ハザード比とオッズ比の違いを正しく読み解く方法

ハザード比とオッズ比の違いを正しく理解する

オッズ比が2倍でも、リスクが2倍とは限りません。

ハザード比の定義：「時間」を含むイベント発生率の比

ハザード比（Hazard Ratio：HR）は、生存時間解析において用いられる効果指標です。まず「ハザード」とは何かを押さえておく必要があります。ハザードとは、ある時点においてまだイベントが起きていない人が、その直後の単位時間内にイベントを起こす瞬間的な確率、すなわち「単位時間あたりのイベント発生率」のことです。

リスク比やオッズ比と決定的に異なるのは、この時間の概念です。リスク比は「観察期間全体でイベントが起きたかどうか」だけを見ます。一方、ハザード比は「いつ起きたか」という時系列情報も加味します。

たとえば、高血圧群100名を3年間追跡して20名が脳卒中を発症した場合、ハザードは「20名 ÷ 300人年 ≒ 0.067」と計算できます。非高血圧群100名を4年間追跡して8名が発症した場合は「8名 ÷ 400人年 ≒ 0.020」です。ハザード比は 0.067 ÷ 0.020 = 3.35 となり、「時系列を考慮した上で、高血圧群の脳卒中発症率は3.35倍高い」という解釈になります。

これが原則です。

ハザード比が1であれば群間で差がなく、1を下回れば比較対象群よりイベントが起こりにくく、1を上回れば起こりやすいことを示します。たとえば新薬群のハザード比が0.7であれば、「新薬は既存薬に比べてイベント発生を30%抑制する」と解釈できます。具体的にイメージするなら、100人中10人がイベントを起こす状況を0.7倍に抑えれば7人になるイメージです。

なお、ハザード比は通常Cox比例ハザードモデル（Cox回帰）によって推定されます。ログランク検定でもp値は得られますが、ハザード比そのものは出力されません。つまり、ハザード比を報告したい場合は必ずCox回帰を実施する必要があります。

ハザード比とCox回帰モデルの関係について：京都大学監修のAmgen Pro「医療統計：Log-rank検定/Cox回帰モデル、ハザード比」

オッズ比の定義：ケースコントロール研究における効果指標

オッズ比（Odds Ratio：OR）は、ある曝露因子と疾患との関連の強さを示す指標です。まず「オッズ」の概念を整理しましょう。オッズとは「あることが起こる確率 ÷ 起こらない確率」で表されます。リスク（割合）とは分母が異なります。

| 指標 | 計算式 | 分母 |
|------|--------|------|
| リスク（確率） | 陽性者数 ÷ 全員数 | 全員 |
| オッズ | 陽性者数 ÷ 陰性者数 | 陰性者のみ |
| オッズ比 | 曝露群のオッズ ÷ 非曝露群のオッズ | — |

オッズ比が特に有用なのは、ケースコントロール研究（症例対照研究）においてです。ケースコントロール研究では、研究者が意図的にアウトカム陰性の人数を設定できるため、リスク比が研究設計に依存して変動してしまいます。一方、オッズ比はその影響を受けにくく、安定した値を示します。これがケースコントロール研究でオッズ比しか使えない理由です。

実際に数値で見てみましょう。あるケースコントロール研究でアウトカム陰性者を250人に設定した場合と500人に設定した場合では、リスク比の値が変わります（たとえば2.25 vs 3.0）。しかし、オッズ比はどちらの設定でも同じ値（たとえば6）になります。オッズ比が安定しているということですね。

ただし、ここに重要な落とし穴があります。オッズ比は「危険因子であるかどうか」の確認には使えますが、「何倍危険か」という大きさの表現には使えません。オッズ比が6だからといって「喫煙者は非喫煙者の6倍発癌しやすい」とは言えないのです。これはオッズが集団全体ではなく陰性者を分母にしているためで、リスク比の代わりに使う表現は誤りです。

オッズ比を正しく言語化するなら「喫煙群のがん発症のオッズは、非喫煙群の6倍であった」という表現に留めます。この点は論文を書く際にも読む際にも厳守が必要です。

コホート研究・ケースコントロール研究とオッズ比・リスク比の使い分けを詳しく解説：「なぜ我々は統計用語を理解すべきか⑤ 〜オッズ比とリスク比！〜」

ハザード比とオッズ比の違い：研究デザインごとの使い分け

ハザード比・オッズ比・リスク比の3つをどう使い分けるか、混乱しやすい部分です。整理すると以下のようになります。

| 指標 | 主な研究デザイン | 対応する統計解析 | 「時間」考慮 |
|------|----------------|----------------|------------|
| リスク比（RR） | コホート研究（前向き） | ポアソン回帰 | なし |
| オッズ比（OR） | ケースコントロール研究（後ろ向き） | ロジスティック回帰 | なし |
| ハザード比（HR） | 生存時間解析（RCT・コホート） | Cox比例ハザードモデル | あり ✅ |

つまり研究デザインが原則です。

たとえばランダム化比較試験（RCT）でエンドポイントが「死亡」や「再発」など時系列が重要なイベントの場合は、ハザード比を用います。ケースコントロール研究で希少疾患の危険因子を調べる場合はオッズ比が適切です。前向きコホート研究でイベント発生率を直接比較する場合はリスク比が直感的です。

注意が必要なのは、オッズ比とリスク比は「近似できる場合」と「できない場合」があることです。アウトカムが希少（発症率がおよそ10%未満）であればリスク比とオッズ比の値は近似します。しかし発症率が高くなるほど乖離が大きくなります。1より大きい場合はオッズ比の方がリスク比より大きく、1より小さい場合はオッズ比の方がリスク比より小さくなります。これは使えそうな知識です。

たとえば「手術後の感染率30%」という高い発症率の状況でオッズ比を報告した場合、リスク比とは大きくかけ離れた値になります。この乖離を知らずに解釈すると、臨床的な誤判断につながる危険があります。

リスク比・オッズ比・ハザード比の具体的な計算例を確認：リハテックリンクス「予後予測研究に頻発するリスク比、オッズ比、ハザード比とは」

ハザード比の解釈で陥りやすい比例ハザード仮定の落とし穴

ハザード比をCox回帰で求める場合、必ず前提となる仮定があります。それが「比例ハザード性（Proportional Hazards Assumption）」です。これはあまり知られていない重要なポイントです。

比例ハザード性とは、「2群間のハザード比が観察期間全体を通じて時間的に一定である」という仮定です。たとえば、新薬群が標準治療群に比べて「常に」死亡リスクを30%低下させ続ける、という状況が成立している場合に比例ハザード性は保たれています。

問題は、この仮定が成立していない場合でもCox回帰を適用してしまうケースが臨床研究の現場で少なくないことです。実際に、比例ハザード性の検討を怠っている論文は「案外多い」と指摘されています（best-biostatistics.com）。

比例ハザード性が成立しない具体例を挙げます。ある免疫療法の試験で、治療開始後12ヶ月以内は群間の差がほとんどなく、12ヶ月以降になって劇的な生存率の差が現れたとします。この場合、ハザード比は前半では1に近く、後半では1より大きく乖離するため、「時間に関わらず一定」という仮定が崩れています。

比例ハザード性を検証する方法は主に2つです。①カプランマイヤー曲線を目視で確認する（2群の曲線が交差していないか）、②層別log-logプロットの平行性を確認する、の2通りです。ただし、客観的な検証指標は現時点で確立されていないため、最終的には目視による判断になります。

比例ハザード性が成立しない場合の対処法としては、層別Cox比例ハザードモデルの利用が初心者には最もアクセスしやすい選択肢です。比例ハザード性が確認できない変数を層として分割することで、その変数を共変量に組み込まずに解析を進められます。

比例ハザード仮定の確認は必須です。論文のCox回帰結果を読む際は、比例ハザード性の検討が行われているかを確認する習慣をつけると、より精度の高い論文読解ができます。

比例ハザード性の検証方法と成立しない場合の対処法：Best Biostatistics「比例ハザード性とは？検証方法と成立しない場合の対処法もわかりやすく」

ハザード比・オッズ比・リスク比を論文で正しく読み解くための独自視点：「結果の数字だけ」を信じてはいけない理由

ここでは一歩踏み込んだ視点を提供します。それは「ハザード比やオッズ比の数値そのもの」だけを読んでいると、臨床判断を誤る可能性があるということです。

第一に、信頼区間の幅に注目することが重要です。たとえばハザード比 0.80（95%CI：0.60–1.06）と報告されていた場合、p値が0.05を超えていれば「有意差なし」ですが、信頼区間の下限は0.60まで伸びています。つまり「実は最大40%のリスク低下がある可能性」を否定できていないのです。逆に信頼区間の上限が1.06を超えていれば、「6%リスク増加の可能性」も否定できません。数値だけでなく、幅も読むことが基本です。

第二に、ハザード比とリスク比は「一見似ているが、ベースラインリスクによって臨床的意味が全く変わる」という点です。NNT（Number Needed to Treat：1件のアウトカムを防ぐために治療が必要な人数）はリスク差から算出されますが、ベースラインリスクが低ければNNTは非常に大きくなります。たとえば相対リスク減少が50%でも、ベースラインリスクが1%なら NNT=200、ベースラインリスクが20%なら NNT=10 と全く異なります。ハザード比を見て「この薬は効く」と判断する前に、絶対的なリスク差も確認しましょう。

第三に、ロジスティック回帰から得られるオッズ比をRCTなどのコホートデータに無批判に適用している論文も見受けられます。これはリスク比との乖離が生じるリスクがあり、特に発症率が高い疾患領域では注意が必要です。

結論は明確です。ハザード比やオッズ比は、単なる「数字」ではなく、背景にある研究デザイン・仮定・ベースラインリスクとセットで読むことが求められます。これを意識するだけで、エビデンスの読み方の精度が格段に上がります。

以下のリソースは、今後の論文読解の精度を高めるために参照する価値があります。

オッズ比の定義と使い方の基本：統計WEB「1-3. オッズ比1 | 統計学の時間」

ハザード比とログランク検定・Cox回帰の使い分け：Best Biostatistics「ハザード比をわかりやすく解説！リスク比やオッズ比とどう違う？」

The Silence of the Lambs (Dubbed)