因果推論の枠組み — 関連から因果へ

反事実と識別条件

現代の因果推論は潜在転帰(potential outcomes)・反事実(counterfactual)の枠組みに立つ。個人の因果効果は、その人が治療を受けた場合の転帰と、受けなかった場合の転帰の対比として定義される。両者は同一個人で同時に観測できない(因果推論の根本問題)ため、集団レベルの平均因果効果を推定の対象とする。観察データからこの平均因果効果を識別するには、いくつかの識別条件が必要となる。

主要な識別条件は三つである。交換可能性(exchangeability、条件付けで治療群と対照群が予後的に交換可能=未測定交絡がない)、正値性(positivity、各共変量水準で両治療を受ける確率が正)、一致性(consistency、観測された治療がよく定義され潜在転帰と整合する)である。ランダム化はこれらを設計で満たすが、観察研究では交換可能性が成立する保証がなく、ここに残差交絡の問題が宿る。

識別条件の意味

三条件は観察データを因果として解釈するための前提であり、いずれも検証困難な仮定を含む。

• 交換可能性: 測定交絡で条件付ければ群が比較可能(未測定交絡がない)
• 正値性: 各層で治療・非治療の双方が観察される
• 一致性: 介入が一義的に定義される
• 干渉なし: ある個人の治療が他者の転帰に影響しない

DAGと準実験手法

有向非巡回グラフ(DAG)は変数間の因果仮定を矢印で表し、裏口経路の特定により調整すべき変数集合(裏口基準を満たす集合)を導く。これにより交絡の調整と、合流点・中間因子の不適切な調整の回避を体系化できる。未測定交絡が疑われる場合は準実験的手法が用いられる。操作変数法は治療に影響するが転帰には治療を介してのみ影響する変数を利用し、差分の差分法は介入前後と群間の二重差で時間不変の交絡を相殺し、回帰不連続デザインは割付閾値近傍の比較で交絡を近似的に均衡させる。いずれも前提(除外制約・平行トレンド等)が厳しい。

エビデンスの現在地

確実性: 強い(理論枠組み)・中程度(観察データへの適用)。反事実の枠組み、識別条件、DAGによる調整変数の選定は方法論的に確立し、標的試験エミュレーション(target trial emulation)は観察研究の因果設計を体系化する標準的アプローチとして急速に普及している。一方、観察データで交換可能性が満たされるかは原理的に検証不能であり、因果主張の信頼性は仮定の妥当性に依存する。準実験手法も前提が満たされる状況は限られ、適用の妥当性は個別評価を要する。

論点と限界

因果推論の根本的限界は、識別条件(とくに交換可能性)が観測データだけでは検証できない仮定である点にある。高度な解析手法は適切な仮定の下でのみ妥当な因果推定を与えるのであって、手法自体が未測定交絡を解消するわけではない。観察研究の設計時に標的試験(理想的なRCT)を明示しエミュレートすることで、適格基準の不整合・時間ゼロの誤設定・不死時間バイアスといった設計上の誤りは防げるが、未測定交絡の問題は残る。E-value等の感度分析で結論の頑健性を示すことが推奨される。

現場・臨床応用

観察研究からの因果主張を読む臨床家は、識別条件が論じられているか、調整変数がDAG等で正当化されているか、標的試験エミュレーションの枠組みで設計されているか、未測定交絡への感度分析があるかを確認する。研究者はリアルワールドデータを用いる際、標的試験を明示してから解析を組むことで、観察データの因果解釈の信頼性と透明性を高められる。

主要な参考文献・ガイドライン

本記事は、以下の学会ガイドライン・ポジションステートメント・標準的な専門書などの公開情報に基づいて整理しています。具体的な数値や適用は原典・最新版をご確認ください。

• Hernán MA, Robins JM『Causal Inference: What If』(標準教科書)
• Pearl J『Causality』(因果ダイアグラムの理論)
• Rothman KJ, Greenland S, Lash TL『Modern Epidemiology』
• Hernán MA ほか 標的試験エミュレーションに関する方法論ガイダンス

よくある質問

関連記事・関連する学問