核心解説
この問題は、看護研究や疫学において重要な概念である
交絡因子 (Confounding Factor)の正しい定義を問うています。
交絡因子とは、曝露 (Exposure) とアウトカム (Outcome) の両方に関連する第三の変数であり、両者の真の因果関係を歪めてしまう要因のことです。これを理解せずに統計解析を行うと、誤った結論を導くリスクがあります。
正解の根拠 (Answer Rationale)
選択肢5「曝露と疾患の両方に関連し、両者の真の関係を歪める第三の変数である」が交絡因子の定義そのものです。例えば、「コーヒーを飲む人は肺がんになりやすい」という観察研究があったとします。この時、
喫煙 (Smoking)はコーヒー摂取と関連し、かつ肺がんの強力なリスク因子であるため、交絡因子となります。コーヒー摂取の影響を正しく評価するには、統計的に喫煙の影響を調整する必要があります。
誤答の分析 (Distractor Analysis)
混同注意！ 疫学における「バイアス (Bias)」と「交絡 (Confounding)」は異なる概念です。バイアスは研究デザインや測定の系統的な誤差であり、交絡は変数間の関連によって生じる歪みです。
① 選択肢1（研究者の主観による系統的誤差）→ これは
情報バイアス (Information Bias)の説明であり、特に観察者バイアスや想起バイアスに該当します。
② 選択肢2（サンプル数不足による検出力低下）→ これは
統計的検出力 (Statistical Power)の問題であり、サンプルサイズが小さいと真の関連を見逃す可能性が高まります（第2種の過誤）。
③ 選択肢3（対象者選択の偏り）→ これは
選択バイアス (Selection Bias)の説明です。例えば、健康なボランティアのみを対象にすると、一般集団より結果が良好に出る「健康労働者効果 (Healthy Worker Effect)」が生じます。
④ 選択肢4（測定方法の不統一による再現性低下）→ これは
測定誤差 (Measurement Error)や信頼性 (Reliability)の問題です。測定機器のキャリブレーション不足などが該当します。
関連概念の整理 (Related Concepts)
交絡因子の影響を取り除く方法として、研究デザイン段階では
無作為割り付け (Randomization)や
マッチング (Matching)、解析段階では
層別解析 (Stratification)や
多変量解析 (Multivariate Analysis)があります。看護研究においても、患者背景（年齢、性別、重症度など）が交絡因子となることが多いため、研究計画時に考慮することが重要です。
概念整理:
交絡因子は曝露と結果の両方に関連する第三の変数。バイアス（系統的誤差）とは異なる。例：飲酒と肺がんの関連における「喫煙」の影響。
一目で比較！:
| 用語 | 定義 | 例 |
|---|
| 交絡因子 | 曝露と結果の両方に関連し真の関連を歪める | 喫煙がコーヒーと肺がんの関連を歪める |
| 選択バイアス | 対象者の選び方に起因する系統的誤差 | 病院ベースの研究で重症患者のみ集まる |
| 情報バイアス | 測定やデータ収集方法に起因する誤差 | 患者の過去の曝露を思い出せない想起バイアス |
| 測定誤差 | 測定の不正確さによる誤差 | 血圧計の校正不良 |
看護過程ポイント: 看護研究やEBP (Evidence-Based Practice)において、文献を批判的に評価する際に交絡因子が適切に調整されているかを確認する視点が重要。アセスメント段階で患者の背景因子を系統的に収集する習慣が、交絡を理解する基盤となる。
暗記のコツ: 「交絡＝混ざって絡まる」と覚えましょう。曝露と結果の間に第三の変数が「混ざって絡みつき」、真実が見えにくくなるとイメージしてください。
国試頻出ポイント: 疫学の基礎概念として、交絡因子と各種バイアスの違いを問う問題は頻出。特に「選択バイアス」「情報バイアス」と「交絡」の定義を明確に区別できるようにしておくことが合格の鍵です。
出題パターン注意！: 単純な定義問題から、事例問題（例：「ある研究で、運動習慣と骨折の関係を調べたところ、年齢が影響していた。この年齢は何か？」→交絡因子）に発展することが多いです。