識者たちが提示する「エビデンス」を、どう見極めるべきなのか 〜研究成果の「過度な一般化」による誤認を断つために

識者たちが提示する「エビデンス」を、どう見極めるべきなのか　〜研究成果の「過度な一般化」による誤認を断つために

1．「根拠がある」という言葉の、その先を問う

近年、研究成果（エビデンス）を提示することで、自らの主張や見解を正当化する手法が広く見られるようになりました。 かつては識者の「権威」に正当性を委ねていたものが、客観的なデータに置き換わったという意味では、一見すると大きな進歩を遂げたように感じられます。

しかし、情報を受け取る側は、こうした手法が昨今のフェイクニュースにも通じる危険性を孕んでいることを認識しておく必要があります。 「明確な根拠がある」という体裁は視聴者を信じ込ませやすい反面、発信者側にとっては自らの責任を回避する免罪符にもなり得ます。その結果、エビデンスという新たな権威に守られることで、識者の大胆で偏った主張が助長されかねないからです。

「論文がある」「研究で示されている」という言葉を前にして、その後に続く説明まで無条件に受け入れてはなりません。研究結果そのものが妥当であっても、そこから導き出された主張が、研究の答えられる範囲を大きく逸脱している可能性があるからです。 例えば、特定の条件下で認められたにすぎない傾向が「人間とはそういうものだ」と断定されたり、ある指標で差が検出されなかった事実が「影響は一切存在しない」とすり替えられたりします。 このように、正しい情報の一部から、歪んだ全体像が作り上げられていく可能性があるのです。

これは、架空の情報を捏造することとは異なります。しかし、本物の研究を盾に取って受け手の認識を誤らせるのであれば、偽情報と同等の深刻な弊害をもたらしかねません。 エビデンスとは本来、主張を厳しく吟味するための材料であるはずです。それが説明を省くための権威や免罪符と化せば、かえって乱暴な断定を補強する道具になりかねません。 私たちが徹底して問うべきなのは、「根拠があるか」だけでなく、「その根拠から、どこまで言えるのか」ということなのです。

2．研究が示した事実と、識者が語る解釈を切り分ける

心理学、行動科学、精神医学の領域では、対象者や測定方法、調査期間によって、異なる結果が出ることが珍しくありません。だからといって、それを「どんな主張にも都合のよい研究が転がっている」と受け止めてしまうのは重大な誤りです。 一見すると正反対に見える研究であっても、実際にはまったく別の問いを検証している場合が多々あります。

「ストレスは人を強くするか」という問い一つをとっても、対処可能な短期的負荷と、逃れられない長期的な苦痛とでは、前提条件が根本から異なります。「強くなる」の定義が、課題への習熟なのか、不安の減少なのかによっても、検証の中身は別物になります。 決定的に重要なのは、異なる結果が存在するという表面的な事実ではなく、なぜ結果が食い違うのかを突き詰めることです。 対象や方法の違いなのか、偶然のばらつきなのか、あるいは研究の質そのものの問題なのか。 その検証を怠り、自説に都合のよい結論だけをつまみ食いすれば、研究の紹介は単なる「主張を飾る道具」に堕してしまいます。

セロトニンとうつ病をめぐる議論はその典型例です。 2022年にオンライン公表された総説は、セロトニンの濃度や活動の低下がうつ病に関与するという説明について既存研究をまとめ、一貫した裏づけは得られないと論じました。この総説は大きな影響をもたらし、モノアミン仮説に一定の修正をもたらした事は事実です。 しかしこれは、モノアミン仮説全てが間違いであったと断じた総説ではありません。また、すべてのうつ病患者の脳内セロトニン量が「減少していない」と確定させた研究でもありません。 この総説を根拠に「モノアミンに関する仮説は誤りだった」「抗うつ薬は効かない」などと結論づけるのは、「研究成果の過度な一般化」の典型でしょう。

3．研究の専門用語と、日常の言葉を混同してはならない

まず確かめなければならないのは、「その研究は何を測ったのか」という点です。 研究においては、「性格」「幸福」「知能」「ストレス」といった広い言葉を、質問紙の得点や課題の成績など、測定できる形に置き換えます。これは研究に不可欠な手続きですが、その内容が日常語の意味する領域をすべて捉えているわけではありません。

例えば、性格の一側面を質問紙で測ったにすぎない研究から、その人の価値観、人間関係の築き方、さらには生き方までを一括りに説明することなど不可能です。 「何を測ったか」という前提が省かれた瞬間、限られた結果が、人間全体についての壮大な結論であるかのように錯覚させられてしまいます。

行動遺伝学の「共有環境」も、日常語の「家庭環境」とは意味が異なります。 共有環境とは基本的に、きょうだいを似た方向にする環境の働きを指す専門概念です。同じ家庭の出来事であっても、きょうだいそれぞれに異なる影響を与えるなら、その影響は「非共有環境」の側に振り分けられます。 したがって、「共有環境の寄与が小さい」という推定結果を、そのまま「家庭環境は性格形成に影響しない」と言い換えたとすれば、「研究成果の過度な一般化」にほかなりません。

非共有環境の寄与が大きいからといって、それが親や家庭環境との関係を、明確に特定できるわけでもありません。学術的に定義された用語と、日常用語では示している内容が違うからです。仮に「家庭環境」という用語を、行動遺伝学が定義したとしてもそれは、日常用語とは違う意味を持ちます。 また、留学時の友人関係などの経験が影響した場合などは非共有環境に含まれる可能性が大きいですが、留学に親がどの程度関与したかを特定する事は困難です。

このように、研究用語を日常語に置き換えるとき、意味が不当に広げられていないか。その一点を注視するだけでも、強引な拡大解釈は見抜ける可能性があります。

4．「誰についての結果なのか」を問い直す

次に考慮すべきは、「誰を、どのような条件で調べたのか」という前提です。 成人を対象とした研究結果を、そのまま幼い子どもの発達に当てはめることはできません。 比較的生活条件の整った集団で得られた知見が、深刻な貧困や虐待のある過酷な環境にも通用するかどうかは、全く別の検証を要する問題です。

例えば、栄養状態がよく似た人たちだけを調べれば、栄養の違いによって説明できる個人差は当然小さくなります。 しかし、それは「栄養を変えても何も変わらない」ということを少しも意味しません。調べた集団の内部に、もともと大きな栄養の差が存在しなかっただけかもしれないからです。

遺伝率をめぐる議論でも、この区別は重要です。 仮にある性格特性の遺伝率が40％と推定されても、「一人の性格の40％が遺伝でできている」という意味では断じてありません。それはあくまで、その集団、その環境、その測定方法において、観察された個人差のどれだけが遺伝的な違いと結びつくかを表した推定値にすぎないのです。 集団の個人差を説明する数字から、特定の個人の将来や、環境を変えた場合の結果までを決めつけることはできません。「個人差の説明」と「変化の可能性」は、根本的に異なる問いなのです。

5．「関連がある」と「原因である」の混同を許さない

ある生活習慣を持つ人ほど積極的であると判明しても、その習慣が行動を変化させたという証明にはなりません。 もともと積極的だからこそ、その習慣を続けられているだけかもしれません。あるいは、時間や経済的な余裕という別の要因が、生活習慣と積極性の双方を左右している可能性も十分に考えられます。 二つの事柄が同時に現れることは単なる「関連」にすぎません。一方を変えれば他方が変わるという「因果関係」まで立証するには、厳密な検証が求められます。

また研究では、年齢や収入などの違いを統計的に調整することがあります。 しかし、そもそも測っていない要因や、十分正確に測れていない要因の影響まで、統計処理が自動的に消し去ってくれるわけではありません。 無作為に参加者を分けて介入を比較する試験は、因果関係を調べるうえで強力な手法です。 それでもなお、参加者がどのように選ばれ、途中でどれほど脱落し、何と比較したかによって、結果の意味は大きく変わります。 「統計処理をした」という説明だけで、原因が確定するわけではないのです。

6．「統計的に有意」という言葉に惑わされずに、「差の大きさ」と「確かさ」を直視する

研究紹介で強調される「統計的に有意」は、日常語の「重要」とは全くの別物です。 判断材料のP値とは、「本当は差がない」という仮説と解析の前提がすべて正しいとき、今回と同程度以上に極端な結果が偶然生じる確率であり、「効果がない確率」や「結論が正しい確率」ではありません。 P＝0.03とは、差がないという仮説と解析の前提がすべて正しいとしたとき、今回と同程度以上に極端な検定結果が得られる確率が3％という意味です。「効果がない確率が3％だ」「この結論が97％正しい」という意味ではありません。 一般にはP値が0.05未満なら「統計的に有意」と呼びます。しかし、P値0.05未満という境界に真偽を隔てる根拠はなく、米国統計学会もP値だけで結論を下さないよう警告しています。

さらに、参加者が多ければ100点満点中0.5点のような微細な差でも容易に有意になります。 P値とは切り離して「差の大きさ」を確認し、費用や負担、利益と照らし合わせて実用上の価値を判断しなければなりません。

また、推定の精密さを示す「信頼区間」も不可欠です。 95％信頼区間とは、同じ条件で研究を繰り返したとき約95％の区間が真の値を含むという統計手法上の性質であり、個人の95％に当てはまる範囲でも、調査の偏りなどあらゆる問題を反映した幅でもありません。 例えば同じ平均5点差でも、区間が「4〜6点」なら一定の改善を精度よく推定していますが、「マイナス2〜12点」なら逆効果（本来示したい結果の逆に結論が出る可能性があるということ）から大きな改善まで幅広い可能性が残ったままです。 後者は統計的に有意差がないと判断されます（注）が、有意差が出なくても「効果がないと証明された」とは限らず、単に「差を確かめられなかった」だけなのか、「実用上重要な差がないと判断できるほど精密だった」のかを見落としてはなりません。

（注）後者は統計的に有意差がないと判断されます この場合は、正規近似を用いるとp値0.16となり、有意差は無いと判断されます。 しかし、「マイナス2〜12点」の区間と基準値「0点」の位置関係、（「差がない」ことを示す基準値である 0点 がこの区間の内部に含まれている）から、ただちに有意差は無いと判断は出来ません。 シミュレーターで信頼区間の片側幅を狭めていくと、下限がちょうど「0点」に達した瞬間にP値が 0.05 以下の場合は、プラス領域に入った時点で「統計的に有意な差あり」へと切り替わることがあるからです。

［詳しくは、コラム医学生のための『医学統計入門』を参照下さい。］

7．「半減した」という数字のトリックを見抜く

割合の示し方一つによっても、受け手の印象は劇的に変わります。 ある対策によって、一定期間に病気になる人が100人中2人から1人に減ったとします。「発症リスクが50％低下した」と言えば、絶大な効果があるかのように聞こえます。一方、「100人当たり1人減った」と言えば、具体的な規模感が冷静に浮かび上がります。どちらも同じ結果の表現です。 前者は元のリスクに対する相対的な変化、後者は絶対的な差を示しています。 同じ50％低下でも、100人中20人から10人に減る場合とは、もたらされる利益の大きさが全く違います。

このため、割合が強調されるときは、「もともと何人中何人だったのか」「どのくらいの期間の結果か」を確かめなければなりません。 さらに、利益だけでなく、副作用や費用、継続の負担も突き合わせなければ、その対策を勧めるべきかどうかのまともな判断は下せないのです。

9．単一の論文に飛びつかず、研究全体へ目を向ける

一つの研究は、膨大な知識を積み重ねるための「一片」にすぎません。 提示された研究が、専門家の中でどの様に扱われているかは、非常に重要です。 どのよう雑誌で発表されたのか、反論や批判はないのかなど、AIに聞いてみることは、有益でしょう。私見ですが、専門誌の総説で取り上げられた内容は一定の信頼はあると考えております。

また、同じ結果が別の集団や方法でも再現されるかは重要です。 さらに、異なる結果をどう説明できるかによって、結論への信頼性は大きく変わります。異なる結果や有力な反論も検討されているのかを、見て行く必要があります。 論文の数や論者の肩書だけでなく、提示された証拠が、その主張に対応しているかを見る事は重要です。現在は、AIがサポートしてくれますので、専門分野以外でも最低限の検証は出来るようになって来ています。

多数の研究を統計的にまとめる「メタ解析」は、その全体像を捉える有力な方法です。 しかし、元の研究の偏りや測定の限界が、数を集めただけで消えてなくなるわけではありません。似た弱点を持つ研究を多数まとめれば、その弱点を抱え込んだまま、表面上の数字だけが精密に見せかけられる危険すらあります。 また、結果の出なかった研究が公表されにくければ、世に出た論文だけをまとめた結論にも当然偏りが生じます。難しいことではありますが、論文の数に圧倒されるのではなく、研究の質、対象の違い、結果の一貫性を厳しく見極めなければなりません。

逆に、反対意見が一つあるだけで、十分に積み重なった強固な証拠が無効になるわけでもありません。大切なのは、賛否を機械的に同じ数だけ並べることではなく、どちらの説明をどの程度の証拠が支えているかという「証拠の重み」を評価することです。

10．根拠と結論をつなぐ「説明の責任」を問う

最後に強く警戒すべきは、事実の説明から「だから、こうすべきだ」という推奨へと一気に飛躍する場面です。 特定の集団で、ある食事が血圧を下げたとしても、誰にでも同じ効果があるとは限りません。他の人にも勧められるかは、対象の違いや利益と不利益を踏まえて慎重に考える必要があります。 研究結果は判断の重要な材料ですが、実際の推奨には、本人の希望や生活条件を含む別次元の判断が不可欠です。

TV番組などでも、このような推奨が見られる場合があります。短い番組ですべての方法を説明することは不可能でしょう。それでも、結論の意味を左右する前提条件や、専門家の間でも判断が分かれる点を伏せてよい理由にはなりません。断定が強いほど、それに見合う厳密な説明が求められます。根拠と結論をつなぐ責任は、何よりもまず発信する側に課されているのです。

受け手が常に突きつけるべきは、 「何を測った研究なのか」 「その結果から、なぜその結論になるのか」 「どこまで当てはまるのか」 という三つの問いです。 説明が決定的に不足していれば、安易に飛びつかず判断を保留すべきです。むろん、それだけを理由に研究自体を否定したり、反対の説を正しいと決めつけたりするのも同様に慎まなければなりません。

そして、この厳しい姿勢は、自分自身が賛成したい意見にこそ向ける必要があります。 納得しやすい心地よい結論ほど、根拠と推論を疑う。 質の高い証拠が積み重なれば、自分の考えを潔く修正する。 発言者の意図ではなく、提示された根拠と論理そのものを徹底して検討する。

エビデンスを真に大切にするとは、その言葉の権威に思考を明け渡すことではありません。研究がすでに明らかにした事実と、いまだ答えていない領域とを、冷徹に見極め続けることなのです。

著者あとがき　〜AIの活用

最近では、このような問題を解決する方法として、AIに聞いてみることが有効であることは少なくありません。下記が質問例です。 ①識者の方は、「・・・・・・・・。」とおっしゃっています、そのような科学的根拠はありますか？科学的な面から判断して、そう言い切っても良いのでしょうか？ ②識者の方の説明で、私は「・・・・・・・・。」と理解しましたが、現在考えられている考え方と矛盾はありませんか？

より正確に確かめてみたい方は、下記のどちらかをコピペし内容を埋めてから、質問してみて下さい。 ①識者の方が「……」と述べています。この発言を支持する科学的根拠はありますか。 研究で実際に確認されていることと、そこからの解釈や一般化を分けて説明してください。対象者、測定内容、研究方法などを踏まえて、この表現のまま言い切ってよいのかを検討してください。 支持する証拠と、反対の証拠や限界の両方を扱い、言いすぎがある場合は、科学的に妥当な表現に書き換えてください。主要な根拠には、確認できる出典を示してください。

②識者の方の説明を聞いて、私は「……」という意味だと理解しました。 元の発言は「……」です。 まず、この理解が元の発言に沿っているか、私が意味を広げたり、条件を取り落としたりしていないかを確認してください。 そのうえで、この理解が現在の科学的知見とどの程度一致するかを、広く支持されている点、見解が分かれている点、まだ分かっていない点に分けて説明してください。私の理解を肯定することを前提にせず、主要な根拠には、確認できる出典を示してください。

ただ，AIもまだ完全ではありません。AIも間違えることがあることも、考慮が必要です。重要な事項では、念のため、2つのAIに聞いてみましょう。