レポートに「オッズ比 2.0」と書かれていたとき、それを「リスクが2倍」と読んでよいかどうかは、オッズ比の値そのものからは判断できません。決めているのは、比較のもとになっている群で、その出来事がもともとどのくらいの頻度で起きていたかです。
この記事では、オッズ比と相対リスク（リスク比）の違いを分母の定義までさかのぼって整理し、どの条件なら倍率として読めるのか、読めないときに何を探せばよいのかを扱います。扱うのは「読み方」です。オッズ比を相対リスクに変換する計算式そのものには踏み込みません。式を一つ覚えるより、数字を見たときに参照群の発生率を探す習慣のほうが、実務の判断ミスを減らすうえで先に効くからです。
30秒で要点
- リスクは「起きた数 ÷ 全体」、オッズは「起きた数 ÷ 起きなかった数」。分母が別物である
- オッズ比を倍率として読めるかは、オッズ比の大きさではなく参照群の発生率で決まる
- 発生率が低い出来事では両者はほぼ一致し、高くなるほどオッズ比が差を大きく見せる
- レポートで最初に探すのは、オッズ比の横にある「もとの発生率」または人数の内訳
リスクとオッズは、同じ出来事を別の分母で測っている
まず用語を、分母と分子を書き出す形で定義します。以下で「参照群」と呼ぶのは、比の基準に置かれた側の群（比較の「1倍」にあたる群）です。ある群100人のうち25人に出来事が起きたとします。
- リスク（割合） = 起きた数 ÷ 全体 = 25 ÷ 100 = 0.25（25%）
- オッズ = 起きた数 ÷ 起きなかった数 = 25 ÷ 75 = 約0.33
同じ25人を数えているのに、値が違います。分母が「全体」なのか「起きなかった人」なのかの違いだけです。これは統計学の一般的な定義で、特定の論文に由来するものではありません。
そして、
- 相対リスク（リスク比） = 2つの群のリスクの比
- オッズ比 = 2つの群のオッズの比
となります。どちらも「比」ですが、比べているものが違う以上、同じ数にはなりません。ここまでは単なる算数です。実務で問題になるのは、レポートに載るのはオッズ比のほうで、頭の中で読むときは相対リスクとして読んでしまうという食い違いです。
オッズ比は単位のない数です。「2.0」は「2倍」という形をしていますが、何を2倍しているかは、分子と分母にどちらの定義を入れたかで変わります。
「リスクが500%高い」が成立しなくなった例
この食い違いが実際に印刷物になった例が、医学誌の投稿欄に残っています。
2009年、Sleep 誌に Kristin L. Sainani ら3名が「A Caution on Interpreting Odds Ratios」という投稿を寄せました（Sleep. 2009;32(8):976, doi:10.1093/sleep/32.8.976）。批評の対象になった論文は、最もリスクの高い群でオッズ比 5.12 と 3.53 を報告し、それを「参照群よりも高血圧のリスクが500%または350%高い」という意味に解釈していました。
Sainani らの指摘はこうです。その参照群の高血圧有病率はおよそ25%でした。25%を5倍すれば125%になります。割合が125%になることはありません。著者らはこれを「clearly impossible（明らかに成立しない）」と書いています。そして、実際の相対リスクはそれぞれ約2.5と約2.2だと推定し、数値としても文法としても最も正確な解釈は「有病率が約150%および約120%高い」だと述べています。
ここで押さえておきたいのは数値そのものではなく、誤りが「計算間違い」として現れなかったという点です。オッズ比 5.12 という値は正しく計算されていました。壊れたのは、その値をことばに置き換える最後の一歩でした。
この記事で引く 5.12 / 3.53 / 約2.5 / 約2.2 という数値は、すべて Sainani らが批評のなかで引用・再推定したものです。批評対象の原論文そのものをこちらで再計算したわけではありません。
なぜ倍率として読んでしまうのか
この誤読は知識不足というより、言葉の形に引きずられて起きます。構造は3つあります。
1つ目は、「比」という形が倍率を約束しているように見えること。 「2.0」と書かれた数を見たとき、人は「2倍」という文に自動的に変換します。そのときに変換されるのは分子・分母の定義ではなく、見えている数だけです。
2つ目は、オッズという概念が日常語に存在しないこと。 競馬や賭けの文脈を除けば、私たちは普段「起きなかった人で割る」という発想をしません。分母を確認しようという構えがそもそも立ち上がりません。
3つ目は、誤読が効果を小さく見せる方向には働かないこと。 上の分母の定義から計算すると、オッズ比は相対リスクより必ず0から遠い側に出ます。つまり誤読は常に効果を大きく見せる方向に働きます。大きい数字は報告として通りやすく、途中で止まりにくい。誤りが修正される機会が構造的に少ないわけです。
この読み違いが実務で何を壊すか
たとえば「この導線を通った人の離脱オッズは2.5倍」という社内レポートがあったとします。これを「離脱が2.5倍になる」と読んで導線の改修に予算を振ったとして、もともとの離脱率が40%だった場合、同じ定義から計算すると実際のリスク比は約1.56倍で、2.5倍とはかなり違う数になります。見込んでいた改善幅と、実際に取り戻せる幅がずれます。施策の失敗ではなく、見積もりの失敗として表れるので、原因が指標の読み方にあったことは後から気づきにくくなります。
乖離の大きさを決めるのは参照群の発生率
では、いつ読み替えてよく、いつ危ないのか。判断材料はオッズ比の値ではなく、参照群の発生率です。
下の表は、オッズ比を2.0に固定したまま参照群の発生率だけを動かしたときに、相対リスクがどうなるかを筆者が計算したものです。出典から引いた数値ではなく、上で定義した分母の違いから算数で出した説明用の値です。
表が収まらない場合は、横にスクロールできます
| 参照群の発生率 | 比較群の発生率 | 相対リスク |
|---|---|---|
| 1% | 2.0% | 1.98 |
| 5% | 9.5% | 1.90 |
| 10% | 18.2% | 1.82 |
| 25% | 40.0% | 1.60 |
| 50% | 66.7% | 1.33 |
オッズ比はどの行でも 2.0 です。それでも相対リスクは 1.98 から 1.33 まで動きます。「オッズ比2.0」という同じ報告が、場面によって「ほぼ2倍」とも「1.3倍程度」とも読めるということです。
この方向性は、出典側も一致して述べています。Sainani らは「高血圧のようによくあるアウトカムを扱うとき、オッズ比を相対リスクと誤解すると効果の大きさの像が大きく歪みうる」と書き、注意が特に必要なのはアウトカムがよくある出来事で、効果量が中程度から強い場合だとしています。
1998年に BMJ の投稿欄で Jon Deeks も、イベント発生率が高い場面（試験やシステマティックレビューではよくあることだ、と添えています）では相対オッズ減少が同等の相対リスク減少の何倍も大きくなりうると指摘しました（BMJ. 1998;317(7166):1155, doi:10.1136/bmj.317.7166.1155a）。挙げられている例では、母乳育児の継続を目的とした試験で、3か月までに中止した人が介入群 32/51（63%）、対照群 52/57（91%）でした。相対リスク減少は31%ですが、相対オッズ減少は84%で、「3倍近く大きい」と書かれています。
発生率63%と91%という、どちらも高い水準の比較です。表で見た「発生率が高いほど乖離が大きい」という向きと一致します。
それでもオッズ比が報告される理由
ここまで読むと「ではオッズ比を使わなければよい」と思えてきますが、そう単純ではありません。
Deeks は同じ投稿で、オッズ比の安全な使用範囲はケースコントロール研究とロジスティック回帰分析に限られると述べています。ただしその限定の文のなかで、これらの場面ではオッズ比が「得られるかぎりで最良の相対リスクの推定値である」とも書いています。つまり「不正確な指標だから捨てる」という話ではなく、使える場面が限られている指標であるという話です。
ロジスティック回帰にオッズ比が出てくるのは、精確さを理由に選ばれたからではありません。この手法は、確率そのものではなくオッズの対数を直線の形でモデル化します。係数を指数の形に戻すと、出てくる量がオッズ比になります。つまりオッズ比は計算の出力としてそこにあるのであって、報告者が指標として選び取ったとは限りません。レポートにオッズ比が並んでいるとき、それは分析者の判断の結果ではなく手法の都合であることが珍しくない、という見方をしておくと、数字への向き合い方が変わります。
Sainani らの推奨も、オッズ比の報告をやめることではありませんでした。コホート研究や横断研究でロジスティック回帰のオッズ比を報告する場合は、オッズ比から相対リスクを推定するか、関心のある群の絶対リスク（有病率）を読者に示すことを求めています。どちらか、あるいは両方を載せれば、読者は効果の大きさを歪みなく受け取れるという理由です。
読み手の立場に置き換えると、これは「探すものが決まっている」という意味になります。オッズ比の隣に発生率が書かれていれば読める。書かれていなければ、倍率としての意味は取り出せない。判断はそこで分かれます。
レポートのオッズ比を前にしたときの3つの問い
- 参照群で、その出来事はもともと何%起きていたか。 これが分からなければ、倍率としての解釈は保留する。表の人数の内訳から自分で計算できることも多い
- その数字は、どの研究設計から出てきたか。 ケースコントロール研究やロジスティック回帰なら、オッズ比はその手法の自然な出力である。コホート研究や横断研究で、集団全体のリスクを語りたい場面なら、絶対リスクを併記してもらう
- その数字で、何を決めようとしているか。 「関連があるか」を見るだけなら、向き（1より大きいか小さいか）で足りることも多い。改善幅や影響人数を見積もるなら、分母をそろえ直す必要がある
3つ目が実務では効きます。同じオッズ比が、用途によって十分な情報にも不十分な情報にもなるからです。指標の優劣ではなく、問いと指標の組み合わせの問題として扱うと、判断が前に進みます。
手元で試せる最小の検証
読み終えたあとに一度だけやってみる価値があるのは、次の手順です。
- 直近の調査レポート・論文・分析結果から、オッズ比が1つ書かれている箇所を選ぶ
- その横に、参照群の発生率が書かれているかを確認する（なければ人数の内訳を探す）
- 見つかったら、そこから各群のリスクを計算して、リスク比を出してみる
- 自分が最初に頭の中で読んでいた「◯倍」と、出てきたリスク比を並べる
多くの場合、2で止まります。止まったという事実が結果です。 その報告は関連の向きを示すには足りていても、影響の大きさを見積もる用途には足りていなかった、ということが分かります。
確かなことと、まだ決着していないこと
確かなこと：リスクとオッズの分母が違うこと、乖離の大きさが参照群の発生率に依存すること、発生率が低いほど両者が近づくこと。これらは定義からの帰結であり、ここで引いた2つの出典も同じ向きを述べています。
まだ決着していないこと：この問題をどれくらい深刻に扱うべきかについては、学術的な見解の相違があります。Deeks の投稿は、オッズ比を相対リスクのように解釈した定性的な判断が重大な誤りになることはまずないと結論した別の論考への反論として書かれたものです。つまり「30年前に決着した話」ではなく、使用範囲を限るべきだという立場が繰り返し表明されてきたというのが実情です。Deeks の文章自体も査読論文ではなく読者投稿です。
もう一つ、この記事では何%を超えたら倍率として読めないという単一の閾値は示していません。引いた2つの出典はどちらも閾値を提示していないためです。上の表は向きを見るための計算例であって、基準線ではありません。
分母を書き出してから数字を読む習慣は、Web担当者のための統計学入門と平均の罠：中央値・分布を見ないと判断が壊れるでも別の指標を題材に扱っています。オッズ比がどこから出てくるのかを手法の側から見たい場合は、ロジスティック回帰とは？「回帰」なのに分類に使う理由が入口になります。
こうした指標の読み替えが自社の判断のどこに効いているかを、一度ことばにして並べてみたい場合は、無料の診断ツールから始めることもできます。
状況を整理する（15分）参考資料
- A Caution on Interpreting Odds Ratios（Sainani KL, Schmajuk G, Liu V. Sleep. 2009;32(8):976） — doi:10.1093/sleep/32.8.976
- When can odds ratios mislead?（Deeks J. BMJ. 1998;317(7166):1155） — doi:10.1136/bmj.317.7166.1155a