目次
📍 クイックナビゲーション
エビデンスレベルとは、治療や検査の効果を示す研究結果がどれだけ信頼できるかを、研究のデザイン（組み立て方）によって格付けしたものです。一般に、ランダム化比較試験（RCT）を集めたシステマティックレビューやメタアナリシスが最も高く、症例報告や専門家の意見が最も低い位置に置かれます。ただし、エビデンスレベルが高いことと、その医療を強く勧めてよいことは同じではありません。勧める強さを表すのが推奨グレードで、現在の診療ガイドラインではGRADEという方法で「エビデンスの確実性」と「推奨の強さ」を分けて決めています。この記事では、エビデンスレベルの高い順の一覧、推奨グレードとの関係、GRADEのしくみ、そしてNIPT（新型出生前診断）の論文を例にした読み方までを解説します。
Q. エビデンスレベルとは何ですか？
A. 研究結果の信頼度を、研究デザインの種類によって段階づけたものです。偏り（バイアス）が入りにくいデザインほど上位に置かれ、日本で広く使われてきたMinds 2007の分類では、ランダム化比較試験のシステマティックレビュー／メタアナリシスがレベルI、患者データに基づかない専門家の意見がレベルVIです。ただし、レベルは「研究の形」で決まるもので、その医療を勧める強さ（推奨グレード）とは一対一に対応しません。
- ➤高い順 → システマティックレビュー／メタアナリシス ＞ RCT ＞ 非ランダム化比較試験 ＞ コホート研究 ＞ 症例対照研究 ＞ 症例報告 ＞ 専門家の意見
- ➤推奨グレード → 「行うよう強く勧める」から「行わないよう勧める」までの勧める強さ
- ➤GRADE → いまの診療ガイドラインの標準。確実性（A〜D）と推奨の強さ（強い／弱い）を分けて判定する
- ➤診断検査 → NIPTのような検査の精度は、治療研究とは別の物差しで評価する
⏱️ 30秒でわかる要約
📊 Q. エビデンスレベルが最も高い研究は？
複数のランダム化比較試験（RCT）を集めて統合したシステマティックレビュー／メタアナリシスです。次がRCT単独、その下にコホート研究、症例対照研究、症例報告、専門家の意見が続きます。
🧭 Q. 推奨グレードとの違いは？
エビデンスレベルは「研究の形」による信頼度、推奨グレードは「その医療をどのくらい勧めるか」です。推奨は効果の大きさや害とのバランスも含めて決めるため、レベルが高くても推奨が強いとは限りません。
🌸 Q. NIPTの精度データはどう読めばいい？
NIPTは治療ではなく検査なので、確定検査と照らし合わせた前向きのコホート研究とそのメタアナリシスが質の高い根拠になります。感度が高くても、陽性が本当に陽性である確率（陽性的中率）は受ける人の集団によって変わります。
1. エビデンスレベルとは？研究デザインで決まる「信頼度の格付け」
エビデンスレベル（level of evidence）とは、ある医療行為の効果を示す研究が、どれだけ偏りの少ない方法で行われたかを段階で表したものです。「エビデンスの階層（hierarchy of evidence）」とも呼ばれ、同じ「効果があった」という結論でも、どのような研究から得られたかによって信頼の置き方を変えるための物差しとして使われています。
この考え方の土台にあるのが、エビデンスに基づく医療（EBM）です。EBMは、研究で得られた最良の根拠に、医師の専門的な判断と、患者さん本人の価値観や希望を組み合わせて診療方針を決めるという考え方です。研究結果をそのまま当てはめるのではなく、目の前の一人ひとりの状況に合わせて考えることが前提になっています。その「研究で得られた最良の根拠」がどれなのかを見分ける道具が、エビデンスレベルです。
なぜ研究デザインで順位が決まるのか：バイアスと交絡
エビデンスレベルの序列は、研究デザインごとの「バイアス（系統的な偏り）の入りにくさ」で決まっています。研究結果は、本当の効果に加えて、偶然のばらつきと、研究の組み立て方から生じる偏りの両方を含んでいます。偶然のばらつきは参加者を増やせば小さくなりますが、偏りは人数を増やしても消えません。だからこそ、偏りが入りにくい設計の研究ほど上位に置かれます。
偏りの代表が交絡です。たとえば「ある薬を飲んでいる人は病気が少なかった」という観察結果があっても、その薬を飲む人がもともと健康に気をつかう人たちであれば、病気が少ない理由は薬ではなく生活習慣かもしれません。このように、原因と考えている要因と結果の両方に関係する第三の要因を交絡因子といいます。
ランダム化比較試験（RCT）が上位に置かれるのは、参加者を治療群と対照群にくじ引きのように無作為に割り付けることで、測定できる要因だけでなく、研究者が気づいていない要因も含め、両群の背景が平均的には均衡するからです。ただし、個々の試験で完全に均等になるとは限りません。一方、症例報告や専門家の意見は、著者の経験や印象に左右されやすく、交絡を制御するしくみを持ちません。エビデンスレベルの低さは「間違っている」という意味ではなく、「偏りが入り込む余地が大きい」という意味です。
💡 用語解説：メディエーター（媒介変数）とモデレーター（調整変数）
交絡因子と混同しやすい言葉に、メディエーターとモデレーターがあります。メディエーターは、原因から結果へ至る道筋の途中にある変数です。たとえば睡眠の質が日中の覚醒度を介して学業成績に影響するなら、覚醒度がメディエーターです。モデレーターは、原因と結果の関係の強さや向きを変える変数で、たとえば心身の健康状態によって睡眠と成績の関係の強さが変わる場合がこれに当たります。交絡因子は道筋の外から両方に影響する変数である点が異なり、研究デザインや解析で取り除く対象になります。
歴史：1979年のカナダ定期健康診断タスクフォースからSackettへ
エビデンスレベルという考え方が公式に示されたのは、1979年にカナダの定期健康診断タスクフォースが発表した報告書です。この委員会は、定期健康診断でどの項目を調べるべきかを勧告するにあたり、医学文献の根拠の強さを評価し、その評価をもとに勧告に等級をつけました[1][2]。根拠はレベルI（適切に無作為化された比較試験）からレベルIII（専門家の意見）までに区分され、十分な根拠がある項目には強い勧告が与えられました[1]。
1989年には、カナダのSackettが抗血栓薬に関する論文の中で、この区分をレベルI（結果が明確な大規模RCT）からレベルV（対照群のない症例集積）までの5段階に広げました[1][3]。どちらの体系も、RCTを最上位に、症例集積や専門家の意見を最下位に置いています[1]。現在使われている分類の多くは、この2つの流れを受け継いでいます。
2. エビデンスレベルの高い順一覧とピラミッド
エビデンスレベルを高い順に並べると、システマティックレビュー／メタアナリシス、ランダム化比較試験、非ランダム化比較試験、コホート研究、症例対照研究・横断研究、症例報告・ケースシリーズ、専門家の意見となります。日本の診療ガイドラインで長く使われてきたのが、Minds（日本医療機能評価機構の診療ガイドライン情報サービス）の2007年版の分類で、レベルIからVIまでの7区分で表します[4]。
📊 エビデンスレベルの分類（Minds 2007）
| レベル | 研究デザイン | 特徴 |
|---|---|---|
| I | システマティックレビュー／RCTのメタアナリシス | 複数のRCTを決められた手順で集めて統合したもの |
| II | 1つ以上のランダム化比較試験 | 無作為割り付けで交絡を両群に均等化する |
| III | 非ランダム化比較試験 | 対照群はあるが割り付けが無作為ではない |
| IVa | 分析疫学的研究（コホート研究） | 要因の有無で分けた集団を追跡し、結果の発生を比べる |
| IVb | 分析疫学的研究（症例対照研究、横断研究） | 症例対照研究は過去の要因を比較し、横断研究は要因と結果を同じ時点で調べる |
| V | 記述研究（症例報告やケースシリーズ） | 対照群がなく、観察した経過を記述する |
| VI | 患者データに基づかない、専門委員会や専門家個人の意見 | 経験や理論からの判断 |
※『Minds診療ガイドライン作成の手引き2007』の分類[4]。ほかの分類（Oxford CEBMなど）では数字の付け方や区分が異なります。
この序列を図にしたものが、いわゆる「エビデンスピラミッド」です。上へ行くほど研究数は少なくなり、偏りは入りにくくなります。下の図は、上の表をピラミッドの形に並べたものです。
▲ 上ほど偏りが入りにくい（Minds 2007の分類をもとに作図）
ランダム化比較試験（RCT）：交絡を「くじ引き」で断ち切る
ランダム化比較試験（randomized controlled trial；RCT、無作為化比較試験）とは、参加者を2つ以上のグループに無作為に割り付け、一方には調べたい介入を、もう一方には従来の治療やプラセボ（偽薬）を行って結果を比べる試験です。介入を受けるグループを実験群、比べる相手を対照群と呼びます。
無作為割り付けの強みは、研究者が測っていない要因も含め、両群の背景を平均的に均衡させられる点にあります。年齢や重症度のように測れる要因なら、観察研究でも統計的に調整できます。しかし、測っていない要因や、存在に気づいていない要因は調整できません。くじ引きで分ければ、そうした要因も確率的に両群へ散らばるため、最後に残った差を介入の効果と考えやすくなります。さらに、参加者や評価者に割り付けを知らせない盲検化を組み合わせると、思い込みによる評価の偏りも抑えられます。
ただし、RCTにも限界があります。参加条件を厳しく絞るため、実際の診療で出会う高齢者や合併症のある人に結果がそのまま当てはまるとは限りません。また、まれな副作用や何十年も先の結果は、試験期間や人数の制約から捉えにくいことがあります。
観察研究：コホート研究と症例対照研究
観察研究とは、研究者が介入を割り付けず、人々がもともと持っている要因と結果の関係を観察する研究です。代表がコホート研究と症例対照研究で、Minds 2007ではそれぞれレベルIVaとIVbに当たります[4]。
コホート研究は、ある要因を持つ集団と持たない集団を追跡し、その後に病気などの結果がどれだけ起こるかを比べます。時間の流れに沿って調べるため、要因が結果より先にあることを確かめやすいのが長所です。症例対照研究は逆に、病気になった人（症例）とならなかった人（対照）を集め、過去にさかのぼって要因の有無を比べます。まれな病気でも少ない人数で調べられますが、過去の記憶に頼るぶん、思い出し方の偏り（想起バイアス）が入りやすくなります。
この2つの違いは、検査の精度を評価するときにも大きな意味を持ちます。NIPTの精度がどのような研究で確かめられたかは、この章の中で詳しく扱っています。
症例報告・ケースシリーズ・専門家の意見
ケースシリーズ（症例集積）とは、同じ疾患・症状などの特徴を持つ複数の患者さんについて、所見や経過を記述した報告で、対照群を持ちません。介入の前後を観察する報告もありますが、介入を伴うことは必須ではありません。たとえば、ある病気の患者さん20人を連続してある治療で治療し、その経過をまとめた研究がこれに当たります。対照群がないため、改善したとしても、それが治療のおかげなのか、自然に良くなったのか、ほかの理由なのかを区別できません。
それでも、症例報告やケースシリーズには固有の役割があります。新しい病気や、薬のまれな副作用が最初に見つかるのは、多くの場合ひとつの症例報告からです。患者数が極めて少ない希少疾患では、症例の積み重ねそのものが利用できる根拠のほとんどを占めることもあります。専門家の意見も、研究がほとんどない領域で診療の方向を決めるために欠かせません。問題になるのは、こうした低いレベルの根拠を、あたかも確立した効果のように扱うことです。
頂点のシステマティックレビューにも落とし穴がある
システマティックレビューは、あらかじめ決めた手順で関連する研究を漏れなく集めて評価する方法で、そのうち結果を統計的に統合するのがメタアナリシスです。個々の研究の結果をまとめることで、より精度の高い推定が得られるため、ピラミッドの頂点に置かれています。
ただし、統合されるもとの研究の質が低ければ、統合した結果の質も高くはなりません。2016年にMuradらは「新しいエビデンスピラミッド」を提案し、各段の境界線を波線にして、研究の質によって上下に動きうることを示しました。さらに、システマティックレビューをピラミッドの頂点から外し、各段のエビデンスを評価して使うための「レンズ」として位置づけ直しています[5]。英国のOxford CEBM（Centre for Evidence-Based Medicine）が2011年に示した分類でも、治療・診断・予後など臨床上の問いの種類ごとに別の階層が設けられています[6]。「研究の形」だけで機械的に序列をつけるやり方は、すでに見直されつつあるのです。
3. 推奨グレードとは？エビデンスレベルとの関係
推奨グレードとは、診療ガイドラインがある医療行為をどのくらいの強さで勧めるか（または勧めないか）を表した区分です。ガイドラインは、臨床上の疑問（クリニカルクエスチョン；CQ）ごとに世界中の研究を集め、利益と害のバランスを検討したうえで、CQ一つひとつに推奨を示します。Minds 2007では、推奨グレードは次の5段階で表されていました[4]。
🧭 推奨グレード（Minds 2007）
| グレード | 意味 |
|---|---|
| A | 強い科学的根拠があり、行うよう強く勧められる |
| B | 科学的根拠があり、行うよう勧められる |
| C1 | 科学的根拠はないが、行うよう勧められる |
| C2 | 科学的根拠がなく、行わないよう勧められる |
| D | 無効性あるいは害を示す科学的根拠があり、行わないよう勧められる |
※『Minds診療ガイドライン作成の手引き2007』による[4]。現在のMindsはGRADEの考え方に移行しています（本記事の第4節）。学会によってはAHA/ESC型の「クラスI〜III」など別の表記も使われます。
エビデンスレベルと推奨グレードは一対一に対応しない
一般に、エビデンスレベルが高いほど推奨は強くなりやすいものの、両者は一対一には対応しません。エビデンスレベルは、RCTなのか症例対照研究なのかといった研究の枠組みで決まります。これに対して推奨グレードは、次のような要素を総合して決められます。
まず、測った結果（アウトカム）が患者さんにとって意味のあるものかどうかです。検査値が下がっても、寿命や生活の質が変わらなければ、勧める理由は弱くなります。次に、効果の大きさです。統計的に差があっても、差がごくわずかなら推奨は控えめになります。さらに、効果と副作用のバランス、研究の対象者が実際に治療を受ける人と似ているかどうか、費用や手間なども考慮されます。
そのため、レベルIの根拠があっても「効果が小さく副作用が無視できない」なら推奨は弱くなり、逆にRCTがなくても「効果が明らかで害がほとんどない」なら強く勧められることがあります。Minds 2007のグレードC1（科学的根拠はないが行うよう勧められる）は、まさにこの「根拠の形と勧める強さのずれ」を表した区分です。
レベルの高い研究が1本あるだけでは信頼できない：イベルメクチンの教訓
ピラミッドの頂点にあるメタアナリシスでも、もとになる研究に問題があれば誤った結論を導きます。その例が、新型コロナウイルス感染症（COVID-19）に対するイベルメクチンです。
2021年、イベルメクチンに大きな死亡減少効果があるとする複数のメタアナリシスが出回りました。ところが、その結論を大きく左右していたエジプトの試験（Elgazzarらのプレプリント）は、データに重大な問題が指摘されて撤回されました。Lawrenceらは、この試験を含む複数の試験のデータを調べ、要約データだけに基づくメタアナリシスは本質的に信頼性が低いと指摘しています[7]。
その後に行われた大規模なRCTでは、ブラジルのTOGETHER試験[8]、米国のACTIV-6試験[9]のいずれでも、入院していない軽症〜中等症のCOVID-19患者さんに対するイベルメクチンの明らかな効果は示されませんでした。この経緯から学べるのは、「レベルの高いデザインの研究が1つある」ことと「結論が信頼できる」ことは別だという点です。独立した研究が複数あり、結果が一致すれば確実性は高まりやすくなりますが、研究数や一致だけでなく、バイアス、不精確さ、非直接性なども含めて判断する必要があります。
4. GRADEシステム：いまの診療ガイドラインの標準
GRADE（Grading of Recommendations Assessment, Development and Evaluation）は、「エビデンスの確実性」と「推奨の強さ」を分けて判定する国際的な枠組みで、現在の多くの診療ガイドラインがこの方法で作られています。2008年に国際的な作業グループがBMJ誌で考え方を示し[10]、日本でもMindsが診療ガイドライン作成マニュアル（2014年以降）でこの考え方を取り入れています[11]。
GRADEの大きな特徴は、個々の論文ではなく、ひとつのアウトカム（たとえば「死亡」「重い副作用」）について集まった研究全体（エビデンス総体）をまとめて評価する点です。研究デザインの種類は評価の出発点にすぎず、そこから研究の質や結果の一貫性を見て確実性を上げ下げします。
エビデンスの確実性（A〜D）と推奨の強さ（強い／弱い）
Minds 2020のマニュアルでは、エビデンスの確実性（強さ）をA〜Dの4段階で、推奨の強さを「強い」「弱い」の2段階で表します。確実性Aは「効果の推定値が推奨を支持する適切さに強く確信がある」、Bは「中程度の確信がある」、Cは「確信は限定的である」、Dは「ほとんど確信できない」と定義されています[11]。GRADEの原文では、これは高・中・低・非常に低の4段階に当たります[10]。
推奨の強さは、「強い推奨」が「ほとんどの患者はこの推奨された行動方針を望むだろう」、「弱い推奨」が「多数の患者はこの提案された行動方針を望むだろう、しかしそうでない患者も少なくない」という意味で説明されています[11]。ガイドラインに「1A」「2C」のような表記があれば、数字が推奨の強さ、アルファベットが確実性を表すのが一般的です。「推奨グレードC」と「エビデンスの確実性C」は別の意味なので、どの方式の表記なのかを確認してから読む必要があります。
確実性を下げる5つの要因と上げる3つの要因
GRADEでは、RCTから得られたエビデンスは「高」から、観察研究から得られたエビデンスは「低」から評価を始め、決められた要因によって上げ下げします。確実性を下げる要因は5つ、上げる要因は3つです[12]。
📋 GRADEで確実性を上げ下げする要因
| 区分 | 要因 | 具体例 |
|---|---|---|
| 下げる | バイアスのリスク | 割り付けが隠されていない、脱落が多い |
| 下げる | 非一貫性 | 研究ごとに結果が大きく食い違う |
| 下げる | 非直接性 | 対象者や比較の相手が、知りたい状況と違う |
| 下げる | 不精確さ | 参加者や出来事が少なく、信頼区間が広い |
| 下げる | 出版バイアス | 効果がなかった研究が公表されていない疑い |
| 上げる | 効果が大きい | 偏りだけでは説明できないほど大きな差 |
| 上げる | 用量反応関係 | 量が多いほど効果が大きい |
| 上げる | 交絡がむしろ効果を弱めている | 考えられる交絡を補正すると、効果はもっと大きくなるはず |
※Balshemら（2011）[12]をもとに作成。
この方式の利点は、「RCTだから自動的に信頼できる」「観察研究だから使えない」という単純化を避けられることです。質の低いRCTは中や低に下がり、極めて大きな効果を一貫して示す観察研究は上がることがあります。また、推奨の強さは確実性だけでは決まらず、利益と害の大きさ、患者さんの価値観のばらつき、費用なども加えて判断されます。GRADEの判断の枠組みや例外的な扱いについては、専用のページで詳しく解説しています。
5. 診断検査のエビデンスはどう評価するか：NIPTの論文を例に
NIPTのような検査の精度は、治療の効果とは別の物差しで評価します。治療研究で知りたいのは「その治療で結果が変わるか」ですが、検査の精度研究で知りたいのは「その検査の判定が、本当の状態とどのくらい一致するか」だからです。ここまで見てきたピラミッドは主に治療研究を想定したもので、診断検査にそのまま当てはめると読み違えが起こります。
治療と診断では「良い研究」の形が違う
診断精度の研究では、検査を受けた人全員に確定診断（参照基準）を行い、検査の判定と照らし合わせる設計が基本になります。NIPTであれば、NIPTの結果を、羊水検査や絨毛検査、あるいは出生後の診察や染色体検査の結果と突き合わせます。検査の精度を調べるのにRCTは必要なく、診断が確定していない人を連続して集め、全員に参照基準を行った横断研究やコホート研究が質の高い研究になります。
GRADEでも診断検査は別扱いになっていて、こうした適切な設計の診断精度研究は、観察研究であっても確実性「高」から評価を始められるとされています[13]。個々の診断精度研究の質を評価する道具としては、QUADAS-2が広く使われています。QUADAS-2は、患者の選び方、評価する検査、参照基準、研究の流れとタイミングの4つの領域について偏りのリスクを判定し、このうち最初の3領域については、知りたい状況への当てはまりやすさも判定します[14]。
注意したいのは、病気があるとわかっている人とない人を別々に集めて比べる「症例対照型」の精度研究です。重症の人と明らかに健康な人を比べることになりやすく、検査の精度は実際より高く見えがちです。NIPTの初期の研究には、異常があるとわかっている妊娠と正常な妊娠を集めて比べたものが多くありました。同じ「感度99%」という数字でも、どのような集団で得られたものかを確かめる必要があります。
💡 用語解説：参照基準（reference standard）
参照基準とは、検査の判定が正しいかどうかを確かめるための、現時点で最も確かな診断方法のことです。NIPTでは、羊水や絨毛の細胞を使った染色体検査や、出生後の診察・染色体検査がこれに当たります。参照基準が全員に行われていない研究では、見逃し（偽陰性）を正しく数えられず、感度が実際より高く見積もられることがあります。また、出生後の診察だけでは、すべての染色体異常を確実に除外できるとは限りません。
NIPTの精度データはどのレベルの根拠か
NIPTの精度を支える代表的な根拠は、一般の妊婦さんを対象にした大規模な前向きコホート研究と、多数の研究を統合したメタアナリシスです。2015年に報告されたNEXT研究では、年齢などのリスクを問わない妊婦さん15,841人を主な解析対象として、NIPTと従来の血清マーカーなどによるスクリーニングを同じ人に行い、出生時の結果と照らし合わせました。トリソミー21（ダウン症候群）は、NIPTで38人中38人が陽性と判定され、偽陽性率はNIPTが0.06%、従来法が5.4%でした[15]。
2017年に報告されたGilらのメタアナリシスでは、単胎妊娠でのトリソミー21の検出率は99.7%、偽陽性率は0.04%と推定されています[16]。こうした研究の積み重ねを受けて、米国臨床遺伝・ゲノム学会（ACMG）は2023年、系統的なエビデンスレビューに基づく診療ガイドラインとして、一般リスクの妊婦さんを対象にしたNIPTの推奨をまとめています[17]。トリソミー21・18・13については、従来の血清マーカーによるスクリーニングよりNIPTを推奨しています[17]。
一方で、微小欠失症候群やまれな染色体異常については、確定検査まで追跡した大規模な前向き研究がまだ限られています。同じ「NIPT」でも、調べる対象によって根拠の確実性は大きく異なります。トリソミー21と同じ水準の精度が、すべての項目に当てはまるわけではありません。
感度が高くても、陽性的中率は受ける集団で変わる
感度と特異度は検査性能の指標ですが、対象者の病状や検査条件などによって変わることがあります。一方、陽性と判定された人が本当に異常を持つ確率（陽性的中率）は、受ける集団の中にどれだけ異常があるかで変わります。NEXT研究では、トリソミー21の陽性的中率は、NIPTが80.9%、従来のスクリーニングが3.4%でした[15]。NIPTの性能が高いことは明らかですが、それでも陽性と判定された人の約5人に1人は、実際には胎児にトリソミー21がなかったことになります。
この差が生まれるのは、NIPTが胎児そのものではなく、主に胎盤から母体の血液に流れ込んだDNAを調べているためでもあります。胎盤だけに染色体の変化がある胎盤限局性モザイクなどがあると、胎児は正常でも陽性と判定されることがあります。そのため、NIPTで陽性となった場合は、羊水検査などの確定検査で確かめることが前提になります。エビデンスを読むときは、感度という一つの数字だけでなく、どの集団で、どの参照基準と比べた数字なのかまで見ることが欠かせません。
🩺 院長コラム【「感度99.9%」という数字を見たら】
検査の広告や説明で「感度99.9%」のような数字を見かけたら、その数字がどのような研究から出てきたのかを確かめることが大切です。異常があるとわかっている検体を集めて測った数字なのか、一般の妊婦さんを前向きに追いかけて、全員の結果を確定診断と照らし合わせた数字なのかで、意味はまったく変わります。
エビデンスレベルの考え方は、医師だけのものではありません。「どんな人を対象にした研究か」「何と比べたのか」「見逃しをどう数えたのか」という3つの問いを持つだけで、数字の読み違いはかなり防げます。NIPTの結果を正しく受け止めるためにも、検査の前にこうした根拠の性質を理解しておくことが、臨床遺伝学の観点からも重要です。
6. エビデンスレベルが低い医療は選んではいけないのか
エビデンスレベルが低いことは、その医療を選んではいけないという意味ではありません。根拠の確実性が低い場合にはGRADEの「弱い推奨」になることが多いものの、例外的に強い推奨となる場合もあります。また、旧MindsのC1・C2はGRADEの低い確実性と同じ意味ではありません。質の高い研究がそもそも行えない場面や、行われていない場面は少なくないからです。大切なのは、根拠の弱さを理解したうえで、どのような手続きで選ぶかです。
RCTが倫理的に実施できない場面：喫煙と肺がん
害があるとわかっているものを、くじ引きで人に割り付けることは許されません。たとえば、喫煙と肺がんの関係を確かめるために、参加者を「1日20本吸う群」「40本吸う群」「吸わない群」に無作為に分けて20年間追跡する試験は、無作為化によって交絡を抑えられる設計であっても、実施することはできません。重大な害が予想される介入を研究目的で人に課すことは、1964年に採択され、2024年に最新の改訂が行われたヘルシンキ宣言（人を対象とする医学研究の倫理的原則）に反し、倫理審査委員会を通過しないからです[18]。
喫煙の害は、RCTではなく、英国の男性医師約3万4千人を50年にわたって追跡したコホート研究（British Doctors Study）などの観察研究によって確立されました[19]。大きな効果が一貫して示され、量が多いほどリスクが高い用量反応関係も見られたため、観察研究でありながら確実性の高い根拠とみなされています。これは、本記事の第4節で触れたGRADEの「確実性を上げる要因」がそのまま当てはまる例です。患者さんの状態が重い場合ほど、十分な説明と同意（インフォームド・コンセント）を得ることが難しくなり、臨床試験そのものが成り立ちにくくなるという事情もあります。
根拠の乏しい治療を行うときに求められる手続き
エビデンスの乏しい治療や、承認された使い方の範囲外で薬を使う場合には、通常の診療より厳格な手続きが求められます。承認された効能・効果や用法・用量の範囲外で薬を使うことを適応外処方といい、保険診療上は原則として承認された効能・効果等に沿った使用が求められます。ただし、医学的・薬学的な根拠や厚生労働省の通知、審査支払機関の取扱いによって、適応外使用でも保険給付が認められる場合があります。病院では、通常診療としての使用か研究としての使用か、治療のリスクや院内規程に応じて、必要な審査・承認の手続きが異なります。適応外使用のすべてに倫理審査委員会の承認が一律に必要なわけではありません。どのような状態に、どのような根拠で使うのかを検討し、患者さんに承認範囲外であること、期待される利益と害、不確かさ、代替の選択肢を説明して同意を得ることが重要です。
必要な審査や十分な説明・同意を経ずに、確実性の低い根拠だけを頼りに特定の治療を広く行うことは、医学的にも倫理的にも問題があります。イベルメクチンの例のように、のちに大規模な試験で効果が否定されることもあるためです。また、人を対象とする医学研究として治療を行う場合は、適用される法令・倫理指針に従い、原則として研究開始前に必要な倫理審査と実施許可を受けます。発表予定の有無だけで研究に当たるかどうかは決まらず、通常診療の症例報告では審査の要否が異なる場合もあるため、施設や投稿先の規程を確認します。
患者さんの側から根拠を確かめる視点
医療を選ぶときには、その医療がどの程度の根拠に支えられているか、診療ガイドラインではどう位置づけられているかを確かめることができます。日本の多くの診療ガイドラインはMindsのウェブサイトで公開されており、推奨と根拠の確実性を誰でも確認できます。説明を受けるときに「この治療の根拠はどのような研究ですか」「ガイドラインではどう書かれていますか」と尋ねるのは、まったく失礼なことではありません。
医師の側の目安としては、各学会の専門医資格があります。専門医制度では、学会活動や研修を通じて、診療ガイドラインやエビデンスの評価についての知識を更新し続けることが求められます。専門医資格の有無は、医師がエビデンスに基づく医療の教育を継続して受けているかどうかを確認する手がかりの一つになります。
🩺 院長コラム【根拠が弱いことと、選べないことは違う】
エビデンスレベルの低さだけを理由に「その治療は意味がない」と判断するのは適切ではありません。しかし、根拠が弱いという事実と、その医療を選べないという結論は別のものです。根拠の確実性が低い医療を選ぶ場合に必要なのは、その不確かさを医師と患者さんが同じように理解し、手続きを踏んだうえで選ぶことです。
反対に、確実性の高い根拠がある医療でも、その人の価値観や状況に合わなければ選ばない判断もありえます。GRADEが「弱い推奨」を「そうでない患者も少なくない」と説明しているのは、まさにこの点を表しています。エビデンスは判断を代わりにしてくれるものではなく、判断の材料を整えるためのものだというのが、遺伝医療でも重要な原則です。
よくある質問（FAQ）
Q1. エビデンスレベルが最も高い研究デザインは何ですか？
複数のランダム化比較試験（RCT）を決められた手順で集めて統合した、システマティックレビュー／メタアナリシスです。Minds 2007の分類ではレベルIに当たります。ただし、もとの研究の質が低ければ統合した結果の確実性も高くはならず、現在のGRADEでは研究デザインだけでなく質や一貫性も含めて評価します。
Q2. エビデンスレベル5（V）とはどういう意味ですか？
使っている分類によって意味が変わります。Minds 2007ではレベルVは症例報告やケースシリーズなどの記述研究を指し、レベルVIが専門家の意見です。Oxford CEBMの分類などでは、レベル5が専門家の意見や理論的な推論に当たります。どの分類の数字なのかを確認してから読む必要があります。
Q3. コホート研究のエビデンスレベルはどのくらいですか？
Minds 2007ではレベルIVa（分析疫学的研究）で、RCTより下、症例対照研究（IVb）より上に位置します。GRADEでは観察研究として「低」から評価を始めますが、効果が大きく一貫している場合などには確実性が上がることがあります。また、検査の精度を調べる研究では、適切に設計されたコホート研究が質の高い根拠になります。
Q4. 推奨グレードCとはどういう意味ですか？
Minds 2007では、C1が「科学的根拠はないが、行うよう勧められる」、C2が「科学的根拠がなく、行わないよう勧められる」という意味です。一方、GRADEに基づくMinds 2020の確実性表記の「C」はエビデンスの確実性が限定的であることを表し、推奨の強さとは別の軸です。表記の方式を確かめてから読んでください。
Q5. エビデンスレベルが高ければ、推奨も強くなりますか？
一般にはその傾向がありますが、一対一には対応しません。推奨の強さは、効果の大きさ、副作用とのバランス、患者さんの価値観、費用なども含めて総合的に決まります。そのため、レベルの高い根拠があっても推奨が弱いこともあれば、RCTがなくても強く勧められることもあります。
Q6. NIPTのエビデンスはどのくらい確かなのですか？
トリソミー21については、一般の妊婦さん約1万6千人を対象にした前向きコホート研究や多数の研究のメタアナリシスがあり、検出率は99.7%、偽陽性率は0.04%と推定されています。米国臨床遺伝・ゲノム学会（ACMG）は2023年に、系統的なレビューに基づいてNIPTを推奨しています。一方、微小欠失などほかの項目の根拠はまだ限られており、陽性の場合は確定検査で確かめることが前提です。
まとめ
エビデンスレベルとは、研究結果の信頼度を研究デザインによって格付けしたもので、システマティックレビュー／メタアナリシス、ランダム化比較試験、非ランダム化比較試験、コホート研究、症例対照研究、症例報告、専門家の意見の順に並びます[4]。序列の根拠は、交絡などのバイアスがどれだけ入りにくいかです。ただし、エビデンスレベルと推奨グレードは一対一に対応せず、推奨の強さは効果の大きさや害とのバランス、患者さんの価値観も含めて決められます。
現在の診療ガイドラインでは、GRADEの方法で「エビデンスの確実性（A〜D）」と「推奨の強さ（強い／弱い）」を分けて判定するのが標準です[11]。また、NIPTのような検査の精度は治療研究とは別の物差しで評価され、確定診断と照らし合わせた前向きのコホート研究とそのメタアナリシスが質の高い根拠になります[13]。数字を読むときは、どの集団で、何と比べた数字なのかまで確かめることが大切です。
🧬 NIPTをご検討の方へ
ミネルバクリニックには臨床遺伝専門医が常駐し、NIPTの検査前後の説明を臨床遺伝専門医が行っています。NIPTで何がわかり、何がわからないのか、その精度がどのような研究に基づいているのかを理解したうえで検査を受けていただけるよう、根拠に基づいた説明を行っています。陽性の場合の確定検査についても、院内でご案内しています。
NIPTの教科書：第5章のページ
参考文献
- [1] Burns PB, Rohrich RJ, Chung KC. The Levels of Evidence and their role in Evidence-Based Medicine. Plast Reconstr Surg. 2011;128(1):305-310. doi:10.1097/PRS.0b013e318219c171. PMID:21701348. [PMC3124652]
- [2] Canadian Task Force on the Periodic Health Examination. The periodic health examination. Can Med Assoc J. 1979;121(9):1193-1254. [CMAJ]
- [3] Sackett DL. Rules of evidence and clinical recommendations on the use of antithrombotic agents. Chest. 1989;95(2 Suppl):2S-4S. PMID:2914516. [PubMed 2914516]
- [4] Minds診療ガイドライン作成の手引き2007. 医学書院; 2007. [医学書院]
- [5] Murad MH, Asi N, Alsawas M, Alahdab F. New evidence pyramid. Evid Based Med. 2016;21(4):125-127. doi:10.1136/ebmed-2016-110401. PMID:27339128. [PMC4975798]
- [6] OCEBM Levels of Evidence. Centre for Evidence-Based Medicine, University of Oxford. [CEBM]
- [7] Lawrence JM, Meyerowitz-Katz G, Heathers JAJ, et al. The lesson of ivermectin: meta-analyses based on summary data alone are inherently unreliable. Nat Med. 2021;27(11):1853-1854. doi:10.1038/s41591-021-01535-y. [Nature Medicine]
- [8] Reis G, Silva EASM, Silva DCM, et al. Effect of Early Treatment with Ivermectin among Patients with Covid-19. N Engl J Med. 2022;386(18):1721-1731. doi:10.1056/NEJMoa2115869. PMID:35353979. [PubMed 35353979]
- [9] Naggie S, Boulware DR, Lindsell CJ, et al. Effect of Ivermectin vs Placebo on Time to Sustained Recovery in Outpatients With Mild to Moderate COVID-19: A Randomized Clinical Trial. JAMA. 2022;328(16):1595-1603. doi:10.1001/jama.2022.18590. PMID:36269852. [PMC9587497]
- [10] Guyatt GH, Oxman AD, Vist GE, et al. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008;336(7650):924-926. doi:10.1136/bmj.39489.470347.AD. PMID:18436948. [BMJ]
- [11] Minds診療ガイドライン作成マニュアル2020 ver.3.0 第6章 推奨. 公益財団法人日本医療機能評価機構. [Minds]
- [12] Balshem H, Helfand M, Schünemann HJ, et al. GRADE guidelines: 3. Rating the quality of evidence. J Clin Epidemiol. 2011;64(4):401-406. doi:10.1016/j.jclinepi.2010.07.015. PMID:21208779. [PubMed 21208779]
- [13] Schünemann HJ, Oxman AD, Brozek J, et al. GRADE: Grading quality of evidence and strength of recommendations for diagnostic tests and strategies. BMJ. 2008;336(7653):1106-1110. doi:10.1136/bmj.39500.677199.AE. PMID:18483053. [PMC2386626]
- [14] Whiting PF, Rutjes AWS, Westwood ME, et al. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Ann Intern Med. 2011;155(8):529-536. doi:10.7326/0003-4819-155-8-201110180-00009. PMID:22007046. [PubMed 22007046]
- [15] Norton ME, Jacobsson B, Swamy GK, et al. Cell-free DNA analysis for noninvasive examination of trisomy. N Engl J Med. 2015;372(17):1589-1597. doi:10.1056/NEJMoa1407349. PMID:25830321. [PubMed 25830321]
- [16] Gil MM, Accurti V, Santacruz B, Plana MN, Nicolaides KH. Analysis of cell-free DNA in maternal blood in screening for aneuploidies: updated meta-analysis. Ultrasound Obstet Gynecol. 2017;50(3):302-314. doi:10.1002/uog.17484. PMID:28397325. [PubMed 28397325]
- [17] Dungan JS, Klugman S, Darilek S, et al. Noninvasive prenatal screening (NIPS) for fetal chromosome abnormalities in a general-risk population: An evidence-based clinical guideline of the American College of Medical Genetics and Genomics (ACMG). Genet Med. 2023;25(2):100336. doi:10.1016/j.gim.2022.11.004. PMID:36524989. [PubMed 36524989]
- [18] World Medical Association. World Medical Association Declaration of Helsinki: Ethical Principles for Medical Research Involving Human Participants. JAMA. 2025;333(1):71-74（オンライン公開：2024年10月19日）. doi:10.1001/jama.2024.21972. [JAMA]
- [19] Doll R, Peto R, Boreham J, Sutherland I. Mortality from cancer in relation to smoking: 50 years observations on British doctors. Br J Cancer. 2005;92(3):426-429. doi:10.1038/sj.bjc.6602359. PMID:15668706. [PMC2362086]
