疫学におけるリスク指標の基礎知識：相対危険度と寄与危険度とは？

1. 疫学におけるリスク指標のおさらい

疫学研究におけるリスク評価の重要性

疫学は、集団における疾病の発生状況やその原因を明らかにし、予防法や治療法の有効性を評価することで、人々の健康の維持・増進に貢献する学問分野です。疾病の発生パターンを理解し、効果的な公衆衛生政策を策定するためには、様々な要因と疾病との関連の強さや、要因が疾病発生に与える影響の大きさを定量的に評価することが不可欠となります。この定量的な評価に用いられるのがリスク指標であり、これらは単なる数値ではなく、公衆衛生上の意思決定を導くための羅針盤としての役割を果たします。これらの指標を正しく理解し、適切に適用することが、効果的な健康増進戦略の基盤となるのです。なぜなら、疫学の根本的な目的は集団の健康を守り向上させることであり、そのためには、何が健康問題を引き起こしているのか（要因）、その影響はどの程度か（リスクの大きさ）、そして介入によってどれだけの改善が見込めるか（予防効果）を客観的に示す必要があるからです。リスク指標は、これらの問いに答えるための科学的なツールであり、その解釈が具体的な政策や実践に直結します。

主要なリスク指標（相対危険度、寄与危険度など）の概観とその役割

疫学研究では、疾病リスクを評価するために様々な指標が用いられます。代表的なものとして、相対危険度（Relative Risk, RR）、寄与危険度（Attributable Risk, AR）、オッズ比（Odds Ratio, OR）などが挙げられます ¹。これらの指標は、それぞれ異なる側面からリスクを捉えるために開発されており、研究の目的、デザイン、データの性質に応じて適切に選択し解釈する必要があります。例えば、コホート研究やランダム化比較試験では罹患率を直接計算できるため、相対危険度や寄与危険度が主に用いられますが ²、症例対照研究のように罹患率が直接計算できない場合にはオッズ比が用いられることが一般的です。

本稿では、これらのリスク指標の中でも特に重要な相対危険度と寄与危険度に焦点を当て、それぞれの定義、計算方法、解釈、そして公衆衛生における意義と応用について詳細に解説します。相対危険度は主として要因と疾病との関連の「強さ」を示す指標であり ³、一方、寄与危険度は要因が疾病発生に「どれだけ寄与しているか」という影響の大きさを示す指標です ⁵。これらの指標を理解することは、疫学研究の結果を正しく解釈し、エビデンスに基づいた公衆衛生実践を行う上で極めて重要です。

2. 相対危険度（RR）

定義と概念

相対危険度（Relative Risk, RR）は、特定の要因（曝露因子）に曝露された集団における疾病の発生リスクが、その要因に曝露されていない集団（非曝露集団）の疾病発生リスクと比較して何倍であるかを示す指標です ³。リスク比（Risk Ratio）とも呼ばれます ⁴。相対危険度は、要因への曝露と疾病発生との間の関連の「強さ」を評価するための主要な指標として広く用いられています ⁴。

相対危険度が「〜倍」という直感的に理解しやすい形式で関連の強さを示すため、研究者間だけでなく、一般市民や政策決定者へのリスクコミュニケーションにおいても有用な指標となり得ます ³。例えば、「喫煙者は非喫煙者に比べて肺がんになるリスクが10倍高い」といった表現は、リスクの大きさを具体的に伝える力があります。しかしながら、この解釈には注意が必要です。相対危険度が高い場合でも、元々のリスク（ベースラインリスク、すなわち非曝露群の罹患率）が非常に低ければ、絶対的なリスクの増加は小さいかもしれません。逆に、相対危険度がそれほど高くなくても、ベースラインリスクが高ければ、絶対的な影響は大きくなる可能性があります。この点は、後のセクション（特にセクション4および5）で寄与危険度との比較を通じて詳述します。

計算方法（2x2分割表と計算式を提示）

相対危険度は、要因への曝露の有無と疾病発生の有無をまとめた2x2分割表（クロス表）から計算されます。以下に標準的な2x2分割表を示します。

ここで、

• A：曝露群における疾病発生者数
• B：曝露群における疾病非発生者数
• C：非曝露群における疾病発生者数
• D：非曝露群における疾病非発生者数
• Ie​：曝露群の罹患率（または発生率）
• Io​：非曝露群の罹患率（または発生率）

相対危険度（RR）は、曝露群の罹患率 (Ie​) を非曝露群の罹患率 (Io​) で割ることによって計算されます 3。

RR=Io​Ie​​=C/(C+D)A/(A+B)​

この計算自体は単純な割り算ですが、分子と分母がそれぞれ「リスク」を表す率（罹患率や発生率）であることが重要です。つまり、相対危険度は2つのリスクの比であり、曝露がそのリスクを何倍に変化させるかを示しています 6。

具体的な計算例を以下に示します。

ある仮想的なコホート研究で、喫煙者10万人と非喫煙者10万人を10年間追跡調査し、肺がんによる死亡者数を調査したとします 10。

• 喫煙群（曝露群）：肺がん死亡者数 700人
  • 曝露群の死亡率 (Ie​) = 700 / 100,000 = 0.007
• 非喫煙群（非曝露群）：肺がん死亡者数 70人
  • 非曝露群の死亡率 (Io​) = 70 / 100,000 = 0.0007 この場合の相対危険度は、 RR=0.00070.007​=10 となり、喫煙者は非喫煙者に比べて肺がんで死亡するリスクが10倍高いと解釈できます。

別の例として、喫煙と心疾患に関する研究で、喫煙者の心疾患リスクが0.01、非喫煙者の心疾患リスクが0.004であった場合、相対危険度は $0.01/0.004=2.5$ となります ⁷。

解釈（RR > 1, RR = 1, RR < 1 の意味、関連の強さの指標）

相対危険度の値の解釈は、「1」を基準として行われます ⁷。

• RR > 1: 曝露群の方が非曝露群よりも疾病リスクが高いことを示します。この場合、その要因は疾病の危険因子である可能性が考えられます。RRの値が大きいほど、要因と疾病との関連が強いと解釈されます ⁶。上記の肺がんの例ではRR=10であり、喫煙と肺がん死亡との間に強い正の関連があることを示唆します。
• RR = 1: 曝露群と非曝露群とで疾病リスクに差がないことを示します。この場合、その要因と疾病との間に関連がない可能性が考えられます ⁷。
• RR < 1: 曝露群の方が非曝露群よりも疾病リスクが低いことを示します。この場合、その要因は疾病の予防因子である可能性が考えられます ⁷。例えば、あるワクチンの接種群の罹患率が非接種群の罹患率の半分であった場合、RR = 0.5 となり、ワクチンが予防効果を持つことを示唆します。

相対危険度の値の大きさは、要因と疾病との関連の強固さを示す重要な手がかりとなります ³。しかし、前述の通り、RRの解釈はその影響の絶対的な大きさを示すものではなく、ベースラインリスク（非曝露群の罹患率）にも依存します。例えば、非曝露群の罹患率が非常に低い場合（例：10万人に1人）、RRが2（リスク2倍）であっても、曝露群の罹患率は10万人に2人となり、絶対的なリスク増加は10万人に1人です。一方、非曝露群の罹患率が比較的高い場合（例：100人に10人）、同じRR=2でも曝露群の罹患率は100人に20人となり、絶対的なリスク増加は100人に10人です。このように、同じ相対危険度の値であっても、ベースラインリスクによってその公衆衛生上の意味合いは大きく異なる可能性があり、この点が寄与危険度との比較において重要となります。

信頼区間の意義と解釈

疫学研究で得られる相対危険度は、通常、標本データから計算された推定値（点推定値）です。この点推定値が真の値をどの程度正確に反映しているか、その不確実性の範囲を示すのが信頼区間（Confidence Interval, CI）であり、一般的に95%信頼区間が用いられます ⁷。

95%信頼区間の解釈は以下の通りです。

• 信頼区間が「1」を含まない場合: 例えば、95%信頼区間が [1.5 – 3.0] のように下限値も上限値も1より大きい場合、または [0.3 – 0.8] のように下限値も上限値も1より小さい場合、曝露群と非曝露群のリスクには統計学的に有意な差があると判断されます ⁷。RR=1はリスクに差がない状態を意味するため、信頼区間が1を跨がないということは、真のRRが1である可能性が低いことを示唆します。
• 信頼区間が「1」を含む場合: 例えば、95%信頼区間が [0.7 – 2.5] のように1を跨ぐ場合、曝露群と非曝露群のリスクに統計学的に有意な差があるとは言えません ⁷。この場合、観察されたリスクの差が偶然によるものである可能性を否定できません。

信頼区間の幅は、推定の精度を反映します。信頼区間が狭いほど、点推定値の精度が高いと考えられます ⁷。サンプルサイズが大きいほど、またデータのばらつきが小さいほど、信頼区間は狭くなる傾向があります。

ただし、統計学的有意性（例：95%信頼区間が1を含まないこと）は、必ずしも臨床的重要性や公衆衛生学的重要性と同じではありません ¹³。非常に大きなサンプルサイズを用いた研究では、臨床的には意味のないごくわずかな差であっても、統計学的に有意な結果として示されることがあります ¹⁴。例えば、ある治療法によって平均血圧が1 mmHg低下し、その95%信頼区間が [0.8 mmHg – 1.2 mmHg] であった場合、統計学的には有意な低下と言えますが、臨床的に患者の予後を改善するほどの意味があるかどうかは別の議論が必要です。したがって、相対危険度とその信頼区間を解釈する際には、統計的な評価に加えて、効果の絶対的な大きさ（後に述べる寄与危険度なども参考になる）や、その結果が持つ臨床的・公衆衛生的な文脈を考慮することが不可欠です。

3. 寄与危険度（AR）

定義と概念（リスク差としての側面）

寄与危険度（Attributable Risk, AR）は、特定の要因に曝露された集団の疾病発生リスクと、その要因に曝露されなかった集団の疾病発生リスクとの「差」を示す指標です ⁵。リスク差（Risk Difference, RD）とも呼ばれます ¹⁵。

寄与危険度は、「危険因子の曝露によって罹患リスクが絶対的にどれだけ増えたか」、あるいは逆に「その危険因子への曝露がなければ、罹患リスクがどれだけ減少したか（または予防できたか）」という量を示します ⁵。この指標は、要因への曝露が集団の疾病発生にどの程度の影響を与えているか、その「絶対的な大きさ」を捉えるものです。もしその要因が除去された場合に、どれだけの疾病発生を予防できるかを示唆するため、公衆衛生対策の立案や評価において非常に重要な指標となります ⁵。

相対危険度（RR）が関連の「強さ」を比率で示すのに対し、寄与危険度（AR）はリスクの「絶対的な増加分」を差で示します。このため、ARは公衆衛生上の介入によるインパクト（例えば、予防可能な疾病の具体的な数）を直接的に評価するのに役立ちます。RRが非常に高い要因であっても、その曝露が非常に稀であったり、非曝露群のリスクが極めて低かったりする場合には、ARは小さくなることがあります。逆に、RRはそれほど高くなくても、曝露が一般的であったり、非曝露群のリスクが元々高かったりする場合には、ARは大きくなり、集団への影響は甚大となる可能性があります。この点が、ARの公衆衛生上の意義を理解する上で重要です。

計算方法（2x2分割表と計算式を提示）

寄与危険度の計算には、相対危険度と同様に2x2分割表から得られる曝露群と非曝露群の罹患率（または発生率）を用います。セクション2で提示した2x2分割表を再度参照します。

寄与危険度（AR）は、曝露群の罹患率 (Ie​) から非曝露群の罹患率 (Io​) を引くことによって計算されます 5。

AR=Ie​−Io​=A+BA​−C+DC​

具体的な計算例を以下に示します。

セクション2で用いた喫煙と肺がん死亡に関する仮想データ 10 を再度用います。

• 曝露群（喫煙者）の死亡率 (Ie​) = 0.007 (10万人あたり700人)
• 非曝露群（非喫煙者）の死亡率 (Io​) = 0.0007 (10万人あたり70人) この場合の寄与危険度は、 $$AR=0.007-0.0007=0.0063$$ これは、10万人あたり年間630人の過剰な死亡が喫煙に起因することを示唆します。つまり、もし喫煙という要因がなければ、10万人あたり年間630人の肺がんによる死亡が避けられた可能性があると解釈できます。

別の例として、ある曝露群の罹患率が80/120（約0.667）、非曝露群の罹患率が20/140（約0.143）であった場合、寄与危険度は $0.667-0.143=0.524$ となります ⁵。これは、曝露によってリスクが0.524（または52.4%）増加したことを意味します。

寄与危険度の単位は、罹患率や死亡率と同じ（例：人口10万人対の年間発生数、%、1000人年あたりの発生数など）であり、具体的な人数や割合として解釈できる点が特徴です。この具体性が、公衆衛生上の対策を考える際に役立ちます。

解釈（曝露によって増加したリスクの絶対量、公衆衛生上のインパクト）

寄与危険度の値の解釈は以下の通りです。

• AR > 0: 曝露によって疾病リスクが具体的にどれだけ増加したか（超過リスク）を示します。値が大きいほど、その要因による公衆衛生上の負荷が大きいことを意味します。
• AR = 0: 曝露によるリスクの増減はないことを示します。
• AR < 0: 曝露によって疾病リスクが具体的にどれだけ減少したかを示します。この場合、その要因は予防的であり、ARの絶対値は予防効果の大きさを示します。

寄与危険度は、曝露群において、その曝露がなければ予防できたであろう疾病の発生数（または割合）を直接的に示すため、公衆衛生上の介入策の効果を予測したり、対策の優先順位を判断したりする上で重要な情報を提供します ⁵。例えば、ARが人口10万人あたり50人であれば、その要因への曝露を完全になくすことができれば、10万人あたり年間50人の疾病発生を予防できると期待されます。このような解釈は、資源配分や介入戦略の策定に直結するものです。

寄与危険割合（PAR）の概念と計算、解釈

寄与危険度に関連する指標として、寄与危険割合（Percent Attributable Risk, PAR）があります。これは、曝露群における疾病発生のうち、その曝露が原因であると考えられる部分がどれくらいの割合を占めるかを示す指標です ⁴。曝露群寄与危険割合（Attributable Proportion among the Exposed, APe）とも呼ばれます。

計算式は以下の通りです。

PAR=Ie​AR​×100=Ie​Ie​−Io​​×100また、相対危険度（RR）を用いて以下のように表すこともできます。PAR=RRRR−1​×100

寄与危険割合は、「曝露群の中で疾病を発症した人のうち、真にその曝露が原因となって発症したと考えられる者は何パーセントであるか」を意味します ⁵。

例えば、前述の5の架空データ（曝露群罹患率 Ie​=0.667、非曝露群罹患率 Io​=0.143、AR = 0.524）を用いると、

PAR=0.6670.524​×100≈78.6%

となります。これは、この曝露群で疾病を発症した人のうち、約78.6%はその曝露が原因で発症したと考えられることを意味します。この指標は、曝露者個人へのリスク説明や、特定の曝露を受けている集団への介入効果を議論する際に有用です。注意すべきは、寄与危険割合はあくまで「曝露群における」寄与の割合を示すものであり、集団全体への影響の大きさを示す集団寄与危険割合（Population Attributable Fraction, PAF、または人口寄与危険割合）とは区別されるという点です。

4. 相対危険度と寄与危険度の比較

相対危険度（RR）と寄与危険度（AR）は、いずれも疫学研究における重要なリスク指標ですが、それぞれが示す情報の側面や公衆衛生上の意味合いは異なります。これらの違いを理解し、適切に使い分けることが、研究結果の正確な解釈と効果的な公衆衛生対策の立案に不可欠です。

両指標が示す情報の違い（関連の強さ vs. 影響の大きさ）

相対危険度と寄与危険度の最も根本的な違いは、前者が関連の「相対的な強さ」を比で示すのに対し、後者が影響の「絶対的な大きさ」を差で示す点にあります。

• 相対危険度 (RR)：要因への曝露によって、疾病リスクが非曝露の場合と比較して「何倍になるか」を示します ³。これは、要因と疾病との間の関連の強さを評価するのに適しています。RRが高いほど、その要因は疾病発生に対してより強力な影響を持つと考えられます。
• 寄与危険度 (AR)：要因への曝露によって、疾病リスクが絶対的に「どれだけ増加するか」（または曝露がなければ「どれだけ減少したか」）を示します ⁵。これは、曝露が集団の疾病負担に与える具体的な影響の規模や、介入によって予防可能な疾病の絶対量（超過リスク）を評価するのに適しています。

環境省の資料では、この違いが「要因ばく露によってその個人が何倍罹患しやすくなるか（RR）」「要因ばく露によってその集団の罹患率がどれだけふえるのか（AR）」と分かりやすく対比されています ⁹。

この違いから、RRが高くてもARが低い場合、あるいはRRが低くてもARが高い場合が生じ得ます。例えば、ある稀な遺伝子変異が特定の癌のリスクを20倍に高める（RR=20）としても、その変異を持つ人が非常に少なければ、集団全体でその変異に起因する癌患者の増加数（ARに関連する集団寄与危険）は小さいかもしれません。逆に、軽度の運動不足という非常に一般的な曝露が心疾患のリスクを1.5倍にする（RR=1.5）だけでも、運動不足の人口が膨大であれば、運動不足に起因する心疾患の超過発生数（AR）は非常に大きくなり、公衆衛生上のインパクトは甚大となる可能性があります。このような不一致の可能性こそが、両指標を理解し使い分けることの重要性を示しています。

疫学研究および公衆衛生における使い分け

これらの特性の違いから、RRとARは疫学研究や公衆衛生の異なる場面で重視されます。

• 相対危険度 (RR)：主に、疾病の原因を探る病因論的研究や、特定の要因が疾病発生に関与しているかどうかの特定、そしてその関連の強さを評価する目的で用いられます ⁴。新しい危険因子や予防因子を発見する初期の研究段階では特に重要です。
• 寄与危険度 (AR)：主に、公衆衛生学的な観点から、特定の要因が集団の健康に与える負荷の大きさ（疾病負担）を評価したり、予防策や介入策の優先順位を決定したり、介入によってどれだけの疾病減少が見込めるかを推定したりする目的で用いられます ⁵。対策を計画し、その効果を予測する段階で特に重要となります。

例えば、ある研究で喫煙と肺がんのRRが非常に高く、喫煙と冠動脈性心疾患のRRはそれより低いが、冠動脈性心疾患の患者数は肺がんよりずっと多いためにAR（または集団寄与危険割合）から推測される禁煙による予防効果（予防可能な患者数）は冠動脈性心疾患の方が大きい、といった状況があり得ます ¹⁰。これは、RRとARがそれぞれ異なる側面から公衆衛生対策の方向性を示唆することを示しています。研究のフェーズや目的に応じて、どちらの指標がより重視されるかが異なるのです。

両指標を併用する利点

相対危険度と寄与危険度は、それぞれ異なる情報を提供するものの、互いに補完的な関係にあります。したがって、両指標を併用することで、要因の疫学的な特性をより多角的に、かつ深く理解することができます。

RRによって要因と疾病の関連の強さを把握し、ARによってその要因が公衆衛生上どれほどの負荷をもたらしているか、また介入によってどれだけの改善が期待できるかのポテンシャルを評価することができます。例えば、¹⁰の仮想コホート研究の例では、喫煙と肺がんの関連（RR=10, AR=0.0063）と、喫煙と冠動脈性心疾患の関連（RR=1.8, AR=0.004）を比較しています。この両方の指標を見ることにより、喫煙は肺がんにとってより強いリスク因子である（RRが高い）と同時に、冠動脈性心疾患においても公衆衛生上無視できない絶対的な影響（ARが示す過剰リスク）をもたらしていることが総合的に理解できます。

RRが高いということは「危険な曝露」という印象を与えますが、その曝露が非常に稀であれば集団全体への影響は限定的かもしれません。逆に、ARが高いということは「公衆衛生上重要な曝露」と言えますが、もしRRが1に近ければ、その曝露と疾病の直接的な関連は弱く、他の交絡因子などが影響している可能性も考慮する必要があります。一方の指標だけではリスクの全体像を見誤る可能性があるため、両者を総合的に評価することが、より適切でバランスの取れた科学的判断と公衆衛生戦略の立案につながります。

相対危険度と寄与危険度の比較表

以下に、相対危険度と寄与危険度の主な特徴を比較表としてまとめます。

この表は、両指標の定義、計算方法、解釈、用途、そして公衆衛生上の意義を対比しており、両者の違いとそれぞれの役割を明確に理解する助けとなります。

5. 応用事例と実践的な解釈

相対危険度（RR）と寄与危険度（AR）は、疫学研究の様々な分野で活用され、疾病の原因究明や予防戦略の策定に貢献しています。以下に、生活習慣病、感染症、環境要因などの具体的な応用事例と、結果を解釈する上での注意点について解説します。

生活習慣病（例：喫煙と肺がん、高血圧と脳卒中）におけるRRとARの活用事例

生活習慣病は、その名の通り、食事、運動、喫煙、飲酒などの生活習慣が深く関与する多因子疾患です。これらの疾患のリスク評価において、RRとARは重要な役割を果たします。

• 喫煙と肺がん・冠動脈性心疾患:

  10で示された仮想コホート研究のデータでは、喫煙者の肺がん死亡リスクは非喫煙者の10倍（RR=10）、喫煙による過剰な肺がん死亡リスクは10万人あたり630人（AR=0.0063）と計算されました。一方、冠動脈性心疾患については、喫煙者の死亡リスクは非喫煙者の1.8倍（RR=1.8）、喫煙による過剰な死亡リスクは10万人あたり400人（AR=0.004）でした。この結果から、喫煙は肺がんに対してより強いリスク因子である（RRが高い）ものの、冠動脈性心疾患においても多数の過剰死亡を引き起こしており（ARが高い）、禁煙介入は両疾患の予防に大きく貢献することが示唆されます。

• 高血圧と脳卒中:

  日本の地域コホート研究（CIRCS）では、高血圧の脳卒中発症に対する集団寄与危険割合（PAF）が46%と非常に高いことが報告されています 16。PAFはARの概念を拡張したもので、集団全体で特定の要因を取り除いた場合に予防できる疾病の割合を示します。この高いPAFは、集団レベルでの高血圧対策が脳卒中予防に極めて重要であることを示しています。また、厚生労働省の資料「健康日本21（第2次）」では、収縮期血圧が10mmHg上昇すると、透析導入に至る相対危険度が男性で1.21倍、女性で1.30倍になることが示されています 17。これらの指標は、血圧管理の重要性を具体的に示しています。

• 生活習慣改善の効果:

  「健康日本21（第2次）」の資料では、禁煙、節酒、減塩、運動、適正体重維持といった複数の健康習慣を実践する数が多いほど、がんの相対リスクが直線的に低下することが示されています（1つの健康習慣を実践するごとに、がんのリスクは男性で14%、女性で9%低下）17。これは、単一の要因だけでなく、複数の生活習慣を総合的に改善することの重要性を示唆しています。

これらの事例から、生活習慣病のような多因子疾患においては、個々の危険因子のRRとAR（またはPAF）を評価することが、最も効果的な予防戦略（どの因子に優先的に介入すべきか、どのような介入が最も大きなインパクトを持つか）を検討する上で極めて重要な情報を提供することがわかります。特に、¹⁶で示された日本のコホート研究における高血圧のPAFの経時的変化（時代とともに、脳卒中発症に対する主要な寄与血圧レベルが重症高血圧から軽症高血圧や正常高値血圧へとシフトしている）は、社会全体の健康状態や医療提供体制の変化を反映しており、公衆衛生戦略もそれに応じて見直していく必要があることを示唆しています。

感染症や環境要因（例：⁹ 放射線被ばく）におけるリスク評価への応用

RRとARは、感染症の流行制御や環境要因による健康影響評価にも応用されます。

• 感染症:

  感染症疫学では、例えばワクチン接種群と非接種群の疾病発生率を比較してワクチンの有効性（VE = 1 - RR）を評価したり、特定の食品の喫食と食中毒発生との関連をRRやオッズ比で評価したり、アウトブレイク時に特定の曝露によるARを計算して感染源の寄与を推定したりします。24は新型コロナウイルス感染症の感染拡大防止策に関する調査報告ですが、RRやARを用いた直接的な分析は含まれていませんでした。しかし、25で言及されている標準的な疫学の教科書には、感染症を含む多彩な事例が取り上げられており、これらの指標の活用が示唆されます。感染症においては、RR（例：ワクチンの有効性）が個人の予防行動の判断材料となり、ARが集団レベルでの流行制御策（例：特定の曝露源の除去）の効果評価に役立ちます。

• 環境要因:

  環境省の資料 9 では、放射線被ばくによるがん死亡リスクの増加について、寄与危険度（100ミリシーベルトの被ばくあたり、がん死亡リスクが0.5%増加）と相対危険度（日本人の平均的ながん死亡ベースラインリスク約30%に対し、100ミリシーベルト被ばくで30.5%になるため、RRは約1.017）の両面から解説されています 9。この例は、RRの値自体は1に近く小さい（関連の強さが弱いように見える）場合でも、曝露される人口が非常に多い場合や、長期間にわたる曝露の場合には、AR（または集団寄与危険）は公衆衛生上無視できない規模になり得ることを示しています。逆に、非常に毒性の強い化学物質（RRが極めて高い）であっても、その曝露が極めて限定的であれば、集団全体としてのARは小さくなるかもしれません。環境要因によるリスク評価では、このようなRRとARの特性を理解し、規制値の設定やリスク管理策の策定といった政策判断に活かすことが重要です。

公衆衛生上の意思決定（介入策の優先順位付けなど）における活用

寄与危険度（AR）および集団寄与危険割合（PAF）は、「その要因が除去された場合に、集団全体でどれだけの疾病を予防できるか」を直接的に示すため、公衆衛生上の介入策の優先順位付けに極めて有用です ⁵。公衆衛生資源は常に有限であるため、最大の健康効果をもたらす介入を選択する必要があります。ARやPAFは、特定の要因対策に資源を投じた場合の「見返り」（予防可能な疾病数や割合）を予測するのに役立ち、費用対効果分析の基礎ともなります。

¹⁰で示唆された喫煙と肺がん・冠動脈性心疾患の例は、RRが高い要因（肺がん）と、AR（またはPAFから推測される）予防効果がより期待される要因（冠動脈性心疾患）を比較検討することで、対策の優先度を多角的に評価する必要性を示しています。つまり、RRだけを見て肺がん対策に全資源を投入するのではなく、冠動脈性心疾患に対する喫煙の寄与も考慮することで、よりバランスの取れた、効果的な公衆衛生戦略を立案できる可能性を示唆しています。厚生労働省の「健康日本21」の策定プロセスにおいても、「どの健康課題が重要であるかを評価し、優先順位を決定する」というステップがあり ¹⁸、ARやPAFのような指標がこの評価に大きく貢献します。

研究結果を解釈する上での注意点

相対危険度や寄与危険度は強力な指標ですが、その値を解釈する際には、いくつかの重要な注意点があります。これらの点を考慮しないと、誤った結論を導き、不適切な公衆衛生対策につながる可能性があります。

• 交絡因子の考慮:

  交絡因子とは、評価したい曝露要因と疾病発生の両方に関連し、かつ曝露要因と疾病発生の因果関係の経路上にない第3の因子のことです 19。交絡因子が存在すると、見かけ上の関連（実際には存在しない関連）を作り出したり、真の関連を隠したり、過大または過小評価したりする可能性があります。例えば、飲酒と下咽頭がんの関連を調べる際に、喫煙が飲酒と下咽頭がんの両方に関連している場合（多くの飲酒者は喫煙者であり、喫煙自体が下咽頭がんのリスク因子である場合）、喫煙は交絡因子となります 20。この場合、喫煙の影響を考慮せずに飲酒と下咽頭がんのRRを計算すると、飲酒の真のリスクを誤って評価する可能性があります。

  交絡の影響を調整するためには、研究デザインの段階（例：マッチング、対象者の制限）や統計解析の段階（例：層別解析、多変量解析モデルの使用）で適切な対処が必要です 20。したがって、報告されたRRやARの値を解釈する際には、その研究が交絡因子にどのように対処したかを批判的に吟味する必要があります。調整されていない粗の値は、真の因果関係を反映していない可能性が高く、誤解を招く恐れがあります。

• バイアスの影響:

  バイアスとは、研究のデザイン、実施、または解析の過程で生じる系統的な誤差であり、結果が真の値から一方向に偏る原因となります 19。主なバイアスには選択バイアスと情報バイアスがあります。

  • 選択バイアス: 研究対象者の選定方法に起因するバイアスです ¹⁹。例えば、特定の疾患を持つ患者群と対照群を比較する症例対照研究で、患者群の参加率が低く、特定の特性を持つ患者だけが研究に参加した場合、結果が偏る可能性があります。また、「健康労働者効果」と呼ばれる現象も選択バイアスの一種で、職業集団を対象とした研究では、健康状態が悪化して既に退職した人が除外されるため、現職労働者の疾病リスクが一般集団より低く見えることがあります ²⁰。
  • 情報バイアス: データの測定方法や情報収集の過程における系統的な不正確さに起因するバイアスです ¹⁹。例えば、「想起バイアス（思い出しバイアス）」は、過去の曝露状況を質問票などで尋ねる際に、疾病を持つ人が疾病を持たない人よりも過去の曝露をより正確に（あるいは過剰に）思い出す傾向がある場合に生じます ¹⁹。 これらのバイアスは、RRやARの値を系統的に過大評価または過小評価させる可能性があり、研究の妥当性を根本から揺るがすことがあります。バイアスの影響を最小限に抑えるためには、研究デザインの工夫（例：適切な対照群の選択、曝露や結果の評価におけるブラインド化）、標準化された測定方法の採用などが重要です ²⁰。報告されたRRやARを解釈する際には、どのようなバイアスが生じうるか、そして研究者がそれらにどう対処したかを評価することが、結果の信頼性を判断する上で不可欠です。

• 結果の一般化可能性（外的妥当性）:

  一般化可能性（外的妥当性）とは、ある特定の研究で得られた結果が、その研究対象となった集団を超えて、他の異なる集団や状況、環境にも適用できるかどうかという問題です 20。例えば、ある国の一つの病院で実施された臨床試験の結果が、異なる人種構成や医療水準を持つ別の国の患者集団にも同様に当てはまるとは限りません。

  研究の対象者選択基準が厳しすぎる場合、研究対象集団が均質化され、内的妥当性（研究結果がその研究対象集団にとって真である程度）は高まるかもしれませんが、実臨床における多様な患者背景から乖離し、一般化可能性が損なわれる可能性があります 23。

  一般化可能性を評価するためには、研究対象者の特性（年齢、性別、人種、重症度など）、研究が実施された環境、曝露やアウトカムの定義などを詳細に検討し、その結果を適用しようとする対象集団や状況との類似性や相違点を考慮する必要があります 22。STROBE声明などの研究報告ガイドラインでも、一般化可能性についての考察を論文に含めることが推奨されています 22。報告されたRRやARの値を特定の文脈から切り離して普遍的なものとして捉えることは危険であり、その適用範囲を慎重に見極める必要があります。

• 統計的有意性と臨床的/公衆衛生的重要性:

  統計学的有意性（例えば、p値が0.05未満、またはRRの95%信頼区間が1を含まないこと）は、観察された結果が偶然によるものである可能性が低いことを示すものです。しかし、統計学的に有意な結果が、必ずしも臨床的に意味のある差や、公衆衛生上介入する価値のある差を示すわけではありません 13。

  特に、サンプルサイズが非常に大きい研究では、実際にはごくわずかな差（例えば、治療効果の1%の改善や、血圧の平均値の0.1の低下など）であっても、統計学的に有意な結果として検出されることがあります 14。このような差は、統計的には「有意」であっても、個々の患者の健康状態を実質的に改善したり、集団全体の健康増進に大きく貢献したりするとは限りません。

  したがって、RRやARの解釈には、統計的な評価（p値や信頼区間）に加えて、効果の絶対的な大きさ（magnitude）、その差が持つ臨床的な意義、社会的なコスト、倫理的な側面などを総合的に考慮する「判断」が不可欠です。統計的有意差の有無だけでなく、その差が実際に患者や集団にとってどれだけの便益をもたらすのか、あるいはリスクを低減するのかを実質的に評価する必要があります。

6. まとめ

相対危険度と寄与危険度の重要性の再確認

本稿では、疫学における主要なリスク指標である相対危険度（RR）と寄与危険度（AR）について、その定義、計算方法、解釈、応用事例、そして解釈上の注意点を詳述してきました。相対危険度は、特定の要因への曝露が疾病リスクを何倍にするかという「関連の強さ」を示す指標であり、主として病因論的な関心に応えます。一方、寄与危険度は、曝露によって疾病リスクが絶対的にどれだけ増加するか、すなわち「影響の大きさ」や「公衆衛生上の負荷」を示す指標であり、介入による予防可能量を評価する上で重要です。

これら二つの指標は、それぞれ異なる側面からリスクを捉えるものですが、互いに補完的な情報を提供します。RRが高い要因であってもARが低い場合もあれば、その逆の場合もあり得ます。したがって、疾病リスクの全体像を正確に把握し、適切な公衆衛生対策を講じるためには、両指標を総合的に理解し、活用することが不可欠です。これらは、疫学研究において疾病リスクを評価し、要因と疾病の関連を解明するための基本的かつ強力なツールであると言えます。

疫学研究と公衆衛生実践における両指標の適切な理解と活用のための提言

相対危険度と寄与危険度を適切に理解し活用するためには、単に計算式を覚えるだけでなく、以下の点を常に念頭に置く必要があります。

1. 研究の質の吟味: 報告されたRRやARの値を鵜呑みにするのではなく、その値が導き出された研究のデザイン、対象者の選定方法、データ収集の質、潜在的なバイアスの可能性、交絡因子の適切な処理がなされているかを批判的に吟味することが極めて重要です。
2. 文脈の理解: 得られたリスク指標が、どのような集団で、どのような状況下で算出されたものなのか、その文脈を理解し、結果の一般化可能性の範囲を慎重に評価する必要があります。
3. 総合的な判断: 統計学的有意性のみにとらわれることなく、リスクの絶対的な大きさ、臨床的意義、公衆衛生上の重要性、社会的コスト、倫理的側面などを総合的に考慮した判断が求められます。
4. 補完的な活用: RRとARは異なる情報を提供するため、可能であれば両方の指標を算出し、それぞれの観点から要因の疫学的特性を多角的に評価することが望ましいです。

相対危険度と寄与危険度は、疫学という学問分野における「言語」の一部とも言えます。これらの指標を流暢に使いこなし、研究の文脈や限界を理解した上で正しく解釈する能力は、エビデンスに基づいた公衆衛生を推進し、人々の健康を守り向上させる上で不可欠なスキルです。今後の疫学研究の発展と、より効果的な公衆衛生施策の展開において、これらのリスク指標が引き続き重要な役割を果たしていくことが期待されます。指標の背後にある疫学的な思考プロセス、すなわち因果推論、バイアス制御、一般化の考慮などを伴って初めて、これらの指標はその真価を発揮するのです。

引用文献

1. www.juce.jp, 5月 16, 2025にアクセス、 https://www.juce.jp/senmon/igaku/open/database/013_ekigaku/modules/mod6/epi6_15_D.pdf
2. 【計算】単発解説 4.「相対危険&寄与危険&オッズ比」【国家試験対策】 - YouTube, 5月 16, 2025にアクセス、 https://www.youtube.com/watch?v=5mX8-GQV6iA
3. 松廼屋｜論点解説 薬剤師国家試験対策ノート問102-125【衛生】(2) 論点：疫学研究 / 相対危険度・寄与危険度 / 基礎｜matsunoya - note, 5月 16, 2025にアクセス、 https://note.com/matsunoya_note/n/n65d04f684ce0
4. 相対危険 | 疫学用語の基礎知識, 5月 16, 2025にアクセス、 https://jeaweb.jp/glossary/glossary017.html
5. 寄与危険と寄与危険割合 | 疫学用語の基礎知識 - 日本疫学会, 5月 16, 2025にアクセス、 https://jeaweb.jp/glossary/glossary018.html
6. 保健師国家試験 疫学・保健統計学問題まとめ | 一般財団法人厚生労働統計協会, 5月 16, 2025にアクセス、 https://www.hws-kyokai.or.jp/publishing/eiesei-hokenshiken-main/eisei-hokenshiken-ep.html
7. halbau.world.coocan.jp, 5月 16, 2025にアクセス、 http://halbau.world.coocan.jp/review/Evidence08.pdf
8. 統計学的検定法 比較の比率 - CzeekV インデックス, 5月 16, 2025にアクセス、 https://czeek.com/epidemiology/statistical_test_method/
9. www.env.go.jp, 5月 16, 2025にアクセス、 https://www.env.go.jp/content/900413153.pdf
10. コホート研究 | 疫学用語の基礎知識 - 日本疫学会, 5月 16, 2025にアクセス、 https://jeaweb.jp/glossary/glossary006.html
11. 第 5 章 解析疫学と因果関係の解明 1, 5月 16, 2025にアクセス、 https://www.jsph.jp/covid/files/susume2.pdf
12. 1-4. オッズ比2 | 統計学の時間 | 統計WEB, 5月 16, 2025にアクセス、 https://bellcurve.jp/statistics/course/26781.html
13. オッズ比・リスク比・リスク差のレクチャー - エミュイン - Emuyn, 5月 16, 2025にアクセス、 https://www.emuyn.net/stats/lecture/or_rr_rd
14. 検定統計量 統計的有意 臨床的有意 - 医学統計の小部屋, 5月 16, 2025にアクセス、 https://statsbio.com/toukeikenteiryou/statistics/
15. 用語集, 5月 16, 2025にアクセス、 https://www.carenet.com/share/nurse/ronbun/cg005044/yougo-popup.html
16. kindai.repo.nii.ac.jp, 5月 16, 2025にアクセス、 https://kindai.repo.nii.ac.jp/record/23419/files/AN00063584-20221216-0047.pdf
17. www.mhlw.go.jp, 5月 16, 2025にアクセス、 https://www.mhlw.go.jp/bunya/kenkou/dl/kenkounippon21_02.pdf
18. 健康日本２１（総論） - 厚生労働省, 5月 16, 2025にアクセス、 https://www.mhlw.go.jp/www1/topics/kenko21_11/s0.html
19. 疫学研究によく起きる問題 | 電磁界情報センター, 5月 16, 2025にアクセス、 https://www.jeic-emf.jp/public/web_mag/explanation/1029.html
20. 思い出しバイアス - 健康を決める力：ヘルスリテラシーを身につける, 5月 16, 2025にアクセス、 http://www.healthliteracy.jp/shinrai/post_3.html
21. 【感染症疫学コース】第8回「交絡、層別分析、マッチング」を公開 ..., 5月 16, 2025にアクセス、 https://note.com/cider_edu/n/n20887b7c7404
22. www.equator-network.org, 5月 16, 2025にアクセス、 https://www.equator-network.org/wp-content/uploads/2015/10/STROBE-Exp-JAPANESE.pdf
23. 【臨床研究の結果はどの対象に適応される？】一般化可能性（外的 ..., 5月 16, 2025にアクセス、 https://biostatistics-consult.com/generalizability/
24. www.caicm.go.jp, 5月 16, 2025にアクセス、 https://www.caicm.go.jp/citizen/corona/survey/r06_spread_prevention/files/report.pdf
25. iris.who.int, 5月 16, 2025にアクセス、 https://iris.who.int/bitstream/handle/10665/43541/9241547073_jpn.pdf