このスライドは会員限定コンテンツです。
今すぐアカウント登録（無料）して、続きを読みましょう！
1/46
関連するスライド
臨床研究立上げから英語論文発表までを最短最速で行うための極意
原正彦
19931
132
【漫画でわかる診断推論】シロクマ先生と親子の謎の腹痛
小栗太一
8428
29
その疑問、そのデータ、論文のタネになるかも。臨床医が研究を始めてデータを論文にするまで ／2026.04.08 Antaa ウェビナー
国立健康危機管理研究機構国立国際医療センター
8,094
50
投稿した先生からのメッセージ
メジカルビュー社より好評発売中です。
『ぼっちでもできる医学研究』
https://www.medicalview.co.jp/catalog/ISBN978-4-7583-2300-0.html
『ぼっちでもできる統計解析』
https://www.medicalview.co.jp/catalog/ISBN978-4-7583-2307-9.html
ウェビナーやスライドをご覧になって興味を持っていただけた方は、ぜひ本書もお手にとってもらえれば幸いです。
2026.08.28更新 ウェビナーでいただいた質問への回答を追加しました。(42p～)
概要
研究に興味はあるけれど、何から始めればよいかわからない。
学会発表で使ったデータはあるけれど、その先の論文化まで進められていない。
そんな臨床医の先生方に向けて、先日のAntaa Channelでお話しした講演スライドを公開します。
研究は、「やってみたい研究」から始めても、「今使えるデータ」から始めても構いません。
講演では、研究テーマの考え方から、データクリーニング、Table 1、学会発表から論文化までの流れ、臨床医が最低限押さえておきたい統計解析まで、実際の研究例を交えながらお話ししました。
研究に少し興味がある方や、手元のデータを何かの形にしたいと思っている方に、参考にしていただければ幸いです。
※本スライドは、Antaa Channelにて2026/5/12に実施したウェビナーの講演資料となります。
本スライドの対象者
研修医／専攻医／専門医
投稿された先生へ質問や勉強になったポイントをコメントしてみましょう！
0 件のコメント
このスライドと同じ診療科のスライド
テキスト全文
講師と聞き手の自己紹介
#1.
その疑問、そのデータ、論文のタネになるかも臨床医が研究を始めてデータを論文にするまで 講師：都築慎也 聞き手：中山祐次郎 『ぼっちでもできる医学研究』 『ぼっちでもできる統計解析』
#2.
自己紹介：都築慎也 東京大学文学部英語英米文学専修卒業(BA, 2002) 北海道大学医学部卒業 (MD, 2008) London School of Economics and Political Science MSc Health, Population and Society修了 (MSc, 2014) アントワープ大学医学部博士課程修了 (PhD, 2023) 小児科医として国立国際医療研究センター勤務 (2010-2013) 厚生労働省IDES養成プログラム修了(英国Public Health England派遣) 2021年より現職（国立健康危機管理研究機構国立国際医療センター国際感染症センター応用疫学研究室医長、AMR臨床リファレンスセンター薬剤疫学室長） 研究領域：感染症疫学、医療経済学、数理モデル等
#3.
自己紹介：中山祐次郎 神奈川県横浜市出身、聖光学院卒業 (2000) 鹿児島大学医学部卒業 (MD, 2006) 東京都立駒込病院初期研修医、その後大腸外科スタッフとして計9年(学会発表だらけで論文ほぼゼロ) 福島県 総合南東北病院外科 医長 (このころ「泣くな研修医」で作家デビュー) 京都大学大学院医学研究科 (いわゆる公衆衛生大学院) 卒業 (MPH, 2018) 福島県立医科大学 医学博士 (論文博士, 2023) 2021年より神奈川県 湘南東部総合病院外科、湘南医療大学臨床教授 現在に至る 研究領域：大腸癌低侵襲手術・治療、外科教育、社会医学 (一般への啓発・発信等) 論文実績：英文論文1st author 7本、co-author 8本
研究を始めるための基本
研究テーマの具体化と学会発表
データの整理と論文作成の流れ
研究テーマの選定とデータ収集
研究費用とデータの活用法
統計解析の基礎知識と注意点
多変量解析の重要性と注意点
論文執筆の進め方と研究の自由
Q&Aセッションと研究の実践
#4.
研究に興味がある。でも何から始めれば？
#5.
Q 臨床医なんですが、研究って臨床に 活きるの？ 本気でやる意味ある？ A 活きると思います。本気でやる意味あるかは貴方次第ですが、 それを言ったら臨床だって同じことでは？
#6.
Q 知識、経験ゼロだけどやってみたい。 まず何をすれば？ A ふた通りあって、「やりたい研究」が決まっている場合と、 「使えるデータ」が決まっている場合とあると思います。 「食べたい料理」を考えるか、「家にある食材」から考えるかに近いです。 あれが食べたいから 必要な食材を買おう… 冷蔵庫にあるもので 作れる料理を考えよう…
#7.
もう少し具体化すると…… 「やりたい研究」が決まっている 「研究したい、しなければならない」という飢餓感or義務感が先 本来こちらが王道 取り組みたい疑問に合わせて必要なデータを入手する 入手できなければ（大概そうなる）どこについて妥協できるかを考える 現実にはこのケースも多い この場合「今、自分が使えるデータは何か」を考える 無ければ買ったり貰ったりする データから逆算して「何ができるか」を考える
#8.
Q 逆に教える立場の場合は、どんなことに気をつけるべき？ A 正直（論文を「読む」のはともかく「書く」ほうは）滅茶苦茶「向き不向き」の分かれる分野だと思います。こんなご時世ですし、その気もない若手に無理矢理研究をさせるのはどうかなとも思います。 特に私個人は「医局員全員が博士課程に進学する」というシステムにはあまり賛成していません。 ただ、臨床医に「専門医を取らせない」という選択肢はないと思うので、その場合「最低限」の労力で要件を満たせるような指導をしてあげるべきなのかも？
#9.
学会発表について
#10.
Q データもないし、指導できる上司も いないけど学会発表やってみたい A 何かネタを見つけて症例報告かTable 1を作りましょう。 上司がいなくても、やったことのある先輩や何なら同期でもいいので、 助言してくれる人がいると話が早いです。 Table 1とは…… 研究で使われたデータの全体像を整理したもの。 全部で何人の患者が含まれていて、男性が何割、年齢層はこのあたり、 基礎疾患はこんなものが多い、などを一覧にする。
#11.
Table 1の実例 メジカルビュー社『ぼっちでもできる統計解析』より改編 作成にはそれなりに時間がかかる、が、最低限の統計の知識とコツを身につければ短時間で作成可能。 初心者にはEZRなどがお薦め。
#12.
Q上司に「ウチのデータで学会発表するから な」と言われた。どういう流れになる？ A: だいたいこんな感じです。②と③が圧倒的に面倒なので、 そこを手早くこなせると重宝されるでしょう。 ① 発表内容の概要について指示を受ける（ないこともある…） ② データを綺麗にする（クリーニング） ③ 集計して表にまとめる（記述疫学、Table 1作成） ④ 余裕があれば解析（多変量解析が多い）して、提出
#13.
Q 学会発表と論文の違いは？ A あくまで個人の感想ですが（特に臨床系の教室はまったく事情が異なるかも） 学会発表は半分観光なので、可能な限り論文にしてください。 理想は論文を仕上げてからその演題を学会に投稿することです。 私は採用の時、履歴書の「学会発表」の欄はほぼ見ないです。
#14.
その疑問、研究テーマになる？
#15.
Q こんなテーマでも論文になる？ A: おそらく皆さんが思っている以上に自由です。 私個人の例としては、「治癒証明書」で一本書きました。 個人的に面白いと思ったのは、「鮨ネタを冷凍すると（素人にわかるくらい）味が落ちるのか？」をRCTで確かめた研究。 なので、そこに疑問があって「形にする能力」さえあれば大概論文にはできる。 DOI: 10.1186/s12889-019-6600-0 DOI: 10.1093/cid/civ057
#16.
例1）治癒証明書で毎年100億くらい無駄に なってるのでは？ という疑惑 治癒証明書制度によって生じている追加費用は、人口100万人あたりで100万ドル程度。 無視できない額ではあるが、目くじらを立てるほどではない？ （ちなみに使用したデータはすべてインターネットから無料で入手）
#17.
例2）鮨ネタを冷凍すると（素人にわかるくらい） 味が落ちるのか？ 40人で480貫の鮨を食べてもらい、美味しいほうの皿を回答。 イカ・サバともに有意差なし。
#18.
Q 研究のためにデータを探してくるのって あり？ そんな方法ってある？ A むしろそのほうがお薦め。 ネタにもよるがアンケート調査など意外と役に立ちます。 最近はレセプトデータを購入するのも流行り。 ただし、予算とデータ活用に余力のある人向け。 詳細は『ぼっちでもできる医学研究』もご参照下さい。
#19.
お金のことは大事なのでもう少し アンケート調査で論文化できるデータを入手するなら、100万くらいはかけたいところ（当直ｎ回頑張る）。 レセプトデータはぐっとお高い印象になり300～500万程度。 事実上、ほぼ研究費など公費での購入になる。 お金もない、バイトする余裕もないなら無料のデータで頑張る。 研究費を獲るのは研究者にとって大事な仕事だが、今回は割愛。
#20.
アンケート調査例 200世帯から600の回答を得るために100万円弱かかった。 インフルエンザと普通の風邪で失われるQOLはほぼ同じだが、欠席期間に明らかな差が見られることがわかった。 DOI: 10.1186/s12889-020-08603-x
#21.
Q 研究にかかる労力と費用、本当のところ が知りたい。 A 『ぼっちでもできる医学研究』のなかで示している具体例をご紹介します。 例1）無料データ＋独力で解析 例2）無料データ＋解析には協力者を要した 例3）高額データ（だが施設が所持）＋独力で解析
#22.
例1）たった1人で執筆・投稿 DOI: 10.1186/s12889-019-6600-0 すべて独力で行い、BMC Public HealthでAccept！
#23.
例2）予算はないけど助っ人専門家がいた DOI:10.1016/j.vaccine.2019.11.001 海外研究者に統計解析を協力してもらい、VaccineでAccept！
#24.
例3）施設が持っているデータを使う DOI:10.1186/s12913-020-5021-1 自力では高額で買えないデータでも、施設が持っている場合は使用可能なことも。 使いやすそうなデータから、言えそうなことを考えることもできる。
#25.
Q 公衆衛生大学院に行った先輩が偉そうに している。実際どう？ A 私は行ったことがないので、中山先生に伺ってみましょう。 ただ日本でMPHが濫立した結果、出来上がったものは米国のそれとは結構違うのではないかな、と外から見て思ってはいます。
#26.
Q 自分で研究するとしたらどういう工程 になる？ A: 学会の演題と基本的には同じで、それを最後までやりきればいいです。つまり、 ① 何について明らかにしたいか決める ② データを綺麗にする（クリーニング） ③ 集計して表にまとめる（記述疫学、Table 1作成） ④ 主解析（多変量解析が無難）して、図表にまとめる ⑤ 本文書いて、体裁を整える ⑥ 投稿 みたいな感じになります。
#27.
多変量解析の結果を図示 メジカルビュー社『ぼっちでもできる統計解析』より抜粋
#28.
ログランク検定の例 メジカルビュー社『ぼっちでもできる統計解析』より抜粋
#29.
Q 統計解析が難しそうで怖い。 臨床医に必要な知識ってどの程度の量？ 記述統計の大原則（Table 1の作り方） 単変量解析の基本（カイ二乗検定、フィッシャー検定、t検定、マンホイットニーのU検定） 多変量解析の基本（線形回帰とロジスティック回帰） 変数選択の基本（Event per variable ≧ 10の原則） 最低限で良しとするなら、このくらいでも生き延びられます。
#30.
Table 1の作成における注意点 「平均値」ではなく「中央値」！ 「標準偏差」ではなく「四分位」！ この点に注意するだけで集計表が「わかってる風」になる。 ［統計解析の知識］
#31.
検定方法（単変量解析）の選択 ［統計解析の知識］
#32.
多変量解析のイメージ図 https://www.nttcoms.com/service/research/dataanalysis/regression-analysis/ https://www.nli-research.co.jp/report/detail/id=62065?site=nli 子供の身長と親の身長の関係性（線形回帰） ロジスティック回帰 ［統計解析の知識］
#33.
Events per variable (EPV)って何？ 言うまでもなく、解析に投入しなかった因子は調整されない。 しかし、投入する変数を欲張ると結果が不安定になる。 線形回帰では総サンプル数÷15が、 ロジスティック回帰ではアウトカムが0か1かで分け、 どちらか少ないほうのサンプル数を10で割った数が目安となる ［統計解析の知識］
#34.
おまけ 変数選択時の注意点 単変量解析の結果、有意となったものを多変量解析に含める 統計ソフトでステップワイズ法を指定し、残った変数を含める …のはダメ！！ 先行研究や医学的見地から、単変量解析の結果によらず選択するのが正しい… 理由は後述 ［統計解析の知識］
#35.
発展編：なぜ多変量解析の変数を単変量解析の結果で決めてはいけないのか？ 単変量で有意でなくても、重要な交絡因子かもしれない 「結果と関連する変数」と「調整すべき変数」はそもそも別物 多重検定問題が生じる（よく「棒高跳び」に例えられる） …まとめると多変量解析に投入する変数は事後に（無計画に）決めるのではなく、 「研究の目的上、調整する必要があると事前に考えられる」ものを入れる ［統計解析の知識］
#36.
発展編：「何でも論文にできる」と言われてしまうと却ってやりづらいのですが… 最初は「ハードなアウトカム（死亡とか）を避ける」のが有用かもしれません 「質的研究」は完全に専門外なので何か言える立場にないですが、思った以上に沢山「量的に評価できる」指標があることは知っておいて下さい 「死亡などよりも意義の小さいアウトカムを考えて、定量的に比較する」ことで論文として着地できる可能性が高まる、と言えます アンケートなどをお勧めするのはそういった理由もあります
#37.
発展編：後輩にこんなことを訊かれた。どう答えるべき？ 解析にAI使っても良いですか？ → 使えるけど危険です。育てましょう。 本文の書き方が分かりません。 → 日本語で良いからとにかく書きましょう。 和文誌じゃダメですか？ → （原則）ダメです。 この解析合ってますか？ → …正直、餅は餅屋…。
#38.
発展編：論文を書くのにも慣れてきた。もっとIFの高い雑誌に載せるには？ 正直、私もLancetやNEJMに載せたことがあるわけではないので、本当のTop of top journalにどうやったら載るのかは私も訊きたいです ただ、大原則として “Garbage in, garbage out” の格言は常に有効 つまり何とかして「素材」の質を上げていく（サンプル数を大きくして検出力を上げる、多施設や多国籍にして代表性を強化するなど）必要があると思われます 解析手法の充実だけでは限界を感じることが多いです（流行り廃りもあります）
#39.
明日まず何をすれば良いか 「作る料理（研究テーマ）」か、「食材（使えるデータ）」のどちらか、できれば両方を決めてしまう。 お題は（おそらく）自分で考えている以上に自由。とはいえ、自由すぎると纏まらないので、上手く導いてくれる存在が必要。 研究経験が豊富で教え好きな先輩や上司がいれば理想的だが…。
#40.
「ぼっち」でもできます 研究の進め方、論文の書き方全般 具体的な統計解析のやり方 どちらもメジカルビュー社から。電子書籍もあります A5判192ページ 2024年3月刊行 3,600円＋税 A5判208ページ 2026年7月刊行 3,600円＋税 練習用データ付き！
#41.
終わりに 臨床医であっても、研究を実施して論文を書くことは可能だし、その経験は本業にも活きる（はず）。 テーマを思いつかないなら、使えるデータから考えるのもあり。 一方、どんなテーマでも意外と論文にできたりする。 最初は助言してくれる人がいたほうが良いが、参考書片手でもじゅうぶん可能。
#42.
Q & A いただいた質問に回答します 1/4 No. 質問 回答 1 先生方は研究のネタや疑問を普段どのように書き留めたり、ストックしたりしていますか？ また、後からどう選別していますか？ あまり参考にならずすみません、いちいちメモったりしてないです…。私の場合は臨床をやっていないため、いつも次はどのネタを論文にしようか考えているのであまり必要ない、というのはあると思います。ふだん論文を読んでいると、「このネタは論文にするのは厳しそうだな」とか、「このネタは今しか使えなさそうだな」みたいなのが見えて来ると思います。 2 自分では面白いと思った疑問やテーマでも、似た研究がすでに出ている場合、どこに違いがあれば、研究として進める価値があると考えますか？ 「日本では同じことが言えるかわからない」とするのはひとつの手です。ただ、欧米はびっくりするぐらい日本に興味がないので、あんまり良い雑誌には載らないです。とは言え日本人は自国データでのエビデンスを求める傾向が強く、どこかしら拾ってくれる可能性が高いので、まず論文を書いてみたいという場合「日本で同じことをやってみる」のは理に適っていると思います。 3 最初の1本はどんなテーマや研究デザインを選ぶと挫折しにくいでしょうか？ 最初の研究では、死亡のようにあまり起こらないアウトカムは避けた方がよいと思います。イベント数が少ないと、後の解析が難しくなってしまうからです。研究デザインとしては、最初からRCTに取り組むより、後ろ向きの観察研究の方が取り組みやすいと思います。また、0/1のアウトカムだけでなく、症状の長さなど連続値で扱えるアウトカムを考えてみるのもよいと思います。 4 専門医の要件を満たすための研究なら、最初から論文化まで狙うべきでしょうか？ これは本人のモチベーションと、専門医を取る学会の要件次第だと思います。論文まで求める学会もあれば、学会発表でよい学会もあります。本人が研究にそれほど興味がなく、学会発表だけで要件を満たせるのであれば、無理に論文化まで求めず、学会発表で完結するようなテーマでもよいと思います。
#43.
Q & A いただいた質問に回答します 2/4 No. 質問 回答 5 なかなか書き進まない若手の論文執筆をどのように指導すればよいでしょうか。結局いつの間にか全部自分が書いてしまうことが多く、若手の「らしさ」を生かすのがいつも難しいと考えてしまいます。 一つ有効なのは、次に会う日をあらかじめ決めてしまうことだと思います。「次はこの日」という締切を作ることで、そこまでに進めるきっかけになります。性格にもよると思いますが、定期的に締切を置くのは有効だと思います。 6 そこそこの学年（15年目くらい）になってしまったのですが一度もケースレポートの論文を書いたことがありません。学会発表歴は症例報告数回のみです。現在入院は見ておらず新患の振り分け外来のみです。このような状況だと、ケースレポートを生み出すのは難しいでしょうか…。若手の先生が論文を書いているのを見るとうらやましい！やってみたい！と思います。 まず私はもう臨床から足を洗ったので、やっていた頃に2、3例論文にはしましたが、基本的にはCase reportは門外漢です。ただひとつ確実に言えるのは、既に学会発表した症例報告を論文にすればいいのです。学会の演題としては通っても英文誌のCase reportには厳しい、というケースもありますから、選別の基準はやはり経験者に訊くのがいいでしょう。訊ける人が身近にいないのであれば、珍しい症例か教訓のある症例、あとは診断がキッチリついていることなどが大事なのではないかと予想しますが、あくまで予想です（もう日常的にCase reportを読んだりしないので）。 7 専門医取得などをきっかけに初めて研究する場合、研究テーマは普段診療を教わっている先生と相談して決めるものなのでしょうか？ それとも、研究をみてもらう先生と決めていくものなのでしょうか？ 臨床の指導医と研究の指導医が別々であれば、まずご自身と三人で顔を突き合わせて相談すべきだと思います。ふたりの指導者が違った方向を向いていると、纏まるものも纏まらなくなるので。
#44.
Q & A いただいた質問に回答します 3/4 No. 質問 回答 8 昔集めたデータや、欠損が多くてあまりきれいではないデータでも研究に使えるのでしょうか？ どのあたりで「これは使うのが難しい」と判断しますか？ まずアウトカムを設定してみて下さい。アウトカムが「あり」「なし」で区別できる場合、「あり」「なし」の少ない方が100例を大幅に下回っている場合はもう厳しいと思います。後は欠損については欠損値が多いのが一部の項目だけであれば、その項目だけまるっと使わないと決めてしまえば何とかなりますが、性別や年齢のように「なんでこの変数すらないねん」と言われそうな項目が穴だらけだとちょっと厳しいかも。 9 EZRなどを使えば計算自体はできると思うのですが、出てきた結果が本当に正しいのか自信がありません。初心者はどこを確認すれば「解析を間違えていない」と判断できますか？ EZRが計算して出した結果そのものよりも、そもそも選んだ解析手法が適切かどうかが大事です。そこを確認するには、相談できる人がいれば聞くのが一番楽だと思います。自分で判断するのであれば、教科書などで勉強して、「このデータに対してこの解析方法でよいのか」を理解する必要があります。 10 解析してみたものの、有意差が出なかった場合は「研究としてうまくいかなかった」と考えるのでしょうか？ そんなことはありません。研究の目的次第です。例えば非劣性を示す研究のように、「劣っていないこと」を示すことが目的の場合もあります。また、自分では差があると思っていたのに実際には差がなかった、という結果そのものが重要な知見になることもあります。有意差が出なかったからといって、研究として失敗したと考える必要はないと思います。 11 ChatGPTなどの生成AIによる統計解析はどこまで信用できますか？ 使うことはできますが、理解しないまま解析を丸ごと任せるのは危険だと思います。私なら、解析結果そのものを出してもらうのではなく、「この解析を行うためのRやPythonのコードを出してください」と依頼します。そのコードを自分の環境で実行して同じ結果が出れば、再現性を確認できます。ただし、どんな解析をさせるべきか適切に指示するためには、自分自身にも最低限の統計知識が必要です。
#45.
Q & A いただいた質問に回答します 4/4 No. 質問 回答 12 英文を書くのに抵抗があるけど、いつまでも和文英訳を続けると、いつまで経っても自力で英語の論文を書けなくなるのが心配です。どうしたほうがいいですか？ おそらくそう（いつまで経っても自力で英語の論文は書けない状態に）なるでしょう。ただし「何を以て『できる』とするか」というのは少々哲学的な話でもあります。私も統計解析はRに任せっきりで自分で計算をやっているわけではありません。厳密にはRのコードは書けても、統計解析の複雑な計算を手でやることはできませんが、これを昔の人は自分の手でやっていたわけです。昔の人の感覚からすると、私を「統計のできる人」と認定するのはちょっと躊躇うのではないかと思われます。同じことで近い将来、「翻訳ソフトでも何でも使って構わないから、とにかく英語で論文が書ける人」を「英語論文が書ける人」と認定する世の中になるのではないかと思っています。そのあり方に我々が違和感を覚えるかどうかとは関係なく。 13 月々5,000円払って、とある医療統計の相談サイトに入っています。個別データの相談には追加料金がいりますが、一般的な質問はこの範囲で随時可能です。これって高いですか、安いですか？ 妥当だと思います。一般的に論文に必要な統計解析を業者に丸投げするのなら、数百例程度の観察研究であっても100万くらいは取られます。だいたい依頼者は一回で結果に満足したりしませんので、追加で解析を依頼することになります。そうするとまた数十万単位で料金がかかるので、お金で解析を済ませようとするなら150～200万くらいは覚悟しておく必要があります。貰える助言が適切でほぼ毎月利用するという前提であれば、特に高くはないかと。「自分で手を動かす前提でアドバイスだけなら、もっと安くても良いのでは？」という意見も当然あり得ますが、気軽に統計相談ができる人脈、というのは意外と得難いです。例えば当日話題に挙がったように、大学院に進学するなどしてそのような専門性を持つ人と個人的に知り合いになる、というのがひとつ確実な手段ですが、安くない授業料と年単位の時間を要することを考えれば、そこを省略して統計のアドバイスだけ月5000円、というのはまあそんなところではないでしょうか。 14 基本的にはEZRで計算するようにして、ChatG
会員登録・ログインで「スライド内のテキスト」を参照いただけます。