疫学

疫学とは、特定の集団における健康状態や疾病状態の分布（誰が、いつ、どこで）、パターン、決定要因を研究し、分析する学問です。

疫学は公衆衛生の基礎であり、疾病の危険因子と予防医療の対象を特定することで政策決定とエビデンスに基づく実践を形作ります。疫学者は研究デザイン、データ収集、統計分析、結果の解釈と普及（ピアレビューと時折のシステマティックレビューを含む）を支援します。疫学は臨床研究、公衆衛生研究、そして程度は低いものの生物科学の基礎研究で使用される方法論の開発に貢献してきました。^[1]

疫学研究の主な分野には、疾病の原因、伝染、流行調査、疾病監視、環境疫学、法医疫学、職業疫学、スクリーニング、バイオモニタリング、臨床試験などでの治療効果の比較などがあります。疫学者は、疾病の過程をより深く理解するために生物学、データを効率的に使用して適切な結論を導くために統計学、近因と遠因をより深く理解するために社会科学、曝露評価のために工学など、他の科学分野に依存しています。

疫学は文字通り「人々に起こることの研究」を意味し、ギリシャ語の epi  「上に、間に」、demos  「人々、地区」、logos 「研究、言葉、談話」に由来しており、人間集団にのみ適用されることを示唆している。しかし、この用語は動物集団の研究（獣医疫学）で広く使用されているが、「 epizoology 」 という用語も使用可能であり、植物集団の研究（植物学または植物病疫学）にも適用されている。^[2]

「流行病」と「風土病」の区別は、ヒポクラテスによって初めてなされました。 [ ³ ]これは、集団に「訪れる」病気（流行病）と集団「内に常在する」病気（風土病）を区別するためでした。 ^[4]「疫学」という用語は、1802年にスペインの医師ホアキン・デ・ビジャルバ [es]が著書『スペイン疫学』で初めて疫病の研究を説明するために使用されたようです。^[4]疫学者は、集団内での病気の相互作用、つまりシンデミックと呼ばれる状態も研究します。

疫学という用語は現在、伝染病や感染症だけでなく、関連する症状を含む一般的な病気の説明と原因をカバーするために広く適用されています。疫学を通じて調査されるトピックの例には、高血圧、精神疾患、肥満などがあります。したがって、この疫学は、病気のパターンが人間の機能にどのような変化を引き起こすかに基づいています。

デモクリトスに教えを受けたギリシャの医師ヒポクラテスは医学の父として知られ、^{[5] [6]}病気の論理を模索し、病気の発生と環境の影響との関係を調査した最初の人物として知られています。^[7]ヒポクラテスは、人体の病気は4つの体液（黒胆汁、黄胆汁、血液、粘液）の不均衡によって引き起こされると信じていました。病気の治療法は、体のバランスをとるために問題の体液を除去または追加することでした。この信念は、瀉血と食事療法を医学に応用することにつながった。^[8]彼は、風土病（通常、ある場所では見られるが他の場所では見られない病気）と流行病（ある時期には見られるが他の時期には見られない病気）という用語を作り出した。^[9]

16 世紀半ば、ヴェローナの医師ジロラモ・フラカストロは、病気を引き起こす非常に小さく目に見えない粒子は生きているという理論を初めて提唱しました。これらの粒子は空気によって広がり、自ら増殖し、火によって破壊できると考えられていました。このようにして、彼はガレノスの瘴気説(病人の体内の毒ガス) を反駁しました。1543 年に彼は『De contagione et contagiosis morbis』という本を書き、その中で病気を予防するために個人および環境の衛生を推奨した最初の人物となりました。1675 年にアントニー・ファン・レーウェンフックが十分に強力な顕微鏡を開発し、病気の細菌説と一致する生きた粒子の視覚的証拠を提供しました。^{[出典が必要]}

明代、呉有客（1582-1652）は、1641年から1644年にかけて周囲でさまざまな疫病が猛威を振るうのを観察し、いくつかの病気は伝染性の病原体によって引き起こされるという考えを提唱し、それを戾気（疫病因子）と名付けた。 [ 10 ^]彼の著書『瘟疫論』は、この概念を提唱した主要な病因論的著作とみなすことができる。^[11]彼の概念は、2004年にWHOが中国伝統医学の文脈でSARSの発生を分析する際にも考慮された。^[12]

もう一人の先駆者であるトーマス・シデナム（1624-1689）は、1600年代後半にロンドンの人々の発熱を初めて識別した人物である。彼の発熱治療理論は、当時の伝統的な医師から大きな抵抗を受けた。彼は、研究し治療した天然痘の発熱の当初の原因を突き止めることができなかった。^[8]

小間物商でアマチュア統計学者のジョン・グラントは、1662年に『死亡率に関する自然および政治的観察』を出版した。その中で、彼はペスト大流行前のロンドンの死亡率台帳を分析し、最初の生命表の1つを提示し、新旧の多くの病気の時間的傾向を報告した。彼は病気に関する多くの理論に統計的証拠を提供し、またそれらに関する広く信じられていた考えのいくつかに反論した。^[要出典]

ジョン・スノウは19世紀のコレラ流行の原因調査で有名で、（近代）疫学の父としても知られている。^{[13] [14]}彼は、サザーク社が供給していた2つの地域で死亡率が著しく高いことに気づいたことから始めた。ブロードストリートのポンプがソーホーの流行の原因であると特定したことは、疫学の典型的な例と考えられている。スノウは水を浄化するために塩素を使用し、ハンドルを外した。これにより流行は終息した。これは公衆衛生史上の大事件とみなされ、疫学の科学の創始事件と見なされ、世界中の公衆衛生政策の形成に貢献した。^{[15] [16]しかし、スノウの研究とさらなる流行を防ぐための予防策は、当時広まっていた}瘴気理論（病気の原因は空気の質の悪さにあるとする病気モデル）のために、彼の死後まで完全には受け入れられず、実践されることもなかった。これは、栄養不良や衛生状態の悪さといった根本的な問題に取り組むのではなく、貧困地域での感染率の高さを正当化するために使われたが、彼の研究によって誤りであることが証明された。^[17]

他の先駆者にはデンマークの医師ピーター・アントン・シュライスナーがおり、彼は1849年にアイスランドのヴェストマン諸島で新生児破傷風の流行を予防する研究について発表した。^{[18] [19]}もう一人の重要な先駆者はハンガリーの医師イグナーツ・ゼンメルワイスで、彼は1847年に消毒手順を導入してウィーンの病院での乳児死亡率を低下させた。彼の研究結果は1850年に発表されたが、同僚に不評で手順は中止された。消毒が広く行われるようになったのは、1865年にイギリスの外科医ジョセフ・リスターがルイ・パスツールの研究を踏まえて消毒剤を「発見」してからである。^[要出典]

20世紀初頭、ロナルド・ロス、ジャネット・レーン・クレイポン、アンダーソン・グレイ・マッケンドリックらによって疫学に数学的手法が導入された。^{[20] [21] [22] [23]} 1920年代には、ドイツ系スイス人病理学者マックス・アスカナージーらが国際地理病理学会を設立し、さまざまな地域の集団における癌やその他の非感染性疾患の地理的病理を体系的に調査した。第二次世界大戦後、リチャード・ドールら病理学者以外の人々がこの分野に加わり、感染症の流行のために開発された方法では適切に研究できないパターンと発生様式を持つ疾患である癌の研究方法を進歩させた。地理病理学は最終的に感染症疫学と融合し、今日の疫学という分野を形成した。^[24]

もう一つの画期的な出来事は、リチャード・ドール氏とオースティン・ブラッドフォード・ヒル氏が主導した英国医師研究の結果が1954年に発表されたことであり、この研究は喫煙と肺がんの関連性を非常に強力な統計的裏付けを与えた。^[要出典]

20 世紀後半、生物医学の進歩により、血液、その他の生体試料、環境中の多くの分子マーカーが、ある病気の発症やリスクの予測因子として特定されました。分子レベルで分析されたこれらのバイオマーカーと病気との関係を調べる疫学研究は、広く「分子疫学」と呼ばれていました。特に、「遺伝疫学」は、生殖細胞系の遺伝的変異と病気の疫学に使用されてきました。遺伝的変異は、通常、末梢血白血球の DNA を使用して決定されます。^[要出典]

2000年代以降、多くの疾患や健康状態の遺伝的危険因子を特定するために、ゲノムワイド関連研究（GWAS）が一般的に行われるようになりました。^[25]

分子疫学研究の大半は依然として従来の疾患診断・分類システムを使用しているが、疾患の進行は人によって異なる本質的に異質なプロセスであることがますます認識されつつある。概念的には、エクスポソーム（内因性および外因性/環境曝露の総体）の独自性と、各個人の分子病理学的プロセスに対するその独自の影響を考慮すると、各個人は他の個人とは異なる独自の疾患プロセス（「固有の疾患原理」）を有する[ 26 ^{] [27] 。曝露と疾患（特に}癌）の分子病理学的シグネチャとの関係を調べる研究は、2000年代を通じてますます一般的になった。しかし、疫学における分子病理学の使用には、研究ガイドラインや標準化された統計手法の欠如、学際的な専門家やトレーニングプログラムの不足など、独自の課題があった。^[28]さらに、疾患の異質性の概念は、同じ病名を持つ個人は同様の病因と疾患プロセスを持つという疫学の長年の前提と矛盾しているように思われる。これらの問題を解決し、分子精密医療の時代に集団健康科学を前進させるために、「分子病理学」と「疫学」が統合され、「分子病理疫学」（MPE）という新しい学際分野が創設された。 ^{[29] [30]}これは「分子病理と疾患の異質性の疫学」と定義される。MPEでは、研究者は（A）環境、食事、生活習慣、遺伝的要因、（B）細胞または細胞外分子の変化、および（C）疾患の進化と進行の関係を分析します。疾患の病因の異質性をより深く理解することで、疾患の病因の解明にさらに貢献します。MPEアプローチは、腫瘍性疾患だけでなく非腫瘍性疾患にも適用できます。^[31] MPEの概念とパラダイムは、2010年代に広まりました。^{[32] [33] [34] [35] [36] [37] [38] [過剰な引用]}

2012年までに、多くの病原体の進化は疫学と非常に関連が深いほど急速であり、そのため疫学と分子進化を統合した感染症への学際的アプローチから「制御戦略、さらには患者の治療に情報を提供する」ことができると認識されました。^{[39] [40]}現代の疫学研究では、高度な統計と機械学習を使用して予測モデルを作成し、治療効果を定義することができます。^{[41] [42]}医療や疫学に由来しないものが多い現代の幅広いデータソースが疫学研究に使用できるという認識が高まっています。このようなデジタル疫学には、インターネット検索、携帯電話の記録、医薬品の小売販売のデータが含まれます。^[要出典]

疫学者は、観察から実験までさまざまな研究デザインを採用しており、一般的に記述的（時間、場所、人物を網羅するデータの評価を含む）、分析的（既知の関連性または仮説上の関係をさらに調査することを目的とする）、実験的（治療やその他の介入の臨床または地域試験としばしば同義語とされる）に分類されます。観察研究では、疫学者が傍観者として観察するように、自然に「成り行きにまかせる」ことができます。対照的に、実験研究では、疫学者が特定のケーススタディに含まれるすべての要因を管理します。^[43]疫学的研究は、可能な限り、アルコールや喫煙、生物学的因子、ストレス、化学物質などの曝露と死亡率または罹患率との間の偏りのない関係を明らかにすることを目的としています。これらの曝露と結果の因果関係を特定することは、疫学の重要な側面です。現代の疫学者は、情報科学とインフォデミオロジー^{[44] [45]}をツールとして使用しています。^{[要出典] [46] [47] [48]}

観察研究には、記述的および分析的という2つの要素があります。記述的観察は、「健康関連の状態の発生が誰によって、何を、どこで、いつ起こったか」に関するものです。一方、分析的観察は、健康関連イベントの「方法」をより多く扱います。^[43]実験疫学には、ランダム化比較試験（新薬や薬物の試験によく使用されます）、フィールド試験（病気にかかるリスクが高い人を対象に実施）、コミュニティ試験（社会起源の病気の研究）の3つのケースタイプがあります。^[43]

「疫学的三位一体」という用語は、アウトブレイクを分析する際に宿主、病原体、環境の交差点を説明するために使用されます。 ^[49]

症例シリーズとは、単一の患者、または同様の診断を受けた少数の患者グループの経験を質的研究すること、または曝露されていない期間に病気を引き起こす可能性のある統計的要因を指す場合がある。^[50]

前者のタイプの研究は純粋に記述的であり、その疾患の患者全体について推論するために使用することはできません。鋭敏な臨床医が疾患の異常な特徴や患者の病歴を特定するこの種の研究は、新しい仮説の形成につながる可能性があります。一連のデータを使用して、考えられる原因要因を調査するための分析研究を行うことができます。これには、症例対照研究または前向き研究が含まれます。症例対照研究では、疾患のない比較対照を一連の症例と照合します。前向き研究では、疾患の自然史を評価するために、症例シリーズを時間の経過とともに追跡します。^[51]

後者のタイプは、正式には自己対照症例シリーズ研究と呼ばれ、個々の患者の追跡期間を曝露期間と非曝露期間に分け、固定効果ポアソン回帰プロセスを使用して、曝露期間と非曝露期間における特定の結果の発生率を比較します。この手法は、ワクチン接種に対する副作用の研究で広く使用されており、状況によってはコホート研究で得られるものと同等の統計的検出力を発揮することが示されています。^{[引用が必要]}

症例対照研究では、対象者の疾病状態に基づいて対象者を選択する。これは遡及的研究である。疾病陽性の個人のグループ (「症例」グループ) を疾病陰性の個人のグループ (「対照」グループ) と比較する。対照グループは、理想的には症例を生み出した同じ集団から選ばれるべきである。症例対照研究では、両方のグループ (症例と対照) が遭遇した可能性のある潜在的な曝露を時系列で振り返る。曝露した症例 (A)、曝露した対照 (B)、曝露していない症例 (C)、曝露していない対照 (D) を表示する 2×2 の表が作成される。関連性を測定するために生成される統計はオッズ比(OR) であり、^[52]これは症例の曝露オッズ (A/C) と対照の曝露オッズ (B/D) の比であり、OR = (AD/BC) である。^[要出典]

OR が 1 より大幅に大きい場合、結論は「病気にかかっている人は曝露されている可能性が高い」となりますが、1 に近い場合は曝露と病気は関連していない可能性があります。OR が 1 よりはるかに小さい場合、曝露が病気の原因となる保護因子であることを示唆しています。症例対照研究は通常、コホート研究よりも迅速で費用対効果が高いですが、バイアス (回想バイアスや選択バイアスなど) の影響を受けやすいです。主な課題は適切な対照群を特定することです。対照群内の曝露の分布は、症例が発生した集団内の分布を代表するものでなければなりません。これは、リスクのある元の集団からランダムにサンプルを抽出することで実現できます。この結果、集団内での病気の発症率が高い場合、対照群には研究対象の病気にかかっている人々が含まれる可能性があります。^{[引用が必要]}

症例対照研究の主な欠点は、統計的に有意であるとみなされるには、95% 信頼区間で必要な症例の最小数が次の式によってオッズ比と関連していることです。

${\displaystyle {\text{合計症例数}}=A+C=1.96^{2}(1+N)\left({\frac {1}{\ln(OR)}}\right)^{2}\left({\frac {OR+2{\sqrt {OR}}+1}{\sqrt {OR}}}\right)\approx 15.5(1+N)\left({\frac {1}{\ln(OR)}}\right)^{2}}$

ここで、N は症例と対照の比率です。オッズ比が 1 に近づくにつれて、統計的有意性に必要な症例数は無限大に増加します。そのため、症例対照研究はオッズ比が低い場合にはほとんど役に立たなくなります。たとえば、オッズ比が 1.5 で症例 = 対照の場合、上記の表は次のようになります。

オッズ比が1.1の場合:

コホート研究では、曝露状況に基づいて被験者を選択します。研究対象者は、コホート研究の開始時に調査対象の結果のリスクにさらされている必要があります。これは通常、コホート研究の開始時に病気にかかっていないことを意味します。コホートは、その後の結果の状態を評価するために時間の経過とともに追跡されます。コホート研究の例としては、肺がんの発生率を推定するために、喫煙者と非喫煙者のコホートを時間の経過とともに調査することが挙げられます。症例対照研究と同じ 2×2 の表が作成されます。ただし、生成される点推定値は相対リスク(RR) であり、これは曝露群の人の病気の確率P _e  =  A  / ( A  +  B ) を非曝露群の人の病気の確率P _u  =  C  / ( C  +  D ) で割った値です (つまり、RR  =  P _e  /  P _{u )}。

OR と同様に、RR が 1 より大きい場合は関連性を示し、結論は「曝露を受けた人は病気を発症する可能性が高かった」と解釈できます。

前向き研究には、症例対照研究に比べて多くの利点があります。OR は RR の推定値に過ぎないため、RR は OR よりも強力な効果測定基準です。症例対照研究では、対象者が病気の状態に基づいて選択されるため、実際の発生率は計算できません。前向き研究では時間性を確立でき、交絡因子をより簡単に制御できます。ただし、前向き研究はコストが高く、コホートの追跡期間が長いため、追跡対象を失う可能性が高くなります。

コホート研究も、コホート研究と同じ症例数の式によって制限されますが、研究対象集団の基本発生率が非常に低い場合、必要な症例数は 1 ⁄ 2減少します。

疫学は、健康結果への曝露の関連性を解明するために使用される統計ツールの集合体と見なされることもありますが、この科学をより深く理解するには、因果関係を発見することが重要です。

「相関関係は因果関係を意味しない」は、疫学文献の多くに共通するテーマです。疫学者にとって、鍵となるのは「推論」という用語です。2 つの変数間の相関関係、または少なくとも関連性は、1 つの変数が他の変数の原因であると推論するための必要条件ではありますが、十分な条件ではありません。疫学者は、収集したデータと幅広い生物医学および心理社会的理論を反復的に使用して、理論を生成または拡張し、仮説をテストし、どの関係が因果関係であるか、そして正確にどのように因果関係であるかに関して、知識に基づいた情報に基づいた主張を行います。

疫学者は、「1つの原因 - 1つの結果」という理解は単純化された誤った信念であると強調しています。^[53]病気であれ死亡であれ、ほとんどの結果は多くの構成要素となる原因からなる連鎖または網によって引き起こされます。^[54]原因は、必要条件、十分条件、または確率的条件として区別できます。必要条件を特定して制御できれば（例：病原体に対する抗体、傷害のエネルギー）、有害な結果を回避することができます（Robertson、2015）。病気に関連する多因果関係を概念化するために定期的に使用されるツールの1つは、因果パイモデルです。^[55]

1965年、オースティン・ブラッドフォード・ヒルは因果関係の証拠を評価するのに役立つ一連の考慮事項を提案しました。 ^{[56]これは一般に「}ブラッドフォード・ヒル基準」として知られています。著者の明確な意図とは対照的に、ヒルの考慮事項は現在、因果関係を評価するために実施するチェックリストとして教えられることがあります。^[57]ヒル自身は「私の9つの視点のどれも、因果関係の仮説を支持するか反対するかの議論の余地のない証拠をもたらすことはできず、どれも絶対に必要なものではありません」と述べています。^[56]

1. 関連の強さ: 関連の強さが小さいということは因果関係がないことを意味するわけではありませんが、関連の強さが大きければ大きいほど因果関係がある可能性が高くなります。^[56]
2. データの一貫性：異なる場所で異なるサンプルを用いて異なる人が観察した一貫した結果は、効果の可能性を高めます。^[56]
3. 特異性：特定の場所の特定の集団と疾患に、他に説明のつかない原因がある場合、因果関係がある可能性が高い。要因と効果の関連が具体的であればあるほど、因果関係の確率は高くなる。^[56]
4. 時間性：結果は原因の後に発生しなければならない（原因と予想される結果の間に予想される遅延がある場合、結果はその遅延の後に発生しなければならない）。^[56]
5. 生物学的勾配：一般的に、曝露量が多いほど、影響の発生率も高くなるはずです。しかし、場合によっては、要因が存在するだけで影響が引き起こされることもあります。他の場合には、逆比例が見られ、曝露量が多いほど、発生率は低くなります。^[56]
6. 妥当性：原因と結果の間のもっともらしいメカニズムは役に立つ（しかしヒルは、そのメカニズムに関する知識は現在の知識によって制限されると指摘した）。^[56]
7. 一貫性：疫学的研究と実験室研究の一致により、効果の可能性が高まる。しかし、ヒルは「そのような[実験室]証拠が欠如しているからといって、関連性に対する疫学的効果を無効にすることはできない」と指摘した。^[56]
8. 実験：「時には実験的証拠に訴えることも可能である」^[56]
9. 類推：類似の要因の影響を考慮することができる。^[56]

疫学的研究は、ある特定のケースにおいて、ある因子が影響を引き起こした可能性があることを証明することしかできず、実際に影響を引き起こしたことを証明することはできません。

疫学は集団における疾病の発生率を扱っており、個人の疾病の原因という問題には取り組んでいない。この問題は、特定の因果関係とも呼ばれ、疫学の領域を超えている。疫学は、因子と疾病の関係が因果関係にあると推論される時点（一般的な因果関係）と、因子に起因する過剰リスクの大きさが決定された時点で限界がある。つまり、疫学は、因子が疾病を引き起こす可能性があるかどうかを扱うのであって、因子が特定の原告の疾病を引き起こしたかどうかを扱うのではない。^[58]

米国の法律では、疫学だけでは、一般的に因果関係が存在しないことを証明することはできません。逆に、米国の裁判所は、個別のケースにおいて、確率のバランスに基づいて因果関係が存在するという推論を正当化するために疫学を利用することができます（状況によっては実際にそうしています） 。

法医学疫学の分野は、原因が争われている、または不明瞭な場合に、個人または個人の集団における疾病または傷害の特定の原因を調査し、法的な場で提示することを目的としています。

疫学的実践と疫学的分析の結果は、新たな人口ベースの健康管理フレームワークの構築に大きく貢献します。

人口ベースの健康管理には、以下の能力が含まれます。

• 対象集団の健康状態と健康ニーズを評価する。
• 当該集団の健康を改善するために設計された介入を実施し、評価する。
• 地域社会の文化、政策、健康資源の価値と一致する方法で、その人口のメンバーに効率的かつ効果的にケアを提供します。

現代の人口ベースの健康管理は複雑で、疫学の実践と分析が中核となる複数のスキル（医療、政治、技術、数学など）を必要とし、効率的で効果的な医療と健康指導を人口に提供するために管理科学と統合されています。このタスクには、健康リスク要因、発生率、有病率、死亡率の統計（疫学分析から得られる）を管理指標に変換する、現代のリスク管理アプローチの将来を見据えた能力が必要です。この管理指標は、医療システムが現在の人口の健康問題にどのように対応するかだけでなく、将来の潜在的な人口の健康問題により適切に対応するために医療システムをどのように管理できるかを導きます。^[59]

疫学的実践の研究と結果を活用した集団ベースの健康管理を行っている組織の例としては、カナダがん対策戦略、カナダ保健省たばこ規制プログラム、リック・ハンセン財団、カナダたばこ規制研究イニシアチブなどがある。^{[60] [61] [62]}

これらの各組織は、疫学的定量分析と人口統計、保健機関の運用研究、経済学を組み合わせた「Life at Risk」と呼ばれる人口ベースの健康管理フレームワークを使用して、次のことを実行します。

• 人口生活への影響のシミュレーション: 新たな疾患の症例、罹患率、早期死亡、および障害や死亡によって失われる可能性のある生存年数に関して、疾患が人口に及ぼす将来の潜在的な影響を測定します。
• 労働力生活への影響のシミュレーション: 新たな疾病症例、罹患率、早期死亡、および障害と死亡による潜在的な生存年数の点で、疾病が労働力に及ぼす将来の潜在的影響の測定。
• 疾病の経済的影響のシミュレーション: 民間部門の可処分所得への影響 (賃金、企業利益、民間医療費) と公共部門の可処分所得への影響 (個人所得税、法人所得税、消費税、公的資金による医療費) に対する疾病の将来の潜在的影響の測定。

応用疫学は、疫学的手法を用いて集団の健康を保護または改善する実践です。応用フィールド疫学には、伝染性疾患と非伝染性疾患の発生、死亡率と罹患率、栄養状態などの健康指標の調査が含まれ、その結果を適切な政策や疾病管理対策を実施できる人々に伝えることを目的としています。

人道危機の状況では、疾病やその他の健康要因の監視と報告がますます困難になるにつれ、データを報告するために使用される方法論が危うくなっています。ある調査では、人道的状況から抽出された栄養調査のうち、栄養失調の蔓延率を正しく計算したのは半分以下 (42.4%) であり、調査の 3 分の 1 (35.3%) のみが品質基準を満たしていたことがわかりました。死亡率調査では、品質基準を満たしていたのはわずか 3.2% でした。栄養状態と死亡率は危機の深刻さを示すのに役立つため、これらの健康要因の追跡と報告は非常に重要です。

人口動態登録は通常、データ収集に最も効果的な方法ですが、人道的状況では、これらの登録は存在しないか、信頼性が低く、アクセスできない場合があります。そのため、前向き人口動態調査または遡及死亡率調査のいずれかを使用して死亡率を不正確に測定することがよくあります。前向き人口動態調査には多くの人材が必要であり、分散した集団で実施するのは困難です。遡及死亡率調査は、選択バイアスと報告バイアスが発生しやすいです。他の方法も開発されていますが、まだ一般的には行われていません。^{[63] [64] [65] [66]}

流行の波の概念は、特に伝染病に影響を及ぼします。「流行の波」という用語の実用的な定義は、2つの重要な特徴に基づいています。1) 上昇傾向または下降傾向の期間で構成される、2) これらの増加または減少は、軽微な変動や報告エラーと区別するために、一定期間にわたって大幅かつ持続的でなければなりません。^[67]一貫した科学的定義を使用することで、COVID-19パンデミックの進行について伝え、理解するために使用できる一貫した言語が提供され、医療機関や政策立案者がリソースの計画と割り当てを行うのに役立ちます。

疫学の分野によって妥当性のレベルは異なります。結果の妥当性を評価する方法の 1 つは、偽陽性 (正しくない効果と主張されているもの) と偽陰性 (真の効果を裏付けていない研究) の比率です。遺伝疫学では、候補遺伝子の研究では偽陰性 1 件につき偽陽性結果が 100 件以上発生することがあります。対照的に、ゲノムワイド関連ではその逆に近いようで、偽陰性 100 件につき偽陽性は 1 件のみです。^[68]この比率は、遺伝疫学では厳格な基準が採用されているため、時間の経過とともに改善されています。対照的に、他の疫学分野ではこのような厳格な報告は求められておらず、その結果、信頼性ははるかに低くなっています。^[68]

ランダム誤差は、サンプリングのばらつきにより真の値を中心に変動した結果です。ランダム誤差は、まさにランダムです。データ収集、コーディング、転送、または分析中に発生する可能性があります。ランダム誤差の例には、不適切な質問の表現、特定の回答者からの個々の回答の解釈の誤解、コーディング中のタイプミスなどがあります。ランダム誤差は、測定に一時的かつ一貫性のない方法で影響を及ぼし、ランダム誤差を修正することは不可能です。すべてのサンプリング手順にはランダム誤差、つまりサンプリング誤差が存在します。^[要出典]

疫学的変数の精度はランダム誤差の尺度です。精度はランダム誤差と反比例関係にあるため、ランダム誤差を減らすと精度が上がります。信頼区間は、相対リスク推定値の精度を示すために計算されます。信頼区間が狭いほど、相対リスク推定値は正確になります。

疫学研究におけるランダムエラーを減らすには、基本的に 2 つの方法があります。1 つ目は、研究のサンプル サイズを増やすことです。言い換えると、研究の被験者を増やすということです。2 つ目は、研究における測定のばらつきを減らすことです。これは、より正確な測定装置を使用するか、測定回数を増やすことで実現できます。

サンプル サイズや測定回数を増やしたり、より正確な測定ツールを購入したりする場合、通常は調査のコストが増加することに注意してください。十分な精度の必要性と調査コストの実際的な問題との間には、通常、不安定なバランスがあります。

系統的誤差またはバイアスは、標本変動以外の原因により、真の値（母集団内）と観測値（調査内）の間に差が生じたときに発生します。系統的誤差の例としては、知らないうちに使用しているパルスオキシメーターが誤って設定されており、測定のたびに真の値に 2 ポイント加算される場合が挙げられます。測定機器は精密であっても正確ではない可能性があります。誤差はあらゆる場合に発生するため、系統的です。そのデータに基づいて導き出した結論は依然として不正確です。しかし、誤差は将来再現される可能性があります（たとえば、誤って設定された同じ機器を使用することによって）。

特定の質問に対するすべての回答に影響するコーディングの間違いは、体系的なエラーのもう 1 つの例です。

研究の妥当性は、系統的誤差の程度に依存します。妥当性は通常、次の 2 つの要素に分けられます。

• 内部妥当性は、曝露、疾患、およびこれらの変数間の関連性を含む測定における誤差の量に依存します。良好な内部妥当性は、測定における誤差の欠如を意味し、少なくとも研究対象に関連する推論を導き出すことができることを示唆します。
• 外部妥当性は、研究結果をサンプルが抽出された母集団（または母集団を超えてより普遍的な声明）に一般化するプロセスに関係します。これには、どの条件が一般化に関連しているか（または関連していないか）を理解する必要があります。内部妥当性は明らかに外部妥当性の前提条件です。

選択バイアスは、研究対象者が、関心のある曝露と結果の両方に関連する第3の測定されていない変数の結果として研究対象者が選択されたり、研究の一部になったりするときに発生します。^[69]たとえば、喫煙者と非喫煙者では研究参加率が異なる傾向があることが繰り返し指摘されています。(Sackett DはSeltzerらの例を挙げており、非喫煙者の85%と喫煙者の67%が郵送されたアンケートを返送しました。) ^[70]このような回答の違いは、2つの回答グループ間の結果の体系的な違いにも関連していない限り、バイアスにはつながりません。

情報バイアスとは、変数の評価における体系的な誤差から生じるバイアスである。^[71]この例としては、想起バイアスがある。特定の曝露が胎児の健康に及ぼす影響を調べた研究についてサケットが論じた典型的な例が再び挙げられている。「最近の妊娠で胎児死亡または奇形に終わった母親（症例群）と、妊娠が正常に終わった母親のグループ（対照群）に質問したところ、前者の28％が、以前の前向きなインタビューや他の健康記録で実証できなかった薬物への曝露を報告したのに対し、後者ではわずか20％であった」^[70]この例では、流産を経験した女性は以前の曝露をよりよく思い出し、報告する傾向があるため、想起バイアスが発生した可能性が高い。

交絡は伝統的に、交絡因子と呼ばれる外部要因の効果と、関心のある主効果との共起または混合から生じるバイアスと定義されてきた。^{[71] [72]交絡のより最近の定義は、}反事実的効果の概念を呼び起こす。^[72]この見解によれば、完全に曝露されている（つまり、集団のすべての単位について曝露 X = 1 ）特定の集団 A において、関心のある結果、たとえば Y=1（Y=0 ではなく）を観察すると、このイベントのリスクはR _A1 となる。反事実的または観察されないリスクR _A0は、これらの同じ個人が曝露されなかった場合（つまり、 集団のすべての単位についてX = 0）に観察されたであろうリスクに対応する。したがって、曝露の真の効果は、 R _A1  −  R _A0（リスク差に関心がある場合）またはR _A1 / R _A0（相対リスクに関心がある場合）である。反事実リスクRA0_{は観測不可能なので}、第2の集団B_を使用して近似し、実際に次の関係を測定します：RA1  −  RB0またはRA1 / RB0 。この状況では、 _RA0  ≠  _RB0のときに交絡が発生します。 [ ^{72] （注：例では}_{、バイナリ結果変数と曝露変数を}想定しています。）

疫学者の中には、交絡は選択バイアスや情報バイアスとは異なり、実際の因果効果から生じるため、交絡を一般的なバイアスの分類とは別に考えることを好む人もいます。^[69]

学部レベルで疫学を履修できる大学はほとんどない。^[要出典]ジョンズ・ホプキンス大学には、公衆衛生を専攻する学生が、4年生の間にブルームバーグ公衆衛生大学院で疫学を含む大学院レベルのコースを受講できる学部プログラムがある。^[73]ミシガン大学公衆衛生大学院は、疫学の修士号と博士号に加えて、2017年から疫学の授業を含む学部課程を提供している。^{[74] [75]}

疫学研究はさまざまな分野の研究者によって行われていますが、公衆衛生分野の修士課程および博士課程の学生が受ける正式な研修に加えて、薬学、医学、獣医学、社会福祉、足病学、看護学、理学療法、臨床心理学の博士課程でも、疫学的手法に関するさまざまなレベルの研修が行われます。

公衆衛生の実践者として、疫学者はさまざまな環境で働いています。疫学者の中には「現場」（つまり、地域社会、一般的には^{[誰によると? ]}公衆衛生サービス）で働く人もおり、病気の発生の調査と対策の最前線に立つことがよくあります。^[要出典]その他の疫学者は、非営利団体、大学、病院、またはより大きな政府機関（例：米国の州および地方の保健局）、保健省、国境なき医師団、疾病対策センター（CDC）、健康保護庁、世界保健機関（WHO）、またはカナダ公衆衛生局に勤務しています。疫学者は、市場調査や臨床開発などのグループで営利組織（例：製薬会社や医療機器会社）で働くこともできます。

2020年4月の南カリフォルニア大学の論文では、「コロナウイルスの流行は、疫学（集団における病気の発生、分布、制御の研究）を世界中の科学分野の最前線に押し上げ、その専門家の一部を一時的に有名人にした」と指摘されている。^[76]

ウィキメディア・コモンズには疫学に関連するメディアがあります。

無料辞書『ウィクショナリー』で疫学を調べてください。