クラスタリング効果とは
クラスタリング効果とは、研究や調査で集めた対象が、完全にばらばらの独立した集団ではなく、同じ施設・同じ担当者・同じ病棟・同じ学校・同じ家族などの「まとまり（クラスター）」の中で互いに似やすくなることで、結果の見え方に影響が出る現象です。
たとえば、同じセラピストが担当した患者、同じ病院に通う患者、同じ通所事業所の利用者は、介入方法、説明のしかた、生活環境、重症度の分布などが似やすくなります。そのため、一人ひとりを完全に独立したデータとして扱うと、実際よりも差がはっきりしているように見えてしまうことがあります。
つまりクラスタリング効果は、統計の細かい話だけではなく、研究結果を正しく読むうえで欠かせない前提条件です。とくに医療、介護、教育、地域介入など、個人ではなく集団単位で介入や運営が行われる場面で重要になります。
どこでみるのか
臨床研究、疫学研究、介入研究、教育研究、地域保健、リハビリテーション研究などでよく出てきます。とくに、クラスターランダム化比較試験では、病院、診療所、病棟、学校、通所施設、訪問事業所、地域単位などをまとめて割り付けるため、クラスタリング効果を前提に考える必要があります。
リハビリ領域では、同じ担当療法士、同じ訓練室、同じ回復期病棟、同じプログラムに参加している患者どうしで結果が似やすくなることがあります。そのため、患者数だけを見て研究の強さを判断するのではなく、どの単位でデータが集められたのかを見ることが重要です。
何をみるのか
まず確認したいのは、研究対象が個人ごとに独立して割り付け・評価されているのか、それとも集団単位で扱われているのかという点です。病院単位、病棟単位、施設単位、学校単位、セラピスト単位などで割り付けられている場合は、クラスタリング効果を考える必要があります。
次に、論文の方法の欄で、クラスタリングを考慮した解析が行われているかを確認します。たとえば、混合効果モデル、多層モデル、一般化推定方程式、クラスター調整済み解析などの記載があるかをみます。
さらに、級内相関係数、デザイン効果、クラスター数、平均クラスターサイズなどが記載されているかも重要です。これらは、同じクラスター内の対象がどれくらい似ているか、そして見かけの人数に対して実質的な情報量がどれくらい減るかを判断する手がかりになります。
どんなことが問題になるのか
クラスタリング効果を無視すると、対象者がたくさんいるように見えても、実際には同じような特徴をもつデータがまとまって含まれているため、統計的な有意差が実際より出やすくなることがあります。言い換えると、研究の精度を過大評価してしまう危険があります。
また、信頼区間が不自然に狭く見えたり、標準誤差が小さく見積もられたりして、結果が必要以上に確からしく見えることがあります。これは、臨床家が論文を読むときに、「患者数が多いから信頼できる」と単純に判断してしまう落とし穴につながります。
さらに、リハビリや教育の研究では、介入の効果というより、担当者の技量、施設文化、チームの運営方針などの影響が結果に混ざることがあります。そのため、介入そのものの効果と、クラスター由来の影響を分けて考える視点が必要です。
よくある原因
クラスタリング効果が起こりやすいのは、同じクラスター内の対象者が共通の影響を受けているときです。たとえば、同じ主治医、同じ療法士、同じ病棟ルール、同じ教育プログラム、同じ地域資源などがあると、結果が似やすくなります。
また、対象者の背景がそもそも似ている場合もあります。同じ施設に集まる患者は重症度や年齢層、社会的背景が近いことがあり、これもクラスタリング効果を強めます。つまり、原因は単に「統計手法の問題」ではなく、現実の臨床や運営が集団単位で成り立っていること自体にあります。
見逃したくない所見
論文を読むときに見逃したくないのは、集団単位で介入しているのに、解析で個人をすべて独立データとして扱っているような記述です。たとえば、施設単位で介入したにもかかわらず、解析方法の説明が単純な比較だけで終わっている場合は注意が必要です。
また、患者数は多いのにクラスター数が少ない研究も解釈に注意が必要です。見かけ上の参加人数が多くても、実際に比較している「まとまり」の数が少ないと、結果の安定性は思ったほど高くないことがあります。
リハビリ研究では、同じ担当者が複数症例に同じ方法で介入している場合、患者数だけでなく担当者数や施設数がどれくらいあるのかも重要な情報になります。
どう対応するか
研究を行う側では、計画段階からクラスタリング効果を見込んで、必要なサンプルサイズを調整することが重要です。見かけの人数だけでなく、クラスター内の類似性を考慮して、実質的な情報量が減る分を上乗せして設計する必要があります。
解析では、クラスターを考慮した統計手法を使い、必要に応じて級内相関係数やデザイン効果を報告します。これにより、結果を実際のデータ構造に即して解釈しやすくなります。
論文を読む臨床家の立場では、「何人いたか」だけでなく「何単位で集めたか」「その構造を解析で扱っているか」を見ることが大切です。特に、施設介入、チーム介入、教育介入、担当者依存性の強い介入では、この視点が欠かせません。
まとめ
クラスタリング効果とは、同じ集団に属する対象者どうしのデータが似やすくなることで、研究結果のばらつきや有意差の見え方に影響する現象です。医療、介護、教育、地域介入など、集団単位で実践される分野では特に重要です。
これを無視すると、研究結果を実際より強く評価してしまうことがあります。そのため、臨床研究を読むときは、患者数だけでなく、クラスター構造、解析方法、級内相関、デザイン効果まで確認する視点が重要です。
関連する用語
参考文献・出典
- BMJ. The intracluster correlation coefficient in cluster randomisation.
- NCBI Bookshelf. Frameworks for the Design and Analysis of Stepped-Wedge Cluster-Randomized Trials.
- Annals of Family Medicine. What Is an Intracluster Correlation Coefficient? Crucial Concepts for Primary Care Researchers.
- Health Knowledge. Clustered data - effects on sample size and approaches to analysis.