なぜそのデータソースを選ぶのか：データ要件の明確化から評価・選択まで

第31 回日本薬剤疫学会学術総会 2026 年10 月18 日 ランチョンセミナー（株式会社 JMDC ） 問いから始める RWD 選択：データソース選択の論理を可視化する なぜそのデータソースを選ぶのか データ要件の明確化から評価・選択まで 深澤 俊貴 京都大学大学院医学研究科 社会健康医学系専攻 薬剤疫学分野 1

利益相反 過去1年間の開示（日本薬剤疫学会の規程に基づく） • 研究費：アストラゼネカ株式会社 • コンサルティング料：旭化成セラピューティクス株式会社、 株式会社JMDC MSD 株式会社、 2

プラトンの「洞窟の比喩」 見えているものを、 現実そのものと 思っていないか 壁に映る影しか知らなければ、 それを現実だと思ってしまう 振り返ることで、 その影を生み出しているものに 気づく 図：演者作成（ ChatGPT 使用） 3

データを見つめる研究者 私たちは データを通じて 何を見ているのか 患者に起きたことのすべてが、 データに表れるわけではない 私たちが見ているのは、 診療・記録・収集・加工の 過程を経て得られた情報である 図：演者作成（ ChatGPT 使用） 4

振り返る研究者 データを生み出す 過程に、 目を向ける 誰の、何が、いつ、どのように 記録されているのか その過程と限界を理解し、 問いに答えるために必要な情報が 得られるかを確かめる 図：演者作成（ ChatGPT 使用） 5

問いに即したデータソース選択へ データの生成過程と限界を踏まえ、関心のある問いに適しているかを評価する 近年、規制関連文書で、データソースの評価・選択の考え方が整理されている FDA Real -World Data: Assessing Electronic Health Records and Medical Claims Data to Support Regulatory Decision -Making for Drug and Biological Products Jul 2024 ICH M14 General Principles on Planning, Designing, Analyzing, and Reporting of Non -interventional Studies That Utilize Real -World Data for Safety Assessment of Medicines Mar 2025 EMA Reflection paper on use of real -world data in non -interventional studies to generate real -world evidence for regulatory purposes Sep 2025 Mar 2026 EMA Data Quality Framework for EU medicines regulation: application to Real -World Data (RW -DQF) 6

ICH M14 にみるデータソース選択 医薬品の安全性に関する規制上の問いに 十分に答えられるエビデンスを fit -for -use なリアルワールドデータを用いて 創出するための概念的枠組み データソース選択（ Steps 2 ～7） を、 研究計画全体の中に位置づける *ICH M14 は、医薬品の安全性評価を主な対象と するが、 基本原則は使用実態・有効性研究など の非介入研究にも適用されうる （ §1.4 参照） 7

ICH M14 にみるデータソース選択 問いと研究デザインを具体化し、 フィージビリティ評価を通じてデータソースを選ぶ この過程では、評価結果を踏まえ、 研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 8

ICH M14 にみるデータソース選択 問いと研究デザイン を具体化 し、フィージビリティ評価を通じてデータソースを選ぶ この過程では、評価結果を踏まえ、研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 9

Step 2. Define the research question 問いの明確化 研究の目的が、記述か因果推論かを明確にする 推定対象（ estimands ）の明確化にあたり、目的に応じたフレームワークを用いるのがよい 記述疫学のフレームワーク（ framework for descriptive epidemiology ） 集団における特徴を定量的に要約 • 標的集団（人・場所・時点） • アウトカム • 発生頻度を表す指標 • 補助変数（必要に応じて、層別・標準化等） • 追跡開始時点・追跡期間（縦断研究の場合） Lesko, et al. Am J Epidemiol . 2022;191:2063 –2070. *記述疫学のフレームワークは、 M14 ではなく演者の推奨 因果推論のフレームワーク（ framework ） 介入の因果効果を問う • 適格基準 • 治療戦略 • 治療割付 • アウトカム • 追跡開始と終了 • 因果的な対比 • 識別仮定 • 推定量 target trial Cashin, et al. JAMA. 2025;334:1084 –1093. 10

Step 2. Define the research question 仮想事例：骨粗鬆症治療薬 A vs Bの心血管安全性 標的試験の特定 （ target trial specification ） 標的試験のエミュレーション （ target trial emulation ） 適格基準 50 歳以上の骨粗鬆症患者（悪性腫瘍、骨巨細胞 腫、骨パジェット病などの既往なし） 標的試験と同じ （ただし、既往歴は DB内で遡及 可能な限りの期間において判定） 追跡開始以前のDB登録期間 ≥ 1年 治療戦略 治療薬Aまたは Bの開始 標的試験と同じ （調剤記録で操作的に定義） 治療割付 患者は非盲検下でベースライン時にいずれかの 治療戦略にランダム割付 患者は観察データと一致する治療戦略に分類さ れ、 ベースライン共変量で交絡調整 アウトカム 主要心血管イベント（ 標的試験と同じ （診断・医薬品・診療行為コー ドと死亡・死因情報で定義） 追跡開始と 終了 治療割付日に開始、アウトカムの発生、追跡不 能、追跡の管理的終了のいずれか早い日に終了 治療開始日から追跡し、終了条件は左記と同じ （追跡不能は、 DBからの脱落として定義） 因果的な 対比 Intention -to -treat （ ITT）効果（総合効果） 効果指標： 3 年リスク、リスク差、リスク比 ITT効果の観察研究におけるアナロジー 効果指標：標的試験と同じ MACE） 11

ICH M14 にみるデータソース選択 問いと 研究デザインを具体化 し、フィージビリティ評価を通じてデータソースを選ぶ この過程では、評価結果を踏まえ、研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 12

Step 3. Define key study design elements 研究デザインの主要要素の具体化 標的試験の特定 （ target trial specification ） 標的試験のエミュレーション （ target trial emulation ） 適格基準 50 歳以上の骨粗鬆症患者（悪性腫瘍、骨巨細胞 腫、骨パジェット病などの既往なし） 標的試験と同じ （ただし、既往歴は DB内で遡及 可能な限りの期間において判定） 追跡開始以前のDB登録期間 ≥ 1年 治療戦略 治療薬Aまたは Bの開始 標的試験と同じ （調剤記録で操作的に定義） 治療割付 患者は非盲検下でベースライン時にいずれかの 治療戦略にランダム割付 患者は観察データと一致する治療戦略に分類さ れ、 ベースライン共変量で交絡調整 アウトカム 主要心血管イベント（ 標的試験と同じ （診断・医薬品・診療行為コー ドと死亡・死因情報で定義） 追跡開始と 終了 治療割付日に開始、アウトカムの発生、追跡不 能、追跡の管理的終了のいずれか早い日に終了 治療開始日から追跡し、終了条件は左記と同じ （追跡不能は、 DBからの脱落として定義） 因果的な 対比 Intention -to -treat （ ITT）効果（総合効果） 効果指標： 3 年リスク、リスク差、リスク比 ITT効果の観察研究におけるアナロジー 効果指標：標的試験と同じ MACE） 13

Step 3. Define key study design elements 研究デザインの主要要素の具体化 深澤 俊貴, 篠崎 智大. 薬剤疫学. 2025;30(2):53 -73 . 深澤 俊貴, 篠崎 智大. 薬剤疫学. 2026;31(1):31 -45 . 14

• https://doi.org/10.3820/jjpe.30.e4
• https://doi.org/10.3820/jjpe.31.e3

テセウスの船 一つひとつ置き換えた先で、 答えたい問いは保たれているか 船の部材を少しずつ置き換えても、 それは同じ船といえるだろうか 標的試験を観察データで模倣する際も、 何を変え、何を保ったのかを振り返る その違いを踏まえても、 当初の問いに答えられるだろうか 図：演者作成（ ChatGPT 使用） 15

ICH M14 にみるデータソース選択 問いと研究デザインを具体化し、 フィージビリティ評価を通じてデータソースを選ぶ この過程では、評価結果を踏まえ、研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 16

Step 4. Perform initial feasibility assessment to identify potential available RWD sources 初期フィージビリティ評価 データソースのフィージビリティ評価は、少なくとも 2段階で進める（初期評価で適切な候補が見つ かった場合も、詳細評価を行う） 1. 初期評価（ Step 4 ）：候補の探索・絞り込み • Step 3 で整理したデータ要件に基づき、利用可能なデータソースを探索する • 研究上の重要性に応じてデータ要件に優先順位を付け 、要件を満たす見込みから詳細評価に進 む候補データソースを絞り込む 2. 詳細評価（ Step 6 ）：候補の包括的な評価 • Step 5 のプロトコル案を踏まえ、対象者数と必要なデータの利用可能性を確認する • 研究に必要なデータの質と要件の充足度 を、候補データソースごとに詳しく評価・比較する 17

Step 4. Perform initial feasibility assessment to identify potential available RWD sources 初期フィージビリティ評価 研究上の重要性に応じてデータ要件 に優先順位を付け 、要件を満たす見 込みから詳細評価に進む候補データ ソースを絞り込む ICH M14 のトレーニング資料： 特に重要な 3つのデータ要件に基づ き、候補データソースを絞り込む例 が示されている ICH M14. WG Presentation / Trainings . 18

• https://www.ich.org/page/multidisciplinary-guidelines#14-1

Step 4. Perform initial feasibility assessment to identify potential available RWD sources データソースを評価する二つの観点 該当性（ relevance ） と 信頼性（ reliability ） を研究の問いとデータ要件に照らして評価 該当性：問いに必要な情報が得られるか 信頼性：その情報を信頼できるか • 代表性（ representativeness ）： 研究対象 集団は、標的集団をどの程度代表するか • 正確性（ accuracy ）： にどの程度近いか • 利用可能性（ availability ）： 曝露・アウト カム・共変量に必要なデータが得られるか • 完全性（ completeness ）： 研究に必要な データがそろっているか • 追跡期間（ follow -up time ）： 研究に必要な 追跡期間を確保できるか • 由来（ provenance ）： データがどこから、 どのように収集・記録され、データソースに 取り込まれたか • 対象者数（ sample size ）： 見込まれる対象 者数で、どの程度の推定精度が得られるか データの値が真の値 • 追跡可能性（ traceability ）： 原データから 解析結果まで、データ間の関係をたどれるか 19

Step 4. Perform initial feasibility assessment to identify potential available RWD sources ICH M14 （ Step 2 版）用語集の邦訳 日本薬剤疫学会. 【 薬剤疫学を学ぶ 】 薬剤疫学研究に用いられる用語集が掲載されました 日本薬剤疫学会. 用語集. . 20

• https://www.jspe.jp/20250401-1/
• https://www.jspe.jp/learn/glossary/

Step 4. Perform initial feasibility assessment to identify potential available RWD sources 該当性：代表性（ representativeness ） 研究対象集団（ study population ） は、 標的集団（ target population ） をどの程度代表するか？  データソースと適格基準によって、どのような患者が研究対象となるか確認する  標的集団との患者特性の違い、特に 効果修飾因子の分布の違いを検討する（効果修飾因子の分布 が異なると、両集団で効果が異なりうる） 患者特性の比較（ 効果修飾因子の分布など） 研究対象集団 利用するデータと適格基準に基づく集団 深澤 俊貴, 篠崎 智大. 薬剤疫学. 2025;30(2):53 -73 . 標的集団 研究の結論を適用したい集団 21

• https://doi.org/10.3820/jjpe.30.e4

Step 4. Perform initial feasibility assessment to identify potential available RWD sources 該当性：利用可能性（ availability ） 曝露・アウトカム・共変量に必要なデータが得られるか？  医療機関DBでは、一般に他施設での診療情報を捉えられない（ 「記録がない」ことは、「診断・ 処方・イベントがない」ことを意味するとは限らない ）  他施設での処方・診断や転院後のアウトカムなど、必要な情報が必要な期間にわたり得られるか 確認する  情報が不足する場合は、他のデータソースとの連結や追加収集の可能性を検討する 日本の製造販売後DB 調査には、施設横断的な診療情報が必要な問いに医療機関 DB を用い、データ ソース選択の妥当性に疑問が残る例も散見される ... Lin KJ, et al. Epidemiology . 2018;29(3):356 -363. Wang SV, et al. Clin Epidemiol . 2022;14:601 -608. 22

• https://www.ovid.com/jnls/epidem/abstract/10.1097/ede.0000000000000794~out-of-system-care-and-recording-of-patient-characteristics?redirectionsource=fulltextview
• https://www.dovepress.com/a-framework-for-visualizing-study-designs-and-data-observability-in-el-peer-reviewed-fulltext-article-CLEP

Step 4. Perform initial feasibility assessment to identify potential available RWD sources 該当性：追跡期間（ follow -up time ） 研究に必要な追跡期間を確保できるか？  データの収載期間に加え、対象者ごとに追跡できる期間を確認する  契約終了に伴う、保険者・医療機関からのデータ提供の停止により、多数の対象者で追跡が途中 で終了することがある。こうした追跡の継続性は「観察期間の完全性（ completeness of observation time ）」にも関わる（ §4.2 参照） 確認する観点 想定される影響・検討事項 追跡期間・イベント数 追跡期間の短縮やイベント数の減少により、推定精度が低下し、長 期アウトカムの評価が難しくなる 打ち切りによる選択バイアス 打ち切りが生じる理由を確認し、打ち切りに関連する対象者の特性 が、アウトカムのリスクにも関連するか検討する 23

Step 4. Perform initial feasibility assessment to identify potential available RWD sources 該当性：対象者数（ sample size ） 見込まれる対象者数で、どの程度の推定精度が得られるか？  適格基準を満たす対象者数（全体・曝露群別）と、アウトカムの発生数（ 曝露群別には分けず全 体のみ）を確認する  想定する効果の大きさなどの仮定に基づき、期待される信頼区間の幅を概算する  見込まれる精度を目安に、データソースや研究デザインの見直しが必要か検討する 補足：重要な因果的な問いを扱う、既存データを用いた研究では、予想される精度不足だけを理由 に実施を見送るべきではないとの議論もある（ Hernán MA. J Clin Epidemiol . 2022;144:203 -205. ； ICH M14 本文の記載ではない） Desai RJ, et al. BMJ . 2024;384:e076460. Rothman KJ, et al. Epidemiology . 2018;29(5):599 -603. 24

• https://www.jclinepi.com/article/S0895-4356(21)00273-0/fulltext
• https://www.bmj.com/content/384/bmj-2023-076460.long
• https://www.ovid.com/jnls/epidem/abstract/10.1097/ede.0000000000000876~planning-study-size-based-on-precision-rather-than-power?redirectionsource=fulltextview

Step 4. Perform initial feasibility assessment to identify potential available RWD sources 信頼性：正確性（ accuracy ） データの値が真の値にどの程度近いか？  曝露・アウトカム・共変量について、既存のバリデーション研究やデータ品質の情報を確認する  既存のバリデーション結果は、データソース・対象集団・時期の違いを踏まえて適用できるか 判断する  変数の定義だけでなく、記録・入力・加工の過程で生じる誤りにも着目する 確認する観点 確認事項・具体例 変数の定義の妥当性 診断コード等による定義の感度・特異度・陽性的中率などを確認する 記録された値の正確性 年齢や検査値などに、不自然な値や誤記録がないか確認する 加工・変換の正確性 コードの変換や変数の作成などで、誤りが生じていないか確認する 25

Step 4. Perform initial feasibility assessment to identify potential available RWD sources 信頼性：完全性（ completeness ） 研究に必要なデータがそろっているか？  必要な変数について、データが得られる範囲と欠測の割合、その経時的な変化を確認する  欠測の割合だけでなく、なぜ情報が得られないのかを確認する  欠測が生じる理由と範囲を踏まえ、研究への影響と対応の可能性を検討する 情報が得られない状況 具体例 収集・測定されていない 必要な項目が収集対象に含まれない、検査が実施されていない 実施されても記録されていない 検査は実施されたが、結果が記録されていない 記録されても利用できない 利用できない形式で保存されている、抽出・加工の過程で情報が 欠落している 26

医科レセプト DPCレセプト 調剤レセプト レセプト管理レコード（ MN ） レセプト管理レコード（ MN ） レセプト管理レコード（ 医療機関情報レコード（ IR） 医療機関情報レコード（ IR） 薬局情報レコード（ レセプト共通レコード（ RE） レセプト共通レコード（ RE） レセプト共通レコード（ 保険者レコード（ 公費レコード（ HO ） 保険者レコード（ KO） 公費レコード（ HO ） 保険者レコード（ KO） 公費レコード（ YK） RE） HO ） KO） 傷病名レコード（ SY） 傷病名レコード（ SY） 処方基本レコード（ SH） 医薬品レコード（ IY） 医薬品レコード（ IY） 調剤情報レコード（ CZ） 診療行為レコード（ SI） 診療行為レコード（ SI） 医薬品レコード（ 特定器材レコード（ TO） 特定器材レコード（ TO） 特定器材レコード（ TO） コメントレコード（ CO） コメントレコード（ CO） コメントレコード（ CO） 日計表レコード（ 症状群記レコード（ NI ） 日計表レコード（ SJ） NI ） 症状群記レコード（ 臓器提供医療機関情報レコード（ TI） 臓器提供者レセプト情報レコード（ TR） 摘要欄レコード（ SJ） TI） 臓器提供者レセプト情報レコード（ 臓器提供者請求情報レコード（ TS） 臓器提供者請求情報レコード（ TS） 包括評価対象外理由レコード（ GR） 包括評価対象外理由レコード（ GR） 診断群分類レコード（ 傷病レコード（ BU） SB） 患者基礎レコード（ KK） 診療関連レコード（ SK） 外泊レコード（ GA） 包括評価レコード（ HH ） 合計調整レコード（ GT） 診療行為レコード（ SI） コーディングレコード（ IY） TK） 基本料・薬学管理料レコード（ 臓器提供医療機関情報レコード（ CD） TR） 信頼性：由来（ provenance ）と 追跡可能性（ traceability ） 具体例：レセプトから DBへ MN ） 分割技術料レコード（ KI） ST） 原データ を加工・統合 して DB を作成 DB の各変数から 加工過程をたどり、 原データ まで さかのぼれるか？ テーブル名 情報源 レセプト RE, HO, BU 傷病 SY, SB, BU 医薬品 IY, CZ, SH, CD（ IYと CDの重複分は削除*） 診療行為 SI, CD（ SIと CDの重複分は削除*） IR *特定入院期間（ 診断群分類ごとに定められている算定期間 ） を超える場合 27

Step 4. Perform initial feasibility assessment to identify potential available RWD sources レセプトデータの由来（ Nakao YM, et al . Ann Clin Epidemiol provenance ）と加工過程 . 2026. Online ahead of print. 28

• https://doi.org/10.37737/ace.27004

Step 4. Perform initial feasibility assessment to identify potential available RWD sources メタデータなどの既存情報から候補を絞る Step 3 で整理したデータ要件と、候補データソースの情報を照合し、 価して、候補を絞り込み データ要件ごとに、確認できたこと・未確認のこと・判断の根拠を記録 該当性と 信頼性の観点から評 情報源 確認する内容の例 メタデータ・データソースの説明 対象集団、収載項目、収載期間、更新頻度、連結の可否 公表文献・既存のバリデーション研究 利用実績、変数定義の妥当性、既知の限界 必要に応じた簡単な件数集計 対象者や薬剤使用者などの規模、要件を満たす見込み 29

Step 4. Perform initial feasibility assessment to identify potential available RWD sources メタデータ（データの内容・構造・収集背景などを説明する情報） 掲載情報を確認し、 研究に必要な詳細は データ提供者に照会（ Step 6 ） 日本薬剤疫学会. 日本における薬剤疫学に応用可能なデータベース調査 .

• https://www.jspe.jp/committee/kenkou-iryou/

ICH M14 にみるデータソース選択 問いと 研究デザインを具体化 し、フィージビリティ評価を通じてデータソースを選ぶ この過程では、評価結果を踏まえ、研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 31

Step 5. Develop draft protocol/synopsis describing study design and analytic methods プロトコル案の作成：再現性向上に向けた調和プロトコルテンプレート（ Wang SV, et al. Pharmacoepidemiol Drug Saf 深澤 俊貴, 他. 薬剤疫学. 2023;28(1):17 -35. HARPER ） . 2023;32(1):44 -55. 32

• https://doi.org/10.1002/pds.5507
• https://doi.org/10.3820/jjpe.28.17

ICH M14 にみるデータソース選択 問いと研究デザインを具体化し、 フィージビリティ評価を通じてデータソースを選ぶ この過程では、評価結果を踏まえ、研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 33

Step 6. Refine feasibility assessment to determine which data are fit -for -use フィージビリティ評価の精緻化 Step 5 のプロトコル案に基づき、候補データソースを詳しく評価・比較する • 評価の観点はStep 4 で紹介した該当性・信頼性を参照 し、対象者数やデータ要件の充足度を詳し く確認する • 判断できない点は、 データ提供者等への照会や追加集計で確認 する • 必要に応じて、欠測が研究の実施可能性に及ぼす影響を検討する • データの最新時点・更新頻度と、契約・データ入手・解析に要する期間を確認する 34

Step 6. Refine feasibility assessment to determine which data are fit -for -use フィージビリティ評価の精緻化 各データ要件の充足度を 候補間で比較し、 利用するデータソースを選択 ICH M14 のトレーニング資料： 初期評価で絞り込んだ 3つの候補 について、要件の充足度をヒー トマップで示し、契約・データ 入手・解析に要する期間も含め て比較する例が示されている ICH M14. WG Presentation / Trainings . 35

• https://www.ich.org/page/multidisciplinary-guidelines#14-1

ICH M14 にみるデータソース選択 問いと 研究デザインを具体化 し、 フィージビリティ評価を通じてデータソースを選ぶ この過程では、評価結果を踏まえ、 研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 36

ICH M14 にみるデータソース選択 問いと研究デザインを具体化し、フィージビリティ評価を通じてデータソースを選ぶ この過程では、 評価結果を踏まえ、研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 37

Step 7a. Determine if the proposed study is sufficient to address the research question 問いに答えられるかの判断 以下の3つを総合評価し、研究の問いに十分に答えられるか判断する 1. データの該当性・信頼性 2. 研究デザイン・解析方法の適切性 3. 研究の限界と、結果の妥当性・解釈に及ぼす影響 感度解析の計画 • 研究の限界が結果に及ぼす影響を評価するため、感度解析を事前に計画する • 検討する仮定・バイアスと、各解析の実施理由・強み・限界を明確にする 感度解析に関する演者の見解 • 主解析自体に検討の余地がある一方、実施理由が不明確な感度解析を多数並べた例も散見される • まず主解析の妥当性を吟味し、必要な感度解析を選ぶべき 総合評価で問いに十分に答えられないと判断した場合は、研究設計の見直しやデータ連結・追加収 集などを検討する（ Step 7b ） 38

Step 7b. Evaluate alternative approaches 代替案の検討 計画した研究で問いに十分に答えられない場合は、データや研究設計を見直す • 別のデータソース を検討する • 他のデータソースとの連結 による情報の補完を検討する • 当該研究のために新たにデータを収集する 一次データ収集 を検討する • 既存データの利用と一次データ収集を組み合わせる ハイブリッド型の研究 を検討する • 必要に応じて適格基準や比較対照などを見直し、変更の理由と推定する効果への影響を明記する 見直し後は Step 3 ～7a に戻り、実施可能性と問いに答えられるかを再評価する Desai RJ, et al. BMJ . 2024;384:e076460. 39

• https://www.bmj.com/content/384/bmj-2023-076460.long

ICH M14 にみるデータソース選択 問いと 研究デザインを具体化 し、 フィージビリティ評価を通じてデータソースを選ぶ この過程では、 評価結果を踏まえ、 研究デザイン・データソース選択を反復的に見直す Step 2 問いの明確化 Step 3 研究デザインの主要要素の具体化 Step 4 初期フィージビリティ評価 研究目的を明確にし、対象・曝 露・比較対照・アウトカム・期 間・セッティングを具体化 対象者の条件、曝露、アウトカ ム、共変量などを定め、最低限必 要なデータ要件を整理 利用可能なデータソースを探索 し、要件を満たす見込みのある候 補に絞り込み Step 7 問いに答えられるかの判断 Step 6 フィージビリティ評価の精緻化 Step 5 プロトコル案の作成 データ・研究デザイン・解析方法 と限界の影響を踏まえて判断し、 必要に応じて代替案を検討 候補データソースごとに、対象者 数と必要なデータの利用可能性・ 質を詳しく評価 研究デザイン、解析方法、残余バ イアスの影響を評価する方針を具 体化 40

テセウスの船 一つひとつ置き換えた先で、 答えたい問いは保たれているか 船の部材を少しずつ置き換えても、 それは同じ船といえるだろうか 標的試験を観察データで模倣する際も、 何を変え、何を保ったのかを振り返る その違いを踏まえても、 当初の問いに答えられるだろうか 図：演者作成（ ChatGPT 使用） 41

製造販売後DB 調査では、適切なデータソース選択がなされているだろうか 医薬品医療機器総合機構. 医薬品リスク管理計画（ RMP： Risk Management Plan ） . ... ？ 42

• https://www.pmda.go.jp/safety/info-services/drugs/items-information/rmp/0002.html

問いに答えるために、データの生成過程へ目を向ける 問いに答えるために、 何が見えている必要があるか 誰の、何が、いつ、どのように 記録されているのか 研究の問いから 必要な情報を要件にし、 候補データソースを評価して、 適したものを選ぶ 図：演者作成（ ChatGPT 使用） 43