科学的管理

科学的コントロールとは、調査対象の独立変数以外の変数の影響を最小限に抑えるように設計された実験または観察の要素であり、それによって交絡のリスクを低減します。^{[ 1 ] [ 2 ]}

対照群を用いることで、実験測定値と対照測定値との比較基準となるベースラインが提供され、結果の信頼性と妥当性が向上します。多くの実験計画では、対照群は実験的処置を受けないため、研究者は独立変数の効果を分離することができます。^{[ 3 ]}

科学的制御は科学的方法の基本的な部分であり、特に生物学、化学、医学、心理学といった分野では、複雑なシステムが複数の相互作用する変数の影響を受けるため、その重要性は高い。

対照実験は、実験結果に対する代替的な説明、特に実験誤差や実験者のバイアスを排除します。多くの対照実験は、SDS-PAGE実験で使用される分子マーカーのように、実施される実験の種類に固有のものであり、単に機器が正しく動作していることを確認するためのものである場合もあります。実験結果の妥当性（例えば、交絡変数の排除）を確保するために適切な対照実験を選択して使用することは、非常に困難な場合があります。対照測定は、他の目的にも使用できます。例えば、信号がない状態でのマイクロホンのバックグラウンドノイズを測定することで、後で信号を測定する際にノイズを差し引くことができ、より高品質の処理済み信号を得ることができます。

例えば、研究者が実験用の人工甘味料を60匹の実験用ラットに与え、そのうち10匹がその後病気になった場合、根本的な原因は甘味料自体かもしれないし、無関係な何かかもしれない。すぐには明らかにならない他の変数が、実験計画に影響を与える可能性がある。例えば、人工甘味料が希釈剤と混合されている場合、その希釈剤が影響を及ぼしている可能性がある。希釈剤の影響を制御するために、同じテストを2回実施する。1回目は人工甘味料を希釈剤に混ぜて行い、2回目は全く同じ方法で希釈剤のみを使用する。こうすることで、実験は希釈剤の影響を制御でき、実験者は甘味料、希釈剤、および無処置を区別することができる。対照は、交絡因子を主要な処置から容易に分離できない場合に最も必要となることが多い。例えば、肥料を散布する他の実際的な方法がない場合、トラクターを使用して肥料を散布する必要があるかもしれない。最も簡単な解決策は、肥料を散布せずにトラクターで区画を走行させる処理を行うことであり、そうすることでトラクターの走行による影響を抑制できる。

最も単純なタイプのコントロールは、ネガティブコントロールとポジティブコントロールであり、どちらも多くの異なるタイプの実験で見られます。^{[ 4 ]}これらの2つのコントロールが両方とも成功すれば、通常、ほとんどの潜在的な交絡変数を排除するのに十分です。つまり、実験では、ネガティブな結果が期待されるときにネガティブな結果が、ポジティブな結果が期待されるときにポジティブな結果が得られます。その他のコントロールには、ビヒクルコントロール、シャムコントロール、比較コントロールなどがあります。^{[ 4 ]}

交絡は観察研究において重要な問題であり、変数間の関係について偏った、あるいは誤解を招く結論につながる可能性がある。交絡因子とは、独立変数（治療または曝露）と従属変数（結果）の両方に関連する外的変数であり、真の関連性を歪める可能性がある。交絡が適切に考慮されない場合、研究者は、実際には別の要因による影響を、曝露に誤って帰属させてしまう可能性がある。これは、誤った政策提言、効果のない介入、あるいは欠陥のある科学的理解につながる可能性がある。例えば、身体活動と心臓病の関係を調査する研究において、潜在的な交絡因子である食事を制御しないと、運動の真の効果を過大評価または過小評価してしまう可能性がある。^{[ 5 ]}

偽陽性検定は、観察研究において、観察された関連性が真の因果関係ではなく、交絡、バイアス、またはモデルの誤指定によるものである可能性を評価するために用いられる頑健性チェック手法です。これらの検定は、効果が期待されないシナリオに同じ分析手法を適用することで、研究結果の妥当性を検証するのに役立ちます。関連性が存在しないはずの場面で依然として関連性が見られる場合、主要な分析が交絡やその他のバイアスの影響を受けている可能性があるという懸念が生じます。

ネガティブコントロールは、偽陽性テストの一種です。ネガティブコントロールを使用する必要性は、通常、観察研究において、潜在的な交絡メカニズムのために研究デザインに疑問が生じる場合に生じます。ネガティブコントロールテストは研究デザインを否定することはできますが、検証することはできません。これは、別の交絡メカニズムが存在する可能性があるか、統計的検出力が低いかのいずれかです。ネガティブコントロールは疫学文献でますます使用されていますが^{[ 6 ]} 、経済学などの社会科学分野でも有望です^{[ 7 ] [ 8 ]} 。ネガティブコントロールは、ネガティブコントロール曝露（NCE）とネガティブコントロール結果（NCO）の2つの主要なカテゴリに分けられます。

Lousdal ら^{[ 9 ]}は、乳がん検診への参加が乳がんによる死亡に及ぼす影響を調べた。彼らは、検診参加者は非参加者よりも健康であり、したがってベースライン時点で既に乳がんによる死亡リスクが低いと仮説を立てた。そのため、彼らは健康状態が良いことの代理変数をネガティブコントロール結果 (NCO) として、健康的な行動の代理変数をネガティブコントロール曝露 (NCE) として用いた。乳がん以外の原因による死亡は、乳がん検診の影響を受けない健康状態が良いことの結果であるため、NCO とした。歯科医療への参加は、健康に気を配る行動の良い代理変数であると考えられるため、NCE とした。

ネガティブコントロールは、治療と結果の両方と相関する測定されていない交絡因子のために研究デザインが無効であると疑われる場合に役立つことを目的とした変数です。^{[ 10 ]}結果が2つしかない場合（たとえば、陽性または陰性）、治療群とネガティブコントロール（非治療群）の両方が陰性の結果を示した場合、治療には効果がなかったと推測できます。治療群とネガティブコントロールの両方が陽性の結果を示した場合、研究対象の現象に交絡変数が関与しており、陽性の結果は治療のみによるものではないと推測できます。

In other examples, outcomes might be measured as lengths, times, percentages, and so forth. In the drug testing example, we could measure the percentage of patients cured. In this case, the treatment is inferred to have no effect when the treatment group and the negative control produce the same results. Some improvement is expected in the placebo group due to the placebo effect, and this result sets the baseline upon which the treatment must improve upon. Even if the treatment group shows improvement, it needs to be compared to the placebo group. If the groups show the same effect, then the treatment was not responsible for the improvement (because the same number of patients were cured in the absence of the treatment). The treatment is only effective if the treatment group shows more improvement than the placebo group.

Negative Control Exposure (NCE)

NCE is a variable that should not causally affect the outcome, but may suffer from the same confounding as the exposure-outcome relationship in question. A priori, there should be no statistical association between the NCE and the outcome. If an association is found, then it through the unmeasured confounder, and since the NCE and treatment share the same confounding mechanism, there is an alternative path, apart from the direct path from the treatment to the outcome. In that case, the study design is invalid.

For example, Yerushalmy^[11] used husband's smoking as an NCE. The exposure was maternal smoking; the outcomes were various birth factors, such as incidence of low birth weight, length of pregnancy, and neonatal mortality rates. It is assumed that husband's smoking share common confounders, such household health lifestyle with the pregnant woman's smoking, but it does not causally affect the fetus development. Nonetheless, Yerushalmy found a statistical association, And as a result, it casts doubt on the proposition that cigarette smoking causally interferes with intrauterine development of the fetus.

Differences Between Negative Control Exposures and Placebo

The term negative controls is used when the study is based on observations, while the Placebo should be used as a non-treatment in randomized control trials.

Negative Control Outcome (NCO)

ネガティブコントロールアウトカム（NCO）は、最も一般的なネガティブコントロールの一種です。NCOは、治療によって直接影響を受ける変数ではありませんが、治療とアウトカムの関係と同様の交絡メカニズムを持つと疑われます。研究デザインが妥当であれば、NCOと治療の間には統計的な関連性は存在しないはずです。したがって、両者の間に関連性が見られる場合は、研究デザインが妥当でないことを示唆します。

例えば、Jackson ら^{[ 12 ]}は、インフルエンザワクチンがインフルエンザ関連死に及ぼす影響を調べた研究で、インフルエンザシーズン以外の全死因死亡率を NCO として使用しました。考えられる交絡メカニズムとしては、健康状態やライフスタイルがあり、一般的に健康な人はインフルエンザワクチンを接種する傾向があります。Jackson らは、比較的健康な高齢者が優先的にワクチンを接種し、ワクチン接種群と非接種群の健康状態の違いがインフルエンザワクチンの有効性の推定値に偏りをもたらすことを発見しました。同様の例として、大気汚染物質が喘息による入院に及ぼす影響を議論する際に、Sheppard ら^{[ 13 ]}は、高齢者以外の虫垂炎による入院を NCO として使用しました。

正式な条件

治療を受ける${\displaystyle A}$そして結果${\displaystyle Y}$一連の制御変数が存在する場合${\displaystyle X}$、および測定されていない交絡因子${\displaystyle U}$のために${\displaystyle AY}$関係性。Shiら^{[ 6 ]は}、ネガティブコントロール結果の正式な条件を提示した。${\displaystyle {\tilde {Y}}}$、

1. 安定単位処理値仮定（SUTVA）：両方について${\displaystyle {Y}}$そして${\displaystyle {\tilde {Y}}}$に関して${\displaystyle A=a}$。
2. 潜在的な交換可能性：${\displaystyle Y^{A=a}\perp A|\;X,U}$与えられた${\displaystyle X}$そして${\displaystyle U}$潜在的な結果${\displaystyle Y^{A=a}}$治療とは無関係である。
3. 無関係性: NCOに対する治療の無関係性を保証します。
   1. ${\displaystyle {\チルダ {Y}}^{A=a}={\チルダ {Y}}^{A=a'}={\チルダ {Y}}|\;U,X}$: 因果関係はありません${\displaystyle A}$の上${\displaystyle {\tilde {Y}}}$与えられた${\displaystyle X}$そして${\displaystyle U}$。
   2. ${\displaystyle {\チルダ {Y}}\perp A|\;U,X}$: 因果関係はありません${\displaystyle A}$の上${\displaystyle {\tilde {Y}}}$与えられた${\displaystyle X}$そして${\displaystyle U}$NCOは、提供される治療とは無関係である。${\displaystyle X}$そして${\displaystyle U}$。
4. U-比較可能性: ${\displaystyle {\tilde {Y}}\not {\perp }U|\;X}$測定されていない交絡因子${\displaystyle U}$の関連性${\displaystyle A}$そして${\displaystyle Y}$は、${\displaystyle A}$そして${\displaystyle {\tilde {Y}}}$。

仮定1～4を考慮すると、非ゼロの関連性${\displaystyle A}$そして${\displaystyle {\tilde {Y}}}$は次のように説明できます。${\displaystyle U}$潜在的交換可能性の違反の可能性のある例としては、薬の影響を受ける人だけが薬を服用する場合が挙げられます。${\displaystyle X}$そして${\displaystyle U}$同じです。たとえば、年齢と病歴を考慮すると、${\displaystyle X}$）、一般的な健康意識（${\displaystyle U}$）の摂取${\displaystyle A}$インフルエンザワクチンは、インフルエンザ関連の死亡リスクとは無関係である。${\displaystyle {\チルダ {Y}}^{A=a}}$そうでなければ、潜在的交換可能性の仮定が破られ、識別は不可能となる。

無関係性の違反は、因果関係がある場合に発生します。${\displaystyle A}$の上${\displaystyle {\tilde {Y}}}$例えば、次のようなことが期待されます。${\displaystyle X}$そして${\displaystyle U}$インフルエンザワクチンは全死因死亡率に影響を与えません。しかし、インフルエンザワクチン接種時の診察で、医師が一般的な身体検査を行い、健康的な習慣を勧め、ビタミンや必須医薬品を処方した場合、インフルエンザワクチンは全死因死亡率に影響を与えない可能性があります。${\displaystyle A}$の上${\displaystyle {\tilde {Y}}}$（条件付き）${\displaystyle X}$そして${\displaystyle U}$）。 したがって、${\displaystyle {\tilde {Y}}}$因果関係の設計が有効であっても、テストが失敗する可能性があるため、NCOとして使用することはできません。

U-比較可能性が侵害されるのは、${\displaystyle {\チルダ {Y}}{\perp }U}$したがって、${\displaystyle A}$そして${\displaystyle {\tilde {Y}}}$無効性の証拠は提供されない${\displaystyle A}$この違反は、測定されていない交絡因子と相関がない、または非常に弱い相関しかない、質の低いNCOを選択した場合に発生します。

陽性対照は、検査の妥当性 を評価するためによく用いられます。例えば、新しい検査が疾患を検出する能力（感度）を評価する場合、既に有効であることが分かっている別の検査と比較することができます。この確立された検査は、検査が有効かどうかという問いに対する答えが既に分かっているため、陽性対照となります。

同様に、抽出液中の酵素量を測定する酵素アッセイでは、陽性対照は既知量の精製酵素を含むアッセイであり（陰性対照は酵素を含まない）、陽性対照は多量の酵素活性を示すはずである一方、陰性対照は非常に低い、あるいは全く活性を示さないはずである。

陽性対照で期待される結果が得られなかった場合、実験手順に何らかの問題がある可能性があり、実験をやり直す必要があります。難易度の高い、あるいは複雑な実験の場合、陽性対照の結果は、過去の実験結果との比較にも役立ちます。例えば、確立された疾患検査で、過去の実験者と同様の効果が確認された場合、その実験は過去の実験者と同じ方法で実施されていることを示しています。

可能な場合は、複数の陽性対照を用いることができます。有効性が知られている疾患検査が複数ある場合は、複数の検査を実施してもよいでしょう。また、陽性対照から得られる期待される結果の大きさが異なる場合、複数の陽性対照を用いることで、結果をより詳細に比較（較正、または標準化）することができます。例えば、前述の酵素アッセイでは、酵素量を様々に変えた多数のサンプルを作成することで、標準曲線を作成できます。

ランダム化では、異なる実験的処置を受けるグループがランダムに決定されます。これはグループ間に全く差がないことを保証するものではありませんが、差が均等に分布することを保証し、系統誤差を補正します。

例えば、作物の収量が影響を受ける実験（土壌肥沃度など）では、無作為に選ばれた区画に処理区を割り当てることで実験を制御できる。これにより、土壌組成の変動が収量に及ぼす影響を軽減できる。

盲検化とは、実験に偏りをもたらす可能性のある情報を伏せる手法です。例えば、被験者は誰が有効な治療を受け、誰がプラセボを投与されたのかを知りません。もしこの情報が被験者に知られてしまうと、患者はプラセボ効果をより強く受けてしまう可能性があり、研究者は自身の期待に沿うように実験結果に影響を与えたり（観察者効果）、評価者は確証バイアスに陥ったりする可能性があります。盲検化は、被験者、研究者、技術者、データアナリスト、評価者など、実験のあらゆる参加者に適用できます。場合によっては、盲検化を実現するために偽手術が必要となることもあります。

実験の過程で、参加者が自分に隠されていた情報を推測したり、その他の方法で入手したりすると、盲検が解除されます。研究の終了前に盲検が解除されると、盲検化によって排除されたバイアスが再び導入されるため、実験誤差の原因となります。盲検解除は盲検実験ではよくあることであり、測定して報告する必要があります。メタ研究では、薬理学的試験で盲検解除のレベルが高いことが明らかになっています。特に、抗うつ薬の試験では盲検化が不十分です。報告ガイドラインでは、すべての研究で盲検解除を評価して報告することを推奨しています。実際には、盲検解除を評価する研究はごくわずかです。^{[ 14 ]}

盲検化は科学的方法の重要なツールであり、多くの研究分野で使用されています。医学などの一部の分野では、必須と考えられています。^{[ 15 ]}臨床研究では、盲検化されていない試験はオープン試験と呼ばれます。

• 偽陽性と偽陰性
• 実験計画法
• 変数を制御する
• ジェームズ・リンド
• ランダム化比較試験
• 待機リスト管理グループ

• 「統制」 。ブリタニカ百科事典。第 7巻（第11 版）。1911年。