前回のおさらい
前回、RCT（ランダム化比較試験）の仕組みを学びました。ランダム化、盲検化、プラセボ対照、ITT解析——これらがRCTの信頼性を支える4つの柱でした。
しかし、1つのRCTの結果だけで安心していいのでしょうか？ 今日は、この素朴な疑問から始めましょう。
「たまたまうまくいった」可能性は排除できない
ある新薬のRCTで「有効」という結果が出ました。でも、こんな疑問が湧きませんか？
「たまたまうまくいっただけでは？」 「別の国、別の集団でやっても同じ結果が出る？」 「この研究は500人だけど、10,000人でやったらどうなる？」
実際、同じテーマでRCTを複数実施すると、結果がバラバラになることは珍しくありません。ある研究では「有効」、別の研究では「差なし」、さらに別の研究では「有害」——こんなこともあり得るのです。
では、どうすれば「本当のところ」に近づけるのか？ その答えが「システマティックレビュー」と「メタアナリシス」です。
システマティックレビューとメタアナリシスの違い
この2つはよく混同されますが、別のものです。
「システマティックレビュー（SR）」は、特定のテーマについて、世界中の研究を網羅的に検索・収集し、一定の基準で選別・評価するプロセスです。「系統的に文献を総覧する」という作業全体を指します。
「メタアナリシス（MA）」は、集められた複数の研究の結果を、統計的手法を使って1つの数値に統合する分析方法です。
つまり、システマティックレビューは「研究の集め方・評価の仕方」であり、メタアナリシスは「統合の計算方法」です。システマティックレビューの中で、数値データの統合が可能な場合にメタアナリシスを行います。統合が適切でない場合は、システマティックレビューだけで終わることもあります。
例えるなら
裁判にたとえましょう。
1つのRCT = 1人の目撃者の証言 システマティックレビュー = すべての目撃者を探し出し、証言の信頼性を評価するプロセス メタアナリシス = すべての証言を統合して、最終的な事実認定を行う作業
1人の目撃者より、複数の目撃者の証言を慎重に吟味した方が、真実に近づける。当然のことですよね。
フォレストプロットの読み方——1分でマスター
メタアナリシスの結果を視覚的に表すのが「フォレストプロット（forest plot）」です。論文やガイドラインで頻繁に登場するこのグラフ、実は読み方はとてもシンプルです。
フォレストプロットの構成要素を順に説明します。
-
中央の垂直線（効果なしのライン）: この線は「治療と対照に差がない」ことを意味します。リスク比なら1.0、リスク差なら0の位置です。
-
各研究の四角形（□）: 1つの四角が1つの研究を表します。四角の大きさは、その研究のサンプルサイズ（重み）を反映しています。大きい四角ほど、メタアナリシス全体への影響力が大きい研究です。
-
四角から伸びる水平線: 95%信頼区間を表します。「真の効果はこの範囲のどこかにある可能性が95%」という意味です。この線が中央の垂直線をまたいでいたら、「差がない可能性も否定できない」ということです。
-
最下段のダイヤモンド（◆）: メタアナリシスの統合結果です。これがフォレストプロットで最も重要な情報です。ダイヤモンドの中心が効果の推定値、幅が95%信頼区間です。
読み方のポイント: ダイヤモンドが中央の垂直線をまたいでいなければ、「統計的に有意な差がある」と言えます。ダイヤモンドが垂直線から離れているほど、効果が大きいことを意味します。
異質性（I²）——研究間のバラつきを見る
メタアナリシスでもう1つ大切な概念が「異質性（いしつせい、heterogeneity）」です。
統合する研究の結果がバラバラだったら、それを無理やり1つの数値にまとめても意味がありません。研究間のバラつきの程度を表す指標が「I²統計量」です。
I² = 0%: バラつきなし。研究結果がほぼ一致している。統合の信頼度は非常に高い。 I² = 25-50%: 軽度のバラつき。まずまず信頼できる。 I² = 50-75%: 中等度のバラつき。結果の解釈に注意が必要。 I² > 75%: 高度のバラつき。研究結果が大きく食い違っており、単純に統合してよいか疑問。
I²が高い場合、「なぜ研究間でこんなに結果が違うのか？」を探る「サブグループ解析」が重要になります。例えば、「若い人では有効だが、高齢者では効果がない」というような違いが隠れているかもしれません。
ファンネルプロット——出版バイアスを見破る
「効果あり」という結果が出た研究は論文として出版されやすく、「効果なし」の研究はお蔵入りになりがちです。これを「出版バイアス」と言います。
出版バイアスがあると、メタアナリシスで集められる研究が「効果あり」に偏り、統合結果も実際より良く見えてしまいます。
これを検出するのが「ファンネルプロット」です。縦軸に研究の精度（サンプルサイズ）、横軸に効果の大きさをプロットします。出版バイアスがなければ、大きな研究（上部）を頂点とした左右対称の「漏斗（ファンネル）」型になります。
もし片側に偏っている（特に左下が欠けている）場合、「効果なし」の小規模研究が出版されていない可能性があり、注意信号です。
実例で学ぶ: メタアナリシスの力
実例1: レチノイドのシワ改善効果（アンチエイジング）
「レチノール（ビタミンA誘導体）はシワに効く」——これを示したメタアナリシスがあります。
Yoham & Casadesus (2022) は、8件のRCT（合計1,361名）を統合し、外用レチノイドがシワのスコアを有意に改善することを示しました [1]。
個々の研究を見ると、100人規模の小さな研究が多く、単独では結果に確信が持てません。しかし、8件をメタアナリシスで統合することで、「効果あり」という結論の確度が格段に上がりました。
これが「小さな研究を束ねて大きな結論を出す」メタアナリシスの真骨頂です。
実例2: アルツハイマー新薬レカネマブ——大規模RCTの結果
アルツハイマー病の新薬レカネマブ（商品名: レケンビ）は、1,795名を対象とした大規模RCT（Clarity AD試験）で、認知機能低下を27%抑制したと報告されました [2]。
ここで注意すべきなのは、この薬はまだ大規模RCTが1つしかないということです。エビデンスのピラミッドではRCTレベル（★★★★☆）であり、メタアナリシスレベル（★★★★★）ではありません。
今後、複数のRCTが蓄積され、メタアナリシスが行われたとき、この27%という数字が再現されるかどうか——それが真の評価です。
日本ではレカネマブは2023年に承認され、一定の条件下で保険適用となっています。ただし、アミロイドPETやCSF検査でアルツハイマー病の確認が必要で、ARIA（アミロイド関連画像異常）という副作用への慎重な対応も求められます。
実例3: ホルモン補充療法——「1つのRCTに振り回された教訓」
2002年、WHI（Women's Health Initiative）試験という大規模RCTが、更年期障害のホルモン補充療法（HRT）は乳がんや心血管リスクを高めると報告しました。世界中で「HRT=危険」というイメージが広まり、多くの女性がHRTを中止しました。
しかし、その後の再解析やメタアナリシスで、リスクは年齢層によって大きく異なることが判明しました。60歳以上で開始した場合はリスクが高いが、50代前半（更年期直後）で開始した場合はむしろ心血管に保護的であるという「タイミング仮説」が支持されるようになったのです。
これは、1つのRCTの結果だけで判断することの危うさを示す重要な教訓です。異なる集団で複数のRCTを実施し、メタアナリシスで統合して初めて、全体像が見えてくる——エビデンスは積み重ねるものなのです。
メタアナリシスにも限界がある
ピラミッドの頂点にあるメタアナリシスですが、万能ではありません。
-
「ゴミを入れればゴミが出る（GIGO）」: 質の低いRCTをいくら集めて統合しても、質の高い結論は得られません。だからこそ、システマティックレビューの段階で研究の質を厳しく評価することが重要です。
-
出版バイアスの影響: 前述のとおり、「効果なし」の研究が出版されていなければ、メタアナリシスの結果も偏ります。
-
異質性が高い場合の統合の妥当性: I²が非常に高い場合、そもそも統合すべきかどうかを慎重に判断する必要があります。「リンゴとオレンジを足し算してもフルーツの平均にはならない」ということです。
-
組み入れ基準による結果の変動: どの研究を含めるか（組み入れ基準）によって、結果が変わることがあります。コクラン共同計画の2007年の分析では、レビューの44%が治療の有益性を支持し、7%が有害性を示唆、49%は「明確なエビデンスがない」と結論づけました。
「メタアナリシスだから安心」ではなく、「どんなメタアナリシスか」を見る目が大切です。
メタアナリシス読解チェックリスト
メタアナリシスの論文を見かけたら、以下を確認してみてください。
- 検索は網羅的か？（PubMed以外のデータベースも検索しているか）
- 組み入れた研究の質は評価されているか？（バイアスリスクの評価）
- I²値はどの程度か？（50%以上なら注意）
- ファンネルプロットは左右対称か？（出版バイアスの確認）
- サブグループ解析はあるか？（年齢・性別・重症度別の結果）
次回予告
次回（3日後）は「研究で証明済み」でも信じてはいけない場合がある——バイアスと利益相反の正体に迫ります。
「誰がお金を出したか」で結果が変わる？ P値ハッキングとは何か？ コラーゲンサプリの研究に潜む落とし穴——数字のウソを見破る技術を解説します。