研究デザイン選択支援
研究デザインの選択は研究の質を決める
リサーチクエスチョン（RQ）の質がどれほど高くても、適切な研究デザインを選ばなければ信頼性のあるエビデンスは得られません。研究デザインの選択は、RQの性質（治療効果、予後予測、診断精度等）、利用可能なリソース、倫理的制約、時間的制約を総合的に考慮して行います。
研究デザインの選択は「エビデンスの階層構造」を意識しつつも、RQに最も適したものを選ぶことが重要です。RCTが常に最善とは限りません。予後研究にRCTは不要であり、まれな有害事象にはケースコントロール研究が適しています。
エビデンスの階層構造
まず、研究デザインのエビデンスレベルの基本を確認します。
| レベル | 研究デザイン | 適する研究疑問 |
|---|---|---|
| 1 | 系統的レビュー / メタアナリシス | エビデンスの統合 |
| 2 | ランダム化比較試験（RCT） | 治療効果の検証 |
| 3 | コホート研究 | 予後、リスク因子の同定 |
| 4 | ケースコントロール研究 | まれな疾患・有害事象のリスク因子 |
| 5 | 横断研究 | 有病率、関連の探索 |
| 6 | 症例シリーズ / 症例報告 | 新規疾患・治療法の記述 |
RQのタイプと推奨研究デザイン
治療効果の検証
最適デザイン：ランダム化比較試験（RCT）
「介入Aは介入Bと比べてアウトカムを改善するか？」という因果関係の検証にはRCTが gold standard です。ランダム化により交絡因子のバランスが保たれ、内的妥当性が最大化されます。
RCTが実施困難な場合の代替：
- 準ランダム化試験
- 傾向スコアマッチングを用いた観察研究
- 差の差分析（Difference-in-differences）
- 回帰不連続デザイン
予後・リスク因子の研究
最適デザイン：前向きコホート研究
「曝露Xは疾患Yの発症リスクを高めるか？」という問いに対しては、前向きコホート研究が最適です。時間的順序が明確で、発症率を直接測定できます。
まれな疾患・有害事象の研究
最適デザイン：ケースコントロール研究
まれなアウトカムの研究ではケースコントロール研究が効率的です。症例と対照を選び、過去の曝露を比較するため、サンプルサイズが比較的小さくても検出力を確保できます。
診断精度の評価
最適デザイン：横断研究（STARD準拠）
新しい検査の感度・特異度を評価する場合、対象集団に対してインデックステスト（評価したい検査）とリファレンススタンダード（ゴールドスタンダード検査）を同時に実施します。
AIによる研究デザインの選択支援
以下のリサーチクエスチョンに対する最適な研究デザインを提案してください。
RQ（PICO形式）:
- P: [対象集団]
- I/E: [介入/曝露]
- C: [比較対照]
- O: [アウトカム]
研究環境:
- 施設タイプ: [大学病院 / 市中病院 / 多施設]
- 利用可能なサンプルサイズ（概算）: [人数]
- 研究予算: [大規模 / 中規模 / 少額]
- 研究期間: [期間]
- 既存データの有無: [電子カルテ、レジストリ等]
- 倫理的制約: [RCTの実施可否等]
以下の形式で回答してください：
- 推奨デザイン（第1候補）: デザイン名、選択理由、エビデンスレベル
- 代替デザイン（第2候補）: 第1候補が困難な場合の代替
- 各デザインの長所・短所比較
- 推奨される報告ガイドライン（CONSORT, STROBE, STARD等）
- 概算サンプルサイズ: 検出力80%、有意水準5%での概算
- 注意すべきバイアス: 選択されたデザインに特有のバイアスと対策
報告ガイドラインの活用
研究デザインが決まったら、対応する報告ガイドラインを確認します。
| 研究デザイン | 報告ガイドライン | 概要 |
|---|---|---|
| RCT | CONSORT | チェックリスト25項目、フローダイアグラム |
| 観察研究 | STROBE | コホート、ケースコントロール、横断研究 |
| 系統的レビュー | PRISMA | 検索戦略、スクリーニングフロー、メタアナリシス |
| 診断研究 | STARD | フローダイアグラム、感度・特異度の報告 |
| 質的研究 | COREQ | インタビュー、フォーカスグループ |
| 症例報告 | CARE | 症例報告の標準化 |
| 予後研究 | TRIPOD | 予測モデルの開発・検証 |
| AI/ML研究 | TRIPOD-AI, SPIRIT-AI | AI特有の報告項目 |
以下の研究デザインに対応する報告ガイドラインのチェックリストを提示してください。
研究デザイン: [選択したデザイン] 報告ガイドライン: [CONSORT / STROBE / PRISMA等]
各チェック項目について：
- 項目番号と内容
- 研究計画段階で決めておくべきこと
- よくある不備・不足
- 私のRQ「[PICO形式のRQ]」に当てはめた具体例
サンプルサイズの概算
研究デザインの選択と並行して、必要なサンプルサイズを概算します。
以下の研究について、必要なサンプルサイズを概算してください。
研究デザイン: [デザイン] 主要アウトカム: [連続変数/二値変数/生存時間] 予想される効果量:
- 連続変数の場合: 群間差 [値], SD [値]
- 二値変数の場合: 対照群のイベント率 [%], 最小検出差 [%]
- 生存時間の場合: ハザード比 [値], イベント発生率 [/年]
有意水準: 0.05（両側検定） 検出力: 80% 脱落率の予想: [%]
計算方法と根拠を示した上で、必要なサンプルサイズを提示してください。また、検出力90%の場合の必要数も参考として提示してください。
AIによるサンプルサイズ計算はあくまで概算です。正式な計算は、G*Power、R（pwr パッケージ）、またはnQuery等の専用ソフトウェアで行ってください。特に、多重検定の補正やクラスターRCTのデザインエフェクトなど、複雑な要因がある場合はAIの計算を過信しないでください。
研究デザイン選択のデシジョンツリー
以下のフローチャートは、RQのタイプから研究デザインを選択するための基本的な意思決定プロセスです。
RQのタイプを特定
治療効果？予後？診断？有病率？因果関係？記述？
介入の制御が可能か？
Yes → 介入研究（RCT等）を検討。No → 観察研究を検討。倫理的にランダム化が不可能な場合も観察研究へ。
時間軸を決定
前向き（プロスペクティブ）→ コホート研究。後ろ向き（レトロスペクティブ）→ ケースコントロール研究、後ろ向きコホート。
既存データの活用可否
電子カルテ、レジストリデータがあれば、二次データ解析も選択肢。バリデーション研究と組み合わせることでエビデンスの質を担保。
リソースとの整合性確認
必要なサンプルサイズ、予算、期間が現実的か。不足する場合はデザインの見直しまたは多施設共同研究を検討。
実践例：デザイン選択の思考プロセス
RQ: 「2型糖尿病患者において、週1回のセマグルチドと毎日のシタグリプチンを比較した場合、24週後のHbA1c低下量に差があるか」
| 検討項目 | 結論 |
|---|---|
| RQのタイプ | 治療効果の検証 |
| 介入の制御 | 可能（薬物投与をランダムに割り付けられる） |
| 倫理的制約 | 両薬とも標準治療の範囲内で許容される |
| 推奨デザイン | 並行群間RCT（非劣性 or 優越性） |
| 盲検化 | ダブルダミー法（投与経路が異なるため） |
| 報告ガイドライン | CONSORT |
| サンプルサイズ概算 | 群間差0.4%、SD 1.0%として、各群99人（脱落率15%考慮で各群117人） |
この章のポイント
研究デザインの選択は、RQの性質、利用可能なリソース、倫理的制約を総合的に判断して行います。AIはこの意思決定プロセスを体系的に支援しますが、最終的な判断は研究者が行います。選んだデザインに対応する報告ガイドライン（CONSORT、STROBE等）を研究開始前に確認し、計画段階から質の高い研究を設計しましょう。
次章の予告
Part 2では、いよいよ文献検索の実践に入ります。PubMedとAIを組み合わせた構造化検索ワークフローで、効率的かつ網羅的に文献を収集する方法を学びます。