡 期間終了の定義が変わる 追跡期間 Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. 64

65.

追跡開始と終了 • 追跡開始( T0 )を、適格性判定( Telig )・治療割付( Tassign )とそろえる • 追跡終了と各事象の扱いは、推定対象に応じて定める • 関心のあるアウトカムの発生 • 競合イベント( competing events 対する他の原因による死亡) ): 以後のアウトカム発生を不可能にするイベント(例:心血管死に • 総合効果( total effect )では、競合イベント後のアウトカムを「発生なし」として扱う • 追跡不能( loss to follow -up ): アウトカムを追跡できなくなること • 追跡の管理的終了( administrative end of follow -up ): 規定の追跡期間の終了日(例: と、データソースの観察可能期間の終了日のうち、早い時点 T0 から 1年後) • 観察可能期間は、レセプトデータベースでは保険者・審査支払機関ごと、医療機関データベースでは施 設ごとの提供データに基づく • 治療戦略からの逸脱の扱い • Intention -to -treat 効果:逸脱を理由に追跡を打ち切らない • Per-protocol 効果:逸脱にも対処(例:人工的に打ち切り、 深澤 俊貴, 篠崎 智大. 薬剤疫学. 2025;30(2):53 -73. IPCW で選択バイアスに対処) 65

66.

追跡開始: 3時点を同期させる( • 適格性判定( T elig :図の E)、治療割付( T elig = T assign = T 0 ) 1/3 T assign :図の A)、追跡開始( T 0 )の 3時点をそろえることが重要 • 3時点のずれにより、選択バイアスや誤分類バイアスが生じうる 選択バイアス  Left truncation bias  Prevalent user bias 不死時間( immortal time )  選択により生じる  治療戦略の事後的分類 により生じる Hernán MA, et al. J Clin Epidemiol . 2016;79:70 -75. 66

67.

追跡開始: 3時点を同期させる( • 適格性判定( T elig )、治療割付( されている! T elig = T assign = T 0 ) 2/3 T assign )、追跡開始( Schneeweiss S, et al. Ann Intern Med . 2019;170(6):398 -406. T 0 )の 3時点の同期がデザインダイアグラムで可視化 67

68.

追跡開始: 3時点を同期させる( 深澤 俊貴, 篠崎 智大. 薬剤疫学. 2026;31(1):31 -45. T elig = T assign = T 0 ) 3/3 68

69.

アウトライン 1 RWE 研究の再現性 2 解析用データセットの作成とデザインダイアグラム 3 グループワーク 69

70.

グループワーク 「 20261120 グループワーク _ 課題論文.pdf 」と「 20261120 グループワーク _ 課題論文 _supplementary file.pdf 」の情報をもとに「 20261120 グループワーク _ デザインダイアグラ ム.pptx 」のテンプレートを用いて、課題論文のデザインダイアグラムを作成してください Masuda S, et al. Osteoporos Int . 2024;35(12):2165 -2174. 70

71.

まとめ • RWE 研究が医療や薬事規制の意思決定に影響を及ぼしうることを自覚し、再現性の高いデータマ ネジメントを実践する • 研究目的と解析方法に応じて、対象者・変数・評価期間を明確に定義し、適切なデータフォー マットを選ぶ • 解析用データセットを作成する際は、デザインダイアグラムを活用し、処理手順と確認結果を記 録して再現性を高める 71