目次
ハザード比（HR：hazard ratio）とは、2つの群を比べて、病気の再発や死亡などのイベントが「その時点で起こる勢い（ハザード）」がどれだけ違うかを比で表した数字です。1なら差がなく、1より小さければ比べる群のほうが起こりにくく、1より大きければ起こりやすいことを示します。がんの臨床試験や、遺伝子の病的バリアントと発症の関係を調べた論文でよく使われる指標です。「HR 0.7＝30%の人が助かる」という読み方は正しくありません。この記事では、計算方法、95%信頼区間と有意差の読み方、調整ハザード比、オッズ比・リスク比との違いを、わかりやすく解説します。
⏱️ 30秒でわかる要約
📊 Q. ハザード比とは何ですか？
2つの群で、イベントが起こる瞬間の起こりやすさ（ハザード）の比です。HR＝比べる群のハザード÷基準の群のハザードで、1より小さければ比べる群のほうが起こりにくいことを表します。
📊 Q. HR 0.7なら「30%の人が助かる」という意味ですか？
いいえ。各時点での起こりやすさが基準の群の0.7倍という意味です。最終的に何人がイベントを免れたかは、ある時点の累積の割合など別の数字で確かめます。
📊 Q. 95%信頼区間が1をまたぐとどういう意味ですか？
差がある（HRが1と違う）とはいえない結果です。信頼区間が1をまたがなければ、多くの場合p<0.05の有意差に対応します。
📊 Q. オッズ比・リスク比との違いは？
リスク比は一定期間内にイベントが起きる確率の比、オッズ比はイベントが起きるオッズの比です。ハザード比は、イベントが起きるまでの時間と打ち切りの情報を使って、各時点のハザードを比べる点が違います。
- ➤意味 → 2群の「その時点でのイベントの起こりやすさ」の比。1が「差なし」
- ➤計算 → Cox比例ハザードモデルの係数βから HR＝eβ で求める
- ➤有意差 → 95%信頼区間が1をまたぐかどうかで読む
- ➤注意点 → HRは相対的な数字。何人が助かるかは絶対的な数字で確かめる
- ➤遺伝との関係 → BRCA1/2やPARP阻害薬の論文に出てくるHRの読み方
1. ハザード比（HR）とは？意味をわかりやすく
ハザード比とは、比べる群のハザードを基準の群のハザードで割った値です。抗ウイルス薬の臨床試験を例にハザード比を解説した論文でも、治療群のハザードと対照群のハザードの比と定義されています[1]。新しい薬の群と標準治療の群、病的バリアントを持つ人と持たない人など、2つの集団で「イベントの起こりやすさ」を比べるときに使います。
ここでいうイベントとは、研究で数えると決めた出来事のことです。死亡、がんの再発、病気の進行、病気の発症などが代表的です。ハザード比は、イベントが起きるまでの時間を扱う「生存時間解析」という方法の中で使われる数字なので、まず「ハザード」という言葉から整理します。
「ハザード」とは何ですか？
ハザードとは、ある時点までイベントが起きていなかった人に、その時点でイベントが起こる勢い（瞬間の起こりやすさ）のことです。生存時間解析の入門論文では、ハザード関数を「その時点まで生存していたことを条件として、その時点でイベントが起こる瞬間的な可能性」と説明しています[2]。
たとえば「術後3年目のハザード」は、3年目に入った時点でまだ再発していない人だけを分母にして、そこから先のごく短い時間に再発がどのくらい起こるかを表します。すでに再発した人は分母に入りません。ここが、研究開始時の全員を分母にする「リスク（割合）」との大きな違いです。
生存時間解析には、もうひとつ特有の考え方があります。研究期間が終わった、転居して追跡できなくなったなどの理由で、イベントが起きたかどうかを最後まで確かめられない人がいます。これを打ち切り（censoring）といいます[2]。打ち切りの人を「イベントなし」として数えると起こりやすさを低く見積もってしまうため、生存時間解析では「そこまでは無事だった」という情報だけを使います。
💡 用語解説：生存時間解析・カプラン・マイヤー法・ログランク検定
生存時間解析は、イベントが起きるまでの時間を扱う統計手法の総称です。名前に「生存」とありますが、死亡だけでなく再発や発症も扱います。カプラン・マイヤー法は、打ち切りを考慮しながら「まだイベントが起きていない人の割合」の推移を曲線で描く方法、ログランク検定は2つ以上の群の曲線に差があるかを調べる検定です[2]。ログランク検定は差があるかどうかを判定しますが、差の大きさ（ハザード比）は、次章のCox比例ハザードモデルで求めるのが一般的です。
ハザード比が1より小さい・大きいとはどういう意味ですか？
ハザード比が1より小さければ、比べる群のほうがイベントが起こりにくく、1より大きければ起こりやすいという意味です。1ちょうどなら、2つの群に差がありません。「比べる群」と「基準の群」をどちらにするかで数字が逆数になるので、論文を読むときは、必ず何を基準にしたHRなのかを確かめます。
📊 ハザード比の値の読み方
| ハザード比 | 意味 | 治療の試験での例 |
|---|---|---|
| HR＜1 | 比べる群のほうがイベントが起こりにくい | 新しい治療の群で再発・死亡が起こりにくい |
| HR＝1 | 2つの群に差がない | 新しい治療と標準治療で起こりやすさが同じ |
| HR＞1 | 比べる群のほうがイベントが起こりやすい | 危険因子を持つ群で発症が起こりやすい |
※HRが1と違うといえるかどうかは、第3章の95%信頼区間で判断します。
「HR 0.7＝30%減る」は正しい？よくある読み違い
HR 0.7は「各時点でのイベントの起こりやすさ（ハザード）が基準の群の0.7倍」という意味で、「30%の人がイベントを免れる」「生存期間が30%延びる」という意味ではありません。「ハザードが30%低い」とまでは言えますが、それを人数や期間に読み替えることはできません。
ハザード比を「速さの比」と受け取る読み違いもよくあります。前述の論文は、多くの臨床医がハザード比を相対的な速さと解釈しているが、それは正しくないと指摘しています[1]。この論文が取り上げた試験では、ハザード比1.9に対して治るまでの時間の中央値の比は約1.5、ハザード比1.5に対して中央値の比は約3.1で、ハザード比と「何倍早く治るか」は一致していませんでした[1]。
同じ論文は、比例ハザード（第2章）が成り立ち、2群から独立に選んだ人のイベント発生時刻を適切に比較できる条件のもとでは、ハザード比を「どちらが先にイベントを迎えるか」という確率に換算できると説明しています。この場合、比べる群のハザード比をHRとすると、比べる群の人が先にイベントを迎える確率はHR÷（1＋HR）で、HR 2なら約67%、HR 3なら75%です[1]。同じ条件のもとでこの式にHR 0.7を当てはめると0.7÷1.7で約41%となり、「比べる群の人と基準の群の人を1人ずつ選んだとき、比べる群の人のほうが先にイベントを迎える確率が約41%」という読み方ができます。ただし、一般的な臨床試験のハザード比を、この条件を確かめずにそのまま確率として読むことはできません。
🩺 院長コラム【「リスク◯%減」の見出しに出会ったら】
新しい薬のニュースで「死亡リスクを30%減らした」と書かれているとき、元の論文ではハザード比0.7と報告されていることがよくあります。言葉としては間違いではないのですが、読む人の多くは「3割の人が助かる」と受け取ってしまいます。
ハザード比は、効き目の向きと相対的な大きさを示す数字だと考えています。実際にどれだけの人がイベントを免れたかは、ある時点の累積の割合や、生存曲線そのものを見ないとわかりません。1つの数字ではなく、数字の組み合わせで読むことが大切です。
2. ハザード比の計算方法・求め方
ハザード比は、ふつうCox比例ハザードモデル（Cox回帰）で回帰係数βを求め、HR＝eβ（βの指数）として計算します。このモデルは1972年にCoxが発表した方法で[3]、医学研究で生存時間データを多変量で解析するとき、最もよく使われる方法とされています[4]。
ハザード比の計算式
Cox比例ハザードモデルでは、ある人の時点tでのハザード h(t) を次の形で表します[4]。
h0(t) は、すべての説明変数（x）が0の人のハザードで「ベースラインハザード」と呼ばれます。x1、x2…は、治療群かどうか、年齢、病期などの説明変数、β1、β2…はそれぞれの重みを表す回帰係数です。
治療群（x＝1）と対照群（x＝0）のハザードの比をとると、ベースラインハザード h0(t) は分子と分母で打ち消し合い、次の式が残ります。
この論文シリーズでも、exp(β) をハザード比と呼び、1より大きければその因子がイベントの起こりやすさ（生存期間の短さ）と関係することを示すと説明しています[4]。ベースラインハザードは形を決めずに推定されるため、生存時間が特定の分布に従うと仮定しなくてよい点が、このモデルの特徴です[4]。
計算例：β＝−0.2ならハザード比はいくつ？
β＝−0.2なら、HR＝e−0.2≒0.82です。治療群のハザードが対照群の約0.82倍、つまり各時点での起こりやすさが約18%低いと読みます。βが0ならHRは1（差なし）、βがプラスならHRは1より大きく、マイナスなら1より小さくなります。
逆に、HRからβを求めるときは自然対数をとります。HR 2ならβ＝ln 2≒0.69、HR 0.5ならβ≒−0.69です。HR 2とHR 0.5は、基準を入れ替えただけの同じ大きさの差で、対数の上では0をはさんで左右対称になります。論文の図（フォレストプロット）でハザード比の横軸が対数目盛になっているのは、このためです。
Cox比例ハザードモデルの「比例ハザード」とは？
比例ハザードとは、どの時点でも、ある群のハザードが別の群のハザードの一定倍になっている、という前提です。この前提のもとではハザードの曲線どうしが交わることはなく、成り立っているかを確かめることが重要だとされています[4]。
比例ハザードが成り立つから、ハザード比を「試験期間全体を通じたひとつの数字」として報告できます。逆に、治療の効果が最初だけ強く後で弱まる、最初は差がなく後から差が開く、といった場合は、ハザード比が時期によって変わります。その場合の注意点は第6章で解説します。
統計ソフトでの求め方
ハザード比を手で計算することはまずなく、統計ソフトでCox比例ハザードモデルを実行すると、ハザード比とその95%信頼区間、p値がまとめて出力されます。用意するデータは、1人ごとの「追跡した時間」「イベントが起きたか（打ち切りか）」「群などの説明変数」の3種類です。Rでは survival パッケージを使い、たとえば次のように書きます。
fit <- coxph(Surv(time, status) ~ group + age, data = d)
summary(fit) # exp(coef) がハザード比、lower .95 / upper .95 が95%信頼区間
出力の「coef」がβ、「exp(coef)」がハザード比です。上の例のように年齢（age）も一緒に入れると、出力されるのは年齢の影響を取り除いた「調整ハザード比」になります（第4章）。
3. 95%信頼区間と有意差の読み方
ハザード比は必ず95%信頼区間とセットで読みます。95%信頼区間が1をまたいでいなければ、2つの群に差があると判断できる結果、1をまたいでいれば差があるとはいえない結果です。研究から得られたハザード比は、その集団から計算した推定値にすぎず、偶然のばらつきを含んでいます。信頼区間は、推定値の統計的な不確実性を表す区間です。95%信頼区間とは、同じ方法で標本抽出と区間推定を繰り返したとき、得られる区間の約95%が真の値を含むという性質をもつ推定方法による区間です。
信頼区間が「1をまたぐ」とはどういうことですか？
「1をまたぐ」とは、信頼区間の下限が1より小さく、上限が1より大きいことです。この場合、本当のハザード比が1（差なし）である可能性を否定できません。下の表の1・2行目は、卵巣がんのデータをCox比例ハザードモデルで解析した論文に載っている実際の値です[4]。3行目は、1をまたぐ例を示すための説明用の数字です。
📏 ハザード比と95%信頼区間の読み方
| 例 | HR（95%信頼区間） | 読み方 |
|---|---|---|
| 卵巣がんのFIGO病期（調整後） | 2.08（1.82〜2.37） | 区間全体が1より大きい＝病期が進むほど起こりやすいといえる。区間が狭く、推定が安定している |
| 組織学的グレード3と1の比較（調整後） | 2.42（1.40〜4.18） | 1をまたがない＝差があるといえる。ただし区間が広く、本当の大きさの幅は大きい |
| 説明用の例 | 0.85（0.70〜1.03） | 1をまたぐ＝差があるとはいえない。「効果がない」と証明されたわけでもない |
※1・2行目はBradburnらの論文の表の値[4]。3行目は説明のために作った数字で、実際の研究の値ではありません。
3行目のように1をまたぐ結果は、「差がないことが示された」のではなく、「この研究の規模では差があるともないとも言い切れなかった」と読むのが正確です。人数が少ない研究やイベントの数が少ない研究では信頼区間が広くなり、1をまたぎやすくなります。
ハザード比のp値と有意差の関係
95%信頼区間が1をまたがないとき、多くの場合p値は0.05未満で、「統計的に有意な差がある」と表現されます。どちらも同じデータの偶然のばらつきを評価しているためです。ただし、信頼区間とp値を別々の方法で計算している論文では、境界ぎりぎりのときに食い違うことがあります。
有意かどうかだけでなく、ハザード比の大きさと信頼区間の幅も一緒に見ることが大切です。p値がとても小さくても、ハザード比が1にごく近ければ、実際の差はわずかかもしれません。反対に、ハザード比が大きくても信頼区間が広ければ、本当の効果の大きさははっきりしていません。
4. 調整ハザード比とは？
調整ハザード比（adjusted HR）とは、年齢や病期などの共変量をCoxモデルに一緒に入れ、それらの因子を統計的に考慮して推定したハザード比です。ただし、調整によって交絡の影響が完全に取り除かれるとは限りません。1つの因子だけで計算したものは「粗ハザード比」「単変量のハザード比」と呼ばれます。ある因子の影響を調べるとき、ほかの因子の影響を調整するのが望ましいとされています[4]。
調整で数字がどれだけ変わるかは、前述の卵巣がんのデータでよくわかります。組織学的グレード3とグレード1を比べたハザード比は、単変量では5.20でしたが、病期などほかの因子と一緒にモデルへ入れると2.42（95%信頼区間1.40〜4.18）になりました[4]。グレードの高いがんは病期も進んでいることが多いため、単変量のハザード比には病期の影響が混ざっていたと考えられます。
このように、見たい因子と結果の両方に関係して、見かけの関係をゆがめる因子を交絡因子といいます。くじ引きで群を分けるランダム化比較試験（RCT）では、交絡因子が両群に偏りなく分かれることが期待できます。一方、対象者を追跡するだけのコホート研究などの観察研究では、調整ハザード比が結果の中心になります。ただし、調整できるのは測定した因子だけで、測っていない因子の影響は残ります。研究のデザインの違いは介入研究と観察研究の解説で詳しく扱っています。
5. ハザード比とオッズ比・リスク比の違いは？
リスク比は、一定期間内にイベントが起きる確率の比です。オッズ比は、イベントが起きるオッズの比で、症例対照研究や横断研究などでも使われます。一方、ハザード比は、イベントが起きるまでの時間と打ち切りの情報を用いて、各時点のハザードを比較する指標です。この3つは臨床研究でよく使われる一方、取り違えて使われやすい指標とされています[10]。
⚖️ ハザード比・リスク比・オッズ比の違い
| 項目 | ハザード比 | リスク比（相対リスク） | オッズ比 |
|---|---|---|---|
| 比べるもの | 各時点でのイベントの起こりやすさ（ハザード） | 期間内にイベントが起きた人の割合 | 「起きた人÷起きなかった人」（オッズ） |
| 時間の情報 | 使う（いつ起きたか・打ち切り） | 使わない（期間の終わりで集計） | 使わない |
| 主な研究 | 臨床試験・コホート研究の生存時間解析 | 臨床試験・コホート研究 | 症例対照研究、ロジスティック回帰 |
| 求める主な方法 | Cox比例ハザードモデル | 2×2表、ポアソン回帰など | 2×2表、ロジスティック回帰 |
| 1の意味 | いずれも「2つの群に差がない」 | ||
リスク比は、比べる群でイベントが起きた人の割合を、基準の群の割合で割った値です。「5年間で再発した人が20%と40%ならリスク比0.5」のように、決めた期間の終わりの集計で比べます。詳しくは相対リスク（リスク比）の解説を参照してください。
オッズ比は、割合pのかわりにオッズ p÷（1−p）を比べます。病気の人と病気でない人を集めて過去をさかのぼる症例対照研究では割合そのものを計算できないため、オッズ比が使われます。イベントがまれなときは、pが小さいので p÷（1−p）とpがほぼ等しくなり、オッズ比はリスク比に近い値になります。
ハザード比は、同じ20人が再発した場合でも、早い時期に集中して起きたのか、追跡の終わりごろに起きたのかを区別します。追跡期間が人によって違い、打ち切りが多い研究では、期間の終わりの割合だけを比べるリスク比より、時間の情報を生かせるハザード比が向いています。ただし、ハザード比とある時点のリスク比は一致しない数字なので、論文の結論を読み替えるときは注意が必要です。
6. ハザード比だけで判断してはいけない理由
ハザード比は「相対的な差」を1つの数字にまとめたもので、「絶対的にどれだけ違うか」や「時期による効果の違い」は表しません。論文を正しく読むには、次の3点を合わせて確かめます。
相対的な差と絶対的な差：同じHRでも意味が変わる
ハザード比が同じでも、もともとのイベントの起こりやすさが違えば、実際に何人がイベントを免れるかは大きく変わります。そのため、臨床試験の論文では、ハザード比と一緒に、ある時点での累積の割合（たとえば3年時点で再発していない人の割合）が報告されます。
具体例として、BRCA1/2の病的バリアントを持つ進行卵巣がんの患者391人を対象にしたPARP阻害薬オラパリブの臨床試験（SOLO1）では、病気の進行または死亡のハザード比が0.30（95%信頼区間0.23〜0.41）でした[5]。同じ論文では、3年時点で進行も死亡もなかった人の割合がオラパリブ群60%、プラセボ群27%と報告されています[5]。ハザード比0.30は「各時点での進行・死亡の起こりやすさが約3割」を、60%と27%の差は「3年後に進行していない人が33ポイント多い」をそれぞれ示しています。2つは別のことを表す数字で、両方を見て初めて効果の全体像がつかめます。
比例ハザードが成り立たないとき
比例ハザードの前提が崩れていると、ハザード比は追跡期間の長さによって変わり、1つの数字で治療効果を表すと誤解を招きます。英国の研究者らは、比例ハザードが成り立たないときにハザード比で治療効果を報告するのは誤解を招くと指摘し、ハザード比は追跡期間に左右されると述べています[8]。生存曲線が途中で交わっている、ある時点を境に急に開く、といったグラフでは特に注意が必要です。
こうした場合の代わりの指標として、制限付き平均生存時間（RMST）が提案されています。RMSTは、生存曲線の下の面積を、決めた時点t*まで求めたもので、「t*年間のうち、平均してどれだけの期間イベントなしで過ごせたか」と解釈できます[8]。群間の差は「何か月の違い」という時間の単位で表せるため、ハザード比より直感的に理解しやすい指標です。
ランダム化試験でも残る「組み込まれた選択バイアス」
ランダム化比較試験であっても、時間がたつと「それまで無事だった人」の顔ぶれが群ごとに変わるため、後半の時期のハザード比は純粋な治療効果だけを表さなくなります。Hernánは2010年にこの問題を「ハザード比の危うさ」として論じ[6]、その後の研究は、ハザード比は時点ごとに「その時点まで生存していた人」を比べているため、ランダム化によって最初はそろっていた2つの群が比べられる状態でなくなり、ハザード比を因果効果の尺度として使えないことを数理的に示しました[7]。
たとえば、もともと体の弱い人が治療のない群で早くに亡くなると、後半まで残る対照群は丈夫な人に偏ります。すると後半のハザード比は、治療の効果が続いていても1に近づいて見えることがあります。これは統計の理論上の問題ですが、ハザード比を「時期ごとの効果の変化」として読みすぎないための大切な視点です。生存曲線そのものや、ある時点の累積の割合を合わせて読むことで、この弱点を補えます。
7. 遺伝・医療とのつながり：遺伝性腫瘍の論文でハザード比を読む
遺伝性腫瘍や遺伝子検査の分野では、「病的バリアントを持つ人がいつごろ・どのくらいの確率でがんになるか」と「どの因子がそれを左右するか」を調べるために、累積リスクとハザード比が組み合わせて使われます。2つの数字は答えている問いが違うため、区別して読むことが欠かせません。
BRCA1/2の病的バリアントと乳がん：累積リスクとハザード比
BRCA1またはBRCA2の病的バリアントを持つ女性を追跡した国際共同研究では、80歳までに乳がんになる累積リスクはBRCA1で72%（95%信頼区間65〜79%）、BRCA2で69%（同61〜77%）と推定されました[9]。これは「病的バリアントを持つ人のうち、80歳までに何割が乳がんになるか」という絶対的な数字で、浸透率の考え方に近いものです。
同じ研究では、ハザード比も報告されています。乳がんになった第1度・第2度近親者が2人以上いる人は、0人の人と比べて、乳がんのハザード比がBRCA1で1.99（95%信頼区間1.41〜2.82）、BRCA2で1.91（同1.08〜3.37）でした[9]。これは「同じ病的バリアントを持つ人の中で、家族歴がある人はない人に比べて、各時点での乳がんの起こりやすさが約2倍」という相対的な数字です。「乳がんになる確率が72%の2倍」という意味ではありません。
BRCA1/2による遺伝性乳がん卵巣がん症候群（HBOC）では、遺伝子の情報だけでなく、家族歴など別の因子によってもリスクが変わることが、このハザード比から読み取れます。遺伝子検査の結果を本人と家族のこれからの健康管理に生かすときに、累積リスクとハザード比を分けて理解しておくことが役に立ちます。
PARP阻害薬の臨床試験：無増悪生存期間のハザード比
BRCA1/2の病的バリアントを持つがんでは、遺伝子の結果によって使える薬が変わるため、遺伝子検査と臨床試験のハザード比が直接つながります。第6章で紹介したSOLO1試験では、無増悪生存期間（病気が進行せずに生存している期間）のハザード比が0.30でした[5]。この試験は、BRCA1/2の病的バリアントが確認された患者を対象に、2対1の割合でオラパリブ群とプラセボ群に分けて行われています[5]。
ここで大切なのは、このハザード比が「BRCA1/2の病的バリアントを持つ進行卵巣がん」という条件の集団で得られた数字だということです。病的バリアントを持たない人や、ほかのがんに、そのまま当てはめることはできません。PARP阻害剤のしくみや、BRCAの機能が失われたがん細胞に効く理由は、それぞれの用語ページで解説しています。
臨床遺伝専門医が論文の数字を読むときの考え方
遺伝子の病的バリアントに関する論文の数字を読むときは、少なくとも次の4つを分けて確かめます。①その数字は累積リスク（絶対的な数字）か、ハザード比（相対的な数字）か。②何を基準にした比か。③どんな集団（国、年齢、家族歴の有無、どのように集めた人たちか）で得られた数字か。④95%信頼区間はどのくらいの幅か。この4つのどれかを取り違えると、同じ論文から正反対の結論を引き出してしまうことがあります。
遺伝子検査の性能を表す数字も、ハザード比とは別の物差しです。たとえばNIPT（新型出生前診断）の結果を読むときに使うのは、感度・特異度・陽性的中率といった「検査がどれだけ正しく見分けるか」を表す数字で、時間を扱うハザード比とは目的が違います。こちらの読み方は感度・特異度と陽性的中率の解説をご覧ください。
🩺 院長コラム【「72%」と「2倍」を混ぜない】
BRCA1の病的バリアントを持つ人の80歳までの乳がんの累積リスクは約7割、家族歴がある人のハザード比は約2。この2つの数字を掛け合わせて「確率が140%」と考えるのは誤りです。前者は集団の中で何割がなるかという絶対的な数字、後者は同じ集団の中で比べた相対的な数字で、計算のしかたも意味も違います。
遺伝の情報は、ご本人だけでなく血縁の方の健康管理にもかかわります。だからこそ、数字の種類を取り違えずに、その数字がどの集団から得られたものかまで確かめて説明することが、臨床遺伝専門医の大切な仕事だと考えています。
よくある質問（FAQ）
Q1. ハザード比が1より小さいとはどういう意味ですか？
比べる群のほうが、基準の群よりも各時点でのイベントの起こりやすさが低いという意味です。ただし、95%信頼区間が1をまたいでいる場合は、差があるとはいえません。
Q2. ハザード比2は「2倍の速さでイベントが起こる」という意味ですか？
いいえ。ハザード比は速さの比ではなく、時間の中央値の比とも一致しません。比例ハザードが成り立ち、2群から独立に選んだ人のイベント発生時刻を適切に比較できる条件では、ハザード比2は、ハザードの高い群の人が先にイベントを迎える確率が約67%（2÷3）であることに対応します。ただし、一般的な臨床試験でそのまま「67%の患者に効果がある」と解釈することはできません。
Q3. ハザード比の目安はありますか？いくつなら効果が大きいといえますか？
「いくつ以上なら大きい」という共通の基準はありません。もともとのイベントの起こりやすさによって、同じハザード比でも実際に免れる人数は変わるため、95%信頼区間と、ある時点での累積の割合などの絶対的な数字を合わせて判断します。
Q4. 調整ハザード比と粗ハザード比の違いは何ですか？
粗ハザード比は1つの因子だけで計算したもの、調整ハザード比は年齢や病期など結果に影響するほかの因子をCoxモデルに一緒に入れ、それらの因子を統計的に考慮して推定したものです。観察研究では交絡因子の影響を減らすため、調整ハザード比が重視されます。
Q5. ハザード比とHRは同じものですか？
同じものです。HRは英語のhazard ratioの略で、論文では「HR（95% CI）」の形で、ハザード比と95%信頼区間を並べて書くのが一般的です。ハザードレシオと呼ばれることもあります。
Q6. ログランク検定とハザード比はどう違いますか？
ログランク検定は、2つ以上の群の生存曲線に差があるかどうかを調べる検定で、差の大きさは示しません。差の大きさであるハザード比とその95%信頼区間は、Cox比例ハザードモデルで求めるのが一般的です。
Q7. 生存曲線が途中で交わっているときもハザード比で比べてよいですか？
注意が必要です。生存曲線が交わるときは比例ハザードの前提が崩れていることが多く、ハザード比は追跡期間によって変わります。その場合は、時期ごとの比較や、制限付き平均生存時間（RMST）などの指標を合わせて見ます。
まとめ
ハザード比（HR）は、2つの群で「その時点でのイベントの起こりやすさ（ハザード）」を比べた数字で、1なら差なし、1より小さければ比べる群のほうが起こりにくいことを表します[1]。ふつうはCox比例ハザードモデルの係数βから HR＝eβ で求め、95%信頼区間が1をまたぐかどうかで差の有無を読みます[4]。
ハザード比は相対的な数字なので、「HR 0.7＝30%の人が助かる」とは読めません。ある時点の累積の割合や生存曲線を合わせて見ること[5]、比例ハザードの前提が崩れていないかを確かめること[8]が大切です。遺伝性腫瘍の論文では、累積リスクとハザード比が並んで出てくるので、2つを取り違えずに読むことが、遺伝子検査の結果を正しく生かす第一歩になります[9]。
📘 この記事について
この記事は、論文や臨床試験の結果に出てくるハザード比の意味を解説する用語ページです。個別の研究結果や検査結果の解釈を行うものではありません。遺伝性腫瘍に関する遺伝子検査を考えている方は、遺伝性がんの遺伝子検査（154遺伝子）のページと、検査結果が本人と血縁者にとってどういう意味を持つかを臨床遺伝専門医と整理する遺伝カウンセリングの解説をご覧ください。
参考文献
- [1] Spruance SL, Reid JE, Grace M, Samore M. Hazard ratio in clinical trials. Antimicrob Agents Chemother. 2004;48(8):2787-2792. [PMC478551]
- [2] Clark TG, Bradburn MJ, Love SB, Altman DG. Survival analysis part I: basic concepts and first analyses. Br J Cancer. 2003;89(2):232-238. [DOI 10.1038/sj.bjc.6601118]
- [3] Cox DR. Regression models and life-tables. J R Stat Soc Series B Stat Methodol. 1972;34(2):187-202. [DOI 10.1111/j.2517-6161.1972.tb00899.x]
- [4] Bradburn MJ, Clark TG, Love SB, Altman DG. Survival analysis part II: multivariate data analysis – an introduction to concepts and methods. Br J Cancer. 2003;89(3):431-436. [PMC2394368]
- [5] Moore K, Colombo N, Scambia G, et al. Maintenance olaparib in patients with newly diagnosed advanced ovarian cancer. N Engl J Med. 2018;379(26):2495-2505. [PubMed 30345884]
- [6] Hernán MA. The hazards of hazard ratios. Epidemiology. 2010;21(1):13-15. [DOI 10.1097/EDE.0b013e3181c1ea43]
- [7] Post RAJ, van den Heuvel ER, Putter H. The built-in selection bias of hazard ratios formalized using structural causal models. Lifetime Data Anal. 2024;30:404-438. [DOI 10.1007/s10985-024-09617-y]
- [8] Royston P, Parmar MKB. Restricted mean survival time: an alternative to the hazard ratio for the design and analysis of randomized trials with a time-to-event outcome. BMC Med Res Methodol. 2013;13:152. [DOI 10.1186/1471-2288-13-152]
- [9] Kuchenbaecker KB, Hopper JL, Barnes DR, et al. Risks of breast, ovarian, and contralateral breast cancer for BRCA1 and BRCA2 mutation carriers. JAMA. 2017;317(23):2402-2416. [DOI 10.1001/jama.2017.7112]
- [10] George A, Stead TS, Ganti L. What’s the risk: differentiating risk ratios, odds ratios, and hazard ratios? Cureus. 2020;12(8):e10047. [DOI 10.7759/cureus.10047]
