P > 0.05だから非劣性」は査読で即却下！Cox比例ハザードモデルによる非劣性生存時間解析とICH-E9準拠の正攻法

「先生！低侵襲な新手術と標準手術の全生存期間（OS）を比較したところ、$P = 0.32$ で有意差なしでした！つまり、新手術の非劣性が証明されたということですよね？早速論文を書こうと思います！」

……ちょっと待ってほしい。それは論文査読（Peer Review）において、査読者から一発で却下される最も危険な誤用である。

臨床現場や学会発表において、「$P > 0.05$（有意差なし）＝ 差がない ＝ 非劣性である」と解釈してしまうケースは後を絶たない。しかし、仮説検定の論理構造上、通常の優越性試験における「有意差なし」は決して非劣性の証明にはならない。

本記事では、生存時間解析においてなぜ $P > 0.05$ では非劣性を主張できないのかという理論的背景から、国際ガイドライン（ICH-E9）に準拠した95%信頼区間上限（$\text{CI}_{\text{upper}}$）と非劣性マージン（$\Delta$）による正当な判定ルール、ITT解析とPP解析の二重検証、そしてRでの実践コードおよび論文でそのまま使える英文テンプレートまでを徹底的に解説する。

第1章：なぜ「P > 0.05（有意差なし）」で非劣性を主張してはいけないのか？

仮説検定の論理的限界：「証明の不在」と「不在の証明」

通常の優越性試験（Superiority trial）で設定される帰無仮説は、「両群のハザードに差がない（ハザード比 $\text{HR} = 1.0$）」というものである。

この検定において $P > 0.05$ となり帰無仮説が棄却できなかった場合、得られた結論は「両群に差があるとは言い切れなかった」に過ぎない。これは「差がないことが証明された（Proof of Absence）」のではなく、単に「差がある証拠が得られなかった（Absence of Proof）」状態を示している。

例えば、単にサンプルサイズが不足している（検出力が低い）不十分な臨床研究であっても、$P > 0.05$ という結果は容易に得られてしまう。データが不十分で精度が低いだけの解析を「差がない（非劣性である）」と解釈してしまうことが、どれほど危険か理解できるだろう。

非劣性試験における正当な仮説設定

非劣性を証明するためには、「差がない」ことを帰無仮説にするのではなく、「許容できないほど悪化している（劣性である）」ことを帰無仮説に設定する必要がある。

新治療群のイベント発生ハザードが標準治療群に対して低くなること（$\text{HR} < 1.0$）を「臨床的に望ましい（リスク低下）」とする場合、臨床的に「これ以上の悪化であれば許容できる」という限界値として非劣性マージン $\Delta$（通常 $\Delta > 1.0$）を設定する。

このとき、非劣性試験の仮説設定は以下のように厳格に定義される。$$H_0: \text{HR} \ge \Delta \quad \text{vs} \quad H_1: \text{HR} < \Delta$$

• 帰無仮説（$H_0$）: 劣性である（新治療のハザードが許容限界 $\Delta$ 以上に悪化している）
• 対立仮説（$H_1$）: 非劣性である（新治療のハザード悪化は許容限界 $\Delta$ 未満にとどまっている）

この帰無仮説 $H_0$ を統計的に棄却できて初めて、「非劣性が証明された」と胸を張って主張できるのである。

第2章：非劣性判定の絶対ルール「95%信頼区間上限」と「マージン $\Delta$」

95%信頼区間法（Confidence Interval approach）

生存時間解析における非劣性の判定は、$P$ 値ではなく、Cox比例ハザードモデルから算出されるハザード比の両側95%信頼区間の上限値（$\text{CI}_{\text{upper}}$）が非劣性マージン $\Delta$ を下回っているかどうかで判断する。

• 非劣性成立の判定条件: $\text{CI}_{\text{upper}} < \Delta$

視覚的イメージ（判定の3パターン）

非劣性マージンを $\Delta = 1.30$（標準治療に対してハザードの30%増加まで許容）と設定した場合の、信頼区間による判定パターンは以下の通りである。

                      [標準治療有利]       [新治療不利]
                                    |
(1) 非劣性成立         |--- Point ---||       (CI upper < 1.30)
                                    |        
(2) 非劣性不成立        |------ Point ------| (CI upper >= 1.30)
                                    |        
(3) 非劣性＋優越性成立 |--Point--|     |       (CI upper < 1.0)
                                    |
                          HR=1.0  Δ=1.30

1. 非劣性成立（Non-inferiority）:
   • 条件: $\text{CI}_{\text{upper}} < \Delta$（かつ $\text{CI}_{\text{upper}} \ge 1.0$）
   • 解釈: 95%信頼区間の上限がマージン $\Delta$ を下回っている。仮に新治療でハザードが悪化していたとしても、その程度は許容限界（30%増）未満であることが統計的に示された。
2. 非劣性不成立（Inconclusive for Non-inferiority）:
   • 条件: $\text{CI}_{\text{upper}} \ge \Delta$
   • 解釈: たとえ点推定値（HR）が $1.0$ 未満（例: $\text{HR} = 0.95$）であっても、$\text{CI}_{\text{upper}}$ が $1.35$ などでマージンを超えている場合、非劣性は証明されない。「許容できないほど悪化している可能性」を排除し切れていないためである。
3. 非劣性 ＋ 優越性の成立（Superiority）:
   • 条件: $\text{CI}_{\text{upper}} < 1.0$
   • 解釈: 95%信頼区間の上限が $1.0$ すら下回っている。新治療が標準治療に対して非劣性であるばかりか、統計的に有意に優れている（優越性）ことが同時に証明された。

スイッチング（1/2ステップ）ルール

研究プロトコルにおいてあらかじめ事前規定（Pre-specification）されていれば、非劣性試験としてデザイン・解析を行ったデータにおいて非劣性が証明された（$\text{CI}_{\text{upper}} < \Delta$）後、同じデータを用いて優越性（$\text{CI}_{\text{upper}} < 1.0$）の評価へ移行することが臨床試験のルール上認められている。

この際、多重性（Multiplicity）が生じないため、第一種の誤り率（$\alpha$ エラー）の調整を行うことなく、そのまま優越性を評価・主張して差し支えない。

第3章：非劣性試験における「ITT解析」の罠と「PP解析」の必須性（ICH-E9）

優越性試験と非劣性試験でのバイアスの向き

臨床試験の解析対象集団には、割付通りに全症例を解析する ITT（Intention-to-Treat）集団 と、プロトコル違反者を除外した PP（Per-Protocol）集団 が存在する。

両試験におけるバイアスの働く方向の違いは以下の通りである。

• 優越性試験におけるITT解析: 服薬不遵守やドロップアウトなどのノイズが含まれるため、両群間の差が薄まる方向（$\text{HR} \to 1.0$）へ働く。これは「差がある」と主張したい優越性試験においては結果を保守的（Safe側）にするため、優越性試験ではITT解析が主解析（Primary Analysis）とされる。
• 非劣性試験におけるITT解析: 両群間の差が薄まる方向（$\text{HR} \to 1.0$）に働くことは、「両群に差がない＝非劣性である」という結論を導きやすくする。つまり、ITT解析は非劣性試験において結果を非保守的（Unsafe側 / 非劣性を示しやすくする方向）にバイアスさせる。

ICH-E9ガイドラインに基づく二重検証（Dual Evaluation）

日米EU医薬品規制調和国際会議（ICH-E9ガイドライン）では、非劣性試験におけるこのバイアスリスクを防止するため、ITT解析とPP解析の両方を実施し、双方の解析で一貫して非劣性が示されること（Dual Evaluation）を強く求めている。

主解析をITTで行う場合でも、必ずPP集団による感度分析（Sensitivity Analysis）を行い、結論が揺るがないことを示す必要がある。

第4章：【実践Rコード】Cox比例ハザードモデルによる非劣性解析（Step by Step）

ここからは、Rを用いてCox比例ハザードモデルによる非劣性生存時間解析を実行する手順を解説する。

Step 1: 疑似臨床データの作成と確認

survival パッケージおよび tidyverse を使用し、新治療群（New）と標準治療群（Standard）の生存時間データを生成する。

library(survival)
library(tidyverse)

# 乱数シードの設定
set.seed(123)
n <- 400

# 疑似臨床データの作成
df <- tibble(
  id = 1:n,
  group = factor(rep(c("Standard", "New"), each = n / 2), levels = c("Standard", "New")),
  # 生存時間（月）の生成
  futime = round(rexp(n, rate = if_else(rep(c("Standard", "New"), each = n / 2) == "Standard", 0.03, 0.032)) * 12, 1),
  event = rbinom(n, size = 1, prob = 0.7),
  itt = 1,
  # 10%のプロトコル違反者（PPから除外）
  pp = if_else(runif(n) > 0.10, 1, 0)
) %>%
  mutate(
    status = if_else(futime > 60, 0, event),
    time = if_else(futime > 60, 60, futime)
  )

# データの先頭を確認
head(df)

Step 2: Kaplan-Meier曲線の描画

生存曲線の視覚的推移を確認する。

※補足（関連記事）

なお、Cox比例ハザードモデルの前提条件である比例ハザード性の確認（Schoenfeld残差プロット）については、[過去記事：Cox回帰での比例ハザード性破綻とRMST] を参照されたい。

library(survminer)

# ITT集団でのKaplan-Meier曲線の作成
fit_km <- survfit(Surv(time, status) ~ group, data = df)

# グラフ描画
ggsurvplot(
  fit_km,
  data = df,
  pval = FALSE, # 通常のP値（H0: HR=1.0）は描画しない
  conf.int = TRUE,
  risk.table = TRUE,
  legend.labs = c("Standard", "New"),
  palette = c("#2E9FDF", "#E7B800"),
  title = "Overall Survival (ITT Population)",
  xlab = "Time (Months)",
  ylab = "Survival Probability"
)

Step 3: Cox比例ハザードモデルの実行と95% CI上限の算出

survival::coxph 関数を用いてCox比例ハザードモデルを構築し、ハザード比（HR）とその両側95%信頼区間の上限値を取得する。

# ITT集団に対するCox比例ハザードモデル
cox_itt <- coxph(Surv(time, status) ~ group, data = df)
sum_itt <- summary(cox_itt)

# ハザード比、標準誤差、両側95%信頼区間の取得
hr_itt <- sum_itt$coefficients["groupNew", "exp(coef)"]
se_itt <- sum_itt$coefficients["groupNew", "se(coef)"]
ci_lower_itt <- sum_itt$conf.int["groupNew", "lower .95"]
ci_upper_itt <- sum_itt$conf.int["groupNew", "upper .95"]

cat(sprintf("ITT Population Results:\n"))
cat(sprintf("HR: %.3f (95%% CI: %.3f - %.3f)\n", hr_itt, ci_lower_itt, ci_upper_itt))

結果は以下のとおり 95% 信頼区間上限値は、1.884 となる。

> cat(sprintf("ITT Population Results:\n"))
ITT Population Results:
> cat(sprintf("HR: %.3f (95%% CI: %.3f - %.3f)\n", hr_itt, ci_lower_itt, ci_upper_itt))
HR: 1.013 (95% CI: 0.545 - 1.884)

Step 4: 非劣性マージン（$\Delta = 1.30$）との比較および片側 P 値の算出

非劣性マージンを $\Delta = 1.30$ と設定する。

片側Wald検定による非劣性の $P$ 値（$P_{\text{NI}}$）は、以下の数式で得られる $Z$ スコアを用いて算出する。$$Z = \frac{\ln(\text{HR}) – \ln(\Delta)}{\text{SE}(\ln(\text{HR}))}$$

この $Z$ スコアから標準正規分布の累積確率（Rの pnorm 関数）を求めることで、片側非劣性 $P$ 値が計算できる。

# マージンの設定
margin <- 1.30

# 片側検定統計量 Z および P値の計算
z_ni_itt <- (log(hr_itt) - log(margin)) / se_itt
p_ni_itt <- pnorm(z_ni_itt)

cat(sprintf("One-sided P-value for Non-Inferiority: %.4f\n", p_ni_itt))

# 非劣性の判定
if (ci_upper_itt < margin) {
  cat("Conclusion: Non-inferiority is ESTABLISHED (CI upper < Margin)\n")
} else {
  cat("Conclusion: Non-inferiority is NOT established (CI upper >= Margin)\n")
}

結果は以下のとおり、非劣性確認できず、となる。1.30 が非劣性の限界値と考えたとき、1.884 が 95% 信頼区間上限となると、劣ることがありうるという結論で、非劣性は確認できないわけである。

One-sided P-value for Non-Inferiority: 0.2155
Conclusion: Non-inferiority is NOT established (CI upper >= Margin)

Step 5: ITT集団 vs PP集団の感度分析（Sensitivity Analysis）

ICH-E9に則り、PP集団でも同様の解析を行い、結論の一貫性を評価する。

# PP集団（pp == 1）に対するCox比例ハザードモデル
cox_pp <- coxph(Surv(time, status) ~ group, data = df, subset = (pp == 1))
sum_pp <- summary(cox_pp)

hr_pp <- sum_pp$coefficients["groupNew", "exp(coef)"]
se_pp <- sum_pp$coefficients["groupNew", "se(coef)"]
ci_lower_pp <- sum_pp$conf.int["groupNew", "lower .95"]
ci_upper_pp <- sum_pp$conf.int["groupNew", "upper .95"]

z_ni_pp <- (log(hr_pp) - log(margin)) / se_pp
p_ni_pp <- pnorm(z_ni_pp)

cat(sprintf("\nPP Population Results:\n"))
cat(sprintf("HR: %.3f (95%% CI: %.3f - %.3f)\n", hr_pp, ci_lower_pp, ci_upper_pp))
cat(sprintf("One-sided P-value for Non-Inferiority: %.4f\n", p_ni_pp))

PP集団でも同様の結果であった。

PP Population Results:
HR: 1.052 (95% CI: 0.552 - 2.005)
One-sided P-value for Non-Inferiority: 0.2600

第5章：論文でそのまま使える英文テンプレート（Methods & Results）

論文（MethodsおよびResultsセクション）に記載する際の標準的な英文表現テンプレートを示す。

Methods セクション英文テンプレート

“The primary objective of this study was to evaluate the non-inferiority of [New Treatment] compared to [Standard Treatment] in terms of overall survival (OS). The non-inferiority margin for the hazard ratio (HR) was pre-specified at$\Delta = 1.30$. Hazard ratios and their 95% confidence intervals (CIs) were estimated using a Cox proportional hazards model. Non-inferiority was declared if the upper bound of the two-sided 95% CI for HR was less than 1.30, corresponding to a one-sided significance level of$\alpha = 0.025$. In accordance with the ICH-E9 guidelines, non-inferiority analyses were performed on both the intention-to-treat (ITT) and per-protocol (PP) populations to ensure consistency of the findings.”

Results セクション英文テンプレート

“In the ITT population, the hazard ratio for overall survival in the [New Treatment] group relative to the [Standard Treatment] group was [0.98] (95% CI, [0.75] to [1.24]). The upper bound of the 95% CI ([1.24]) was below the pre-specified non-inferiority margin of 1.30 (one-sided$P$for non-inferiority = [0.012]). Consistent results were observed in the per-protocol analysis (HR [0.96], 95% CI [[0.73] to [1.22]], one-sided$P$for non-inferiority = [0.008]). Thus, [New Treatment] was demonstrated to be non-inferior to [Standard Treatment].”

まとめ＆一括コピペ用Rスクリプト

本記事のポイントまとめ

1. $P > 0.05$（有意差なし）は非劣性の証明ではない: 単なる検出力不足でも $P > 0.05$ になる。「差があると言い切れない」ことと「差がない」ことは全く別物である。
2. 評価基準は95%信頼区間の上限（$\text{CI}_{\text{upper}}$）: 点推定値ではなく、$\text{CI}_{\text{upper}} < \Delta$（非劣性マージン）を満たすかどうかで判定する。
3. ITT解析とPP解析の二重検証が必須（ICH-E9）: 非劣性試験ではITT解析が結果を「非劣性側」へバイアスさせるリスクがあるため、PP解析での結果の一致を確認する。

一括実行用Rスクリプト

以下のコードをコピー＆ペーストすることで、データ作成からCox比例ハザードモデル実行、非劣性判定、片側 $P$ 値算出、ITT/PP比較出力までを一括して実行できる。

# ==============================================================================
# 非劣性生存時間解析（Non-inferiority Survival Analysis）一括実行スクリプト
# ==============================================================================

library(survival)
library(tidyverse)

# 1. 疑似データの生成
set.seed(123)
n <- 400
df <- tibble(
  id = 1:n,
  group = factor(rep(c("Standard", "New"), each = n / 2), levels = c("Standard", "New")),
  futime = round(rexp(n, rate = if_else(rep(c("Standard", "New"), each = n / 2) == "Standard", 0.03, 0.032)) * 12, 1),
  event = rbinom(n, size = 1, prob = 0.7),
  itt = 1,
  pp = if_else(runif(n) > 0.10, 1, 0)
) %>%
  mutate(
    status = if_else(futime > 60, 0, event),
    time = if_else(futime > 60, 60, futime)
  )

# 2. 解析設定
margin <- 1.30 # 非劣性マージン Δ

# 3. 解析関数定義
analyze_non_inferiority <- function(data, pop_name, subset_condition = NULL) {
  if (!is.null(subset_condition)) {
    sub_data <- data %>% filter(eval(parse(text = subset_condition)))
  } else {
    sub_data <- data
  }

  fit <- coxph(Surv(time, status) ~ group, data = sub_data)
  s <- summary(fit)

  hr <- s$coefficients["groupNew", "exp(coef)"]
  se <- s$coefficients["groupNew", "se(coef)"]
  ci_lower <- s$conf.int["groupNew", "lower .95"]
  ci_upper <- s$conf.int["groupNew", "upper .95"]

  # 片側P値の算出
  z <- (log(hr) - log(margin)) / se
  p_val <- pnorm(z)

  ni_status <- if_else(ci_upper < margin, "Non-inferiority Established", "NOT Established")

  return(tibble(
    Population = pop_name,
    N = nrow(sub_data),
    HR = round(hr, 3),
    `95% CI Lower` = round(ci_lower, 3),
    `95% CI Upper` = round(ci_upper, 3),
    `Margin (Delta)` = margin,
    `One-sided P (NI)` = round(p_val, 4),
    `Conclusion` = ni_status
  ))
}

# 4. ITTおよびPP解析の実行と結果表示
results_itt <- analyze_non_inferiority(df, "ITT Population")
results_pp <- analyze_non_inferiority(df, "PP Population", subset_condition = "pp == 1")

final_summary <- bind_rows(results_itt, results_pp)

cat("\n==============================================================================\n")
cat("                       NON-INFERIORITY ANALYSIS SUMMARY                       \n")
cat("==============================================================================\n\n")
print(as.data.frame(final_summary))
cat("\n==============================================================================\n")

おすすめ書籍

誰も教えてくれなかった　医療統計の使い分け〜迷いやすい解析手法の選び方が，Rで実感しながらわかる！