トリガーを実際に見つけられる症状日記のつけ方

このシリーズのこれまでの記事はどれも、同じように正直で、少し物足りない結論にたどり着いてきました。気圧と頭痛:関連は実在するものの控えめで、データを先走る思い込みと絡み合っています(気象病:科学は実際に何を語っているのか)。関節と雨:研究は本当に食い違っており、その分裂は研究デザインの違いによるところが大きいものでした。地磁気嵐:個人レベルで何を意味するかを語るには薄すぎる根拠の上に乗った、集団レベルの小さな信号でした。暑さ・湿度・疲労:基本的な物理現象と呼べるほど確かな唯一の関連でしたが、個人差が激しすぎて、その閾値がどこにあるかは人によってまったく異なりました。この4本すべてを読むと、共通する一本の糸が見えてきます——集団レベルの答えは決して「はい」でも「いいえ」でもなく、常に「弱く、一部の人にだけ、しかも条件次第」だということです。これは論点をはぐらかしているわけではありません。それがこの科学の正直な姿そのものであり、だとすれば次に問うべき有用な問いは「天気は人に影響するか」ではなく「それは自分に影響するのか、そしてそれをどうやって実際に知ればよいのか」だということになります。この記事は、その2つ目の問いに正しく答えるための記事です——記憶ではなく統計によって検証できるように作られた日記を使って。始める前に一つ断っておきます。これは情報提供を目的とした内容であり、医学的な助言ではありません。症状が新しく現れた、重い、あるいは不安を感じるものであれば、それはアプリや表計算ソフトにではなく、医師に相談すべきことです。

なぜ記憶は判定役として頼りにならないのか

まさにこの問いに対する、もっとも直接的な実験から始めましょう。1996年、ドナルド・レデルマイヤーとエイモス・トヴェルスキー——医師と、ダニエル・カーネマンとともに認知バイアス研究の先駆けとなった心理学者——は、18人の関節炎患者を1年以上にわたって追跡し、それぞれの患者が「自分に影響していると信じている」実際の地元の天気とともに、痛みを記録しました。データを解析した結果、どの患者についても、その人自身が挙げた天気条件と痛みとのあいだに統計的に有意な関連は見つかりませんでした——グループ内のただの一人についても、です(Redelmeier & Tversky, 1996)。この結果だけを見れば、単に天気は関節には本当に関係しないという意味かもしれず、それはこのシリーズがこれまで扱ってきた多くの内容とも一致します。しかし同じ論文は、もう一つ、より純粋な第二の実験も行っています。97人の大学生に、まったく無関係な、コンピューターが生成した完全にランダムな2つの変数の系列を見せ、それらが相関しているかどうかを判断させたのです。人々は一貫して、そのノイズの中に相関を見たと報告しました——構造上、そもそも見つけられるはずのないパターンです。著者たちの結論は、天気と痛みの関連を信じる気持ちが生き残るのは、データがそれを裏づけているからではなく、人間の心がパターンを検出するように——それが実在するかどうかにかかわらず——できているからだ、というものでした。研究者たちはこれを錯誤相関(illusory correlation)と呼びます。

この傾向には、よく研究された相棒がいます。確証バイアス——すでに抱いている物語(「嵐の日にひどい頭痛があった」)に合う日を記憶し、思い出す習慣です。一方で、何事もなく過ぎた嵐の日は静かに割り引かれ、たまたま調子が悪かった晴れの日は記憶にすら残りません。さらに、単純な想起バイアス——「3週間前に頭痛がどれくらいひどかったか」を再構成することは、いま現在の痛みを評価することよりもずっと不正確だという事実——を加えると、記憶というシステムは、まさにこの種の問いに対しては構造的に頼りない計測器になります。181人の子どもの回顧的な頭痛アンケートを、同じ子どもたちがリアルタイムでつけた4週間分の日記と比較したある研究は、実際にまさにこのパターンを見出しました。日記と比べると、回顧的なアンケートは頭痛の強さと持続時間の両方を系統的に過大評価しており、その誤差の大きさは子どもの年齢、頭痛の重さ、抑うつスコアと連動していました(van den Brink, Bandell-Hoekstra & Abu-Saad, 2001)。これは、人が自分の症状についていい加減だったり不誠実だったりするという意味ではありません。記憶はそもそも計測器として機能するように作られておらず、それに統計に耐えるレベルの仕事を求めることは、設計上できないことを求めているにすぎない、ということです。

日記が正しく満たすべき条件

研究者たちが頼る解決策には名前があります。生態学的瞬間評価(ecological momentary assessment、EMA)——後から記憶を頼りに再構成するのではなく、症状が起きたその瞬間に近いタイミングで、それが起きたその環境の中で記録する方法です。この手法は、アーサー・ストーンとソール・シフマンによる1994年の基礎的な論文で体系化されました。彼らは、症状・気分・行動をリアルタイムで、しかも実際の日常環境の中で評価することが、回顧的な報告を損なう想起の問題を回避すると論じました(Stone & Shiffman, 1994)。これを個人の天気・症状ログに当てはめると、この原則は「注意を払う」というあいまいな指示ではなく、いくつかの具体的な習慣のリストに置き換わります。

1. その瞬間に近いタイミングで記録し、週末にまとめて書かない。 当日中の記録は「計測」ですが、日曜の夜に一週間分をまとめて思い出して書くのは、すでに記憶とそのバイアスに引き戻され始めています。
2. 「当たった日」だけでなく「外れた日」も記録する。 気圧が平常で頭痛もなかった穏やかな日は、ひどい頭痛があった嵐の日とまったく同じくらい重要なデータ点です。それを省くことは、日記という衣装をまとった確証バイアスに、ひと手間かけているだけにすぎません。
3. 評価のカテゴリーを一貫させる。 症状を毎日同じ0〜10のスケールで評価する、あるいは同じ短い症状リストをチェックする——それがあってはじめて3日目と60日目を比較できます。途中で自分の単位を変えてしまう日記は、そもそも分析のしようがありません。
4. できる限り、天気は自動的に紐づける。 その日の気圧や湿度を別途自分で調べて記録することを忘れないよう頼る度合いが低いほど、想起バイアスが裏口からこっそり戻ってくる余地は小さくなります。
5. もう答えがわかった気がする時点を過ぎても、記録を続ける。 これはもっとも難しいルールであり、たいていの人が最初に破ってしまうルールでもあります。その理由は、次の章で正確に説明します。

なぜ「一目見ただけ」ではなく統計が必要なのか

仮に、1か月間毎日記録をつけた結果、低気圧の日とその日の頭痛のひどさのあいだに r = 0.34 の相関が出たとしましょう。これは本物らしく見える数字です——「なるほど」と納得できてしまう、きれいな相関です。しかし、背後にあるのがわずか30日分のデータだけだと、この大きさの相関は、相関に関する標準的な統計検定で計算するとp値がおよそ0.07になります——これは、一般的な有意水準0.05をクリアしません。平たく言えば、これほど少ないデータでは、画面上では意味ありげに見えても、この大きさの相関はまだ十分に偶然でありうる、ということです。この段階でそれを「発見」と呼んでしまうことは、レデルマイヤーとトヴェルスキーの実験で純粋なノイズに対して大学生たちが犯した誤りと、まったく同じ誤りを犯すことになります——偶然と区別できるだけの十分な証拠がそろう前に、パターンを見てしまうという誤りです。

ここからが、記録を長く続けるだけの価値がある理由です。記録を続け、同じ r = 0.34 という関係が90日——およそ3か月分の継続的な記録——に達しても保たれたとしましょう。同じ統計検定を、より大きなサンプルに対して行うと、同じ大きさの相関でも、今度はp値はおよそ0.001になります——有意水準を余裕をもって超えます。なぜなら、同じ大きさの相関でも、3倍の日数にわたって計測されると、偶然で説明するのがずっと難しくなるからです。30日目から90日目のあいだで、根底にある関係そのものは何も変わっていません。変わったのは、その背後にある証拠の量だけです。これが、「時間をかけよう」という言葉が単なる決まり文句ではない、地味だが正直な理由です。本物の効果を検出する(あるいは偽物を正しく退ける)統計的検出力は、観測数とともに高まり、意気込んで1か月間トラッキングしただけでは、通常その数として十分ではないのです。

多重比較の罠——そしてFDR補正がなぜ重要か

もう一つの罠は、一度に複数の天気の変数をチェックし始めた瞬間に開きます——そして実際、多くの人がまさにそうしています。気圧、気温、湿度、風など、いくつもの要因を同じタイミングで一斉に症状と照らし合わせて検定してしまうのです。8つの異なる気象要因を、それぞれ個別に通常の有意水準0.05でご自身の症状と検定したとすると、背後にある関連が一つも本物でなかったとしても、純粋な偶然だけで、それらの検定のうちおよそ20回に1回は「有意」に見えてしまいます——そして8つの検定を同時に行えば、少なくとも一つの偽の警報が発見のように見えて現れる確率は、無視できないほど高くなります。これが多重比較の問題であり、この記事の前半で扱った確証バイアスの罠の、統計版と言えるものです。同じデータに一度に多くの問いを投げかけるほど、偶然そのものが、本物とまったく見分けのつかない偽陽性をあなたに手渡すチャンスも増えていきます。

標準的な解決策は、偽発見率(false discovery rate、FDR)補正です。これは、ヨアブ・ベンジャミニとヨセフ・ホッホベルクが1995年に、まさにこの状況——多くの仮説を一度に検定し、補正なしの単純な有意水準では偽陽性を通しすぎてしまう状況——のために導入した手法です(Benjamini & Hochberg, 1995)。個々の検定すべてに不可能なほど厳しい基準を課す——それは本物の効果まで偽物と一緒に葬ってしまいがちです——のではなく、FDR補正は行われた比較の数に応じて閾値を調整します。その結果、最終的に「有意」と判定された結果のうち、実際には偽物である割合の期待値が、勘に頼るのではなく、管理され、既知の状態に保たれます。これを個人の天気日記に当てはめると、「気圧が有意だったから、それが自分のトリガーに違いない」という主張と、「他に確認した7つの要因を考慮してもなお、気圧は有意なままだった」という主張の違いになります。信頼する価値があるのは後者であり、それを誠実に主張するためにこそ補正が必要なのです。

SIGNIFICANCE × DAYS · SAME_r=0.34

n=30 · p≈.07n=90 · p≈.001p=0.05

DAYS_LOGGED →

• n=30有意でない — 偶然の可能性が残る
• n=90有意 — 偶然とは考えにくい

8_FACTORS_TESTED

UNCORRECTED_p<.05

↓

AFTER_FDR

FDR補正を生き延びた関連だけが本物

FIG.06 · SIGNIFICANCE + FDR · ILLUSTRATIVE_EXAMPLE · NOT_A_MEASUREMENT

これが実際にもたらすもの:正しく行われた「サンプルサイズ1」

これが、n-of-1試験(n-of-1 trial)と呼ばれる研究デザインの背後にあるロジックです。治療やトリガーが人々一般にとって効くかどうかを問うのではなく、一人の人間自身の、繰り返された一貫性のある観察をデータセットとして扱い、その同じ人の他の日々を比較対象とします——別途の対照群は必要ありません。なぜなら、誰もが時間軸の中で自分自身の対照群になるからです(Duan, Kravitz & Schmid, 2013)。まさにこれこそが、きちんとつけられた症状・天気日記の正体です。集団研究の代わりではなく、それ自体で正当かつ個人にとって意味のあるデータセットです——ただし、それは上記の各章で述べたとおりに作られていることが条件です。すなわち、その瞬間に近いタイミングで記録し、ふつうの日も含め、十分な期間にわたって続け、一度に複数のものを検定していることを織り込んだ方法で確認する、という条件です。

率直に言えば、これこそがMeteoHealthが表計算のテンプレートではなく、アプリとして存在している理由でもあります。MeteoHealthは、症状と気分をタップ2回で記録し、それぞれの記録を、地元の天気やすでに収集しているApple Healthの指標と組み合わせ、実際の統計処理——ピアソン相関、ANOVA、そして確認する気象変数全体にわたる偽発見率補正——をデバイス上で実行します。だからこそ、あなた自身のデータの中にパターンとして浮かび上がるものは、グラフを一目見ただけではなく、この記事で説明してきたのと同じ規律をすでに経たものになります。診断はしません。予測もしません。示すのはあなた自身の数字であり、そこに伴う不確実性も正直に示したままにします。そして、この処理はすべてデバイス上で行われるため、その数字の背後にある個人の健康データが、あなたの電話の外に出る必要は一切ありません。このシリーズのそれ以外のすべて——弱い集団平均、研究どうしの食い違い、思い込みとデータのあいだのギャップ——は、そもそもこのアプローチが必要である理由そのものです。集団を対象にした研究は、個々には決して知りえない何千人もの人々にわたって、平均的に何が成り立ちやすいかを教えてくれます。しかし、今週の火曜日のあなたの膝の痛みが、外の気圧の低下と連動しているかどうかまでは教えてくれません。それができるのは、記憶ではなく統計によって読み解かれた、あなた自身の記録だけです。

まとめ

このクラスター全体を通じて、「天気は健康に影響するか」という問いへの正直な答えは、常に「弱く、不均一に、人によって異なる」というバリエーションであり続けました——きれいな「はい」も、きれいな「いいえ」も一度もありませんでした。これは物足りない着地点ではなく、正しい着地点であり、次に何をすべきかをまっすぐに指し示しています。記憶はこうした問いの判定役としては頼りなく、ランダムさの中にも確実にパターンを見つけ、ある物語を裏づける日を覚えている一方で、そうでない日は忘れてしまいます。日記がそれを正すのは、その瞬間に近いタイミングで記録され、目立つ日だけでなくふつうの日も含まれ、そして本物の統計——グラフを一目見ただけではなく——が、ノイズから本物のパターンを見分けるのに十分な証拠を得られるだけの期間続けられた場合に限られます。しかも、複数の気象要因を一度に確認すると、分析がそれに対応できるように作られていない限り、偽の警報が起きやすくなるという事実も、正しく織り込まれている必要があります。それを行えば、もう当てずっぽうではなくなり、この件についてあなたを誤らせるように作られた記憶を信じることもなくなります。あなたは、ずっと何よりも重要だったはずの、たった一つのデータセット——あなた自身——について、正当な、一人分の研究を行っていることになります。