標的試験エミュレーションによる不死時間への対処：逐次試験エミュレーションとClone-Censor-Weight法

深澤 俊貴, 篠崎 智大

薬剤疫学　2026 年 31 巻 1 号 p. 31-45

以下、Chat GPTによる要約（2026/8/31）

この論文は、「不死時間（immortal time）をどう避けるか」を、Target Trial Emulation（TTE）の考え方から体系的に整理した方法論的レビューです。特に 逐次試験エミュレーション（sequential trial emulation） と Clone-Censor-Weight（CCW）法が中心です。

一番重要なメッセージ

著者らの主張を一言でまとめると、

不死時間バイアスを避ける本質は、「不死時間を統計解析で処理する」ことではなく、適格性判定・治療割付・追跡開始の3つを time zero で揃えることである

ということです。

具体的には、

Telig：適格性判定

Tassign：治療割り付け

T0：追跡開始（time zero）

を原則として同じ時点にする必要があります。RCTでは通常これらが同期しますが、観察研究ではずれやすく、そのずれが不死時間を生みます。

さらに著者らは、「immortal time bias」の本質は単に不死時間が存在することではなく、3時点の不整合によって生じる選択バイアスまたは誤分類バイアスだと整理しています。

不死時間が生じる2つのパターン

論文では図1（p.32）で、主に2種類に分けています。

① Post-assignment eligibility

治療割付後の情報を使って適格性を決めるケースです。

例えば、「スタチン開始者のうち、その後6か月間継続服用した人」を治療群にするような設計です。6か月生存しなければ適格者になれないため、その期間が事実上の不死時間になります。

② Post-eligibility assignment

適格性を満たした後、将来の治療状況を見て治療群を決めるケースです。

例えば、

「診断後3か月以内に治療を開始した人」vs「開始しなかった人」

を診断日から追跡する場合です。開始群に入るには治療開始まで生存する必要があるため、開始までの期間が不死時間になります。

TTEを4タイプに分類

この論文で特に有用なのが表1（p.34）の4分類です。

                 T0で治療戦略を区別できる               T0では区別できない

適格性が1回        第1型：通常のTTE           第3型：CCW法

適格性が複数回    第2型：Sequential trial emulation   第4型：Sequential CCW

つまり、研究デザインを考える際には、

① eligibility が一度だけか、何度も成立するか

② time zero の時点で治療戦略が分かるか

の2点をまず確認すれば、適切なTTEの方法が見えてきます。

第1型：通常のTTE

例えば、

脂質異常症の新規診断日 → その日にスタチン開始 vs 非開始

です。

診断日に

Telig = Tassign = T0

とできるので、最も単純です。

重要なのは、T0より後の情報をeligibilityに使わないことです。「その後何回か処方された患者だけを対象にする」とすると、再び不死時間が発生します。

第2型：Sequential trial emulation

Eligibilityが何度も成立する場合です。

例えば「脂質異常症と診断されてから3か月以内で、まだスタチンを開始していない患者」は、毎日、

今日スタチン開始 vs 今日開始しない

という仮想試験に参加できます。

そこで、各日を別々のtarget trialのT0と考えます。

論文の図2（p.35）では、新規診断から90日間について、90個のnested trialsを逐次的に作り、最後に全部をpoolして解析するイメージが示されています。

同じ患者が複数trialに参加するため、標準誤差については個人単位のbootstrapまたはcluster-robust varianceが必要になります。

この方法のメリットは、eligibilityを満たした時点から1時点だけをランダムに選ぶ方法より、利用可能な観察データを無駄にせず統計的効率を上げられることです。

実例として、イスラエルのBNT162b2 COVID-19ワクチン研究が紹介されています。43日間、毎日trialを作成して解析し、感染予防効果は初回接種14–20日で46%、2回目接種7日以降で92%と推定されました。

第3型：Clone-Censor-Weight法

この論文のもう一つの中心です。

典型的なのは、

「診断後3か月以内にスタチンを開始する」vs「3か月以内には開始しない」

という問いです。

診断日（T0）では、患者が最終的にどちらの戦略に従うのかまだ分かりません。将来を見てから群分けすると immortal time bias が発生します。

そこでCCW法では、図3（p.36）のように3ステップを行います。

Step 1：Clone

各患者をコピーして、

clone A → 治療開始戦略

clone B → 非開始戦略

の両方に割り付けます。

したがってT0では、

Telig = Tassign = T0

が成立します。

しかも同じ患者が両戦略に入るため、原理的にbaseline confoundingはありません。

Step 2：Censor

実際の治療経過が割り付けられた戦略から逸脱した時点で、そのcloneを人工的に打ち切ります。

例えば「14日以内に治療開始」という戦略なら、

開始戦略clone → 14日までに開始しなければcensor

非開始戦略clone → 14日以内に開始した瞬間にcensor

です。

Step 3：Weight

ただし、この人工的censoringはランダムではありません。

重症患者ほど早く治療される、といったことがあればinformative censoringになります。

そこで、

inverse probability of censoring weighting（IPCW）

を使い、「その時点までcensorされずに残る確率」の逆数で重み付けします。

したがってCCWは、

Clone → Censor → Weight

と覚えると非常に分かりやすいです。

第4型：Sequential Clone-Censor-Weight法

第4型は、

① 適格性を満たす機会が複数回ある

＋

② それぞれのT0では、どの治療戦略に従うかまだ区別できない

という状況です。

論文のスタチンの例なら、

「脂質異常症の診断後、適格基準を満たしている任意の時点から、一定の猶予期間内にスタチンを開始する戦略 vs 開始しない戦略」

です。

第2型と第3型を組み合わせると理解しやすいです。

CCW法の重要な意味

CCWの核心は、治療開始前に起きたアウトカムも、開始戦略側のアウトカムとして正しく扱えることです。

例えば「14日以内に抗凝固薬を再開する戦略」に割り付けられた患者が、実際の再開前の5日目にイベントを起こしても、そのイベントを「再開群から除外」してはいけません。

T0の時点では「14日以内に開始する戦略」に割り付けられているので、そのイベントもその戦略のアウトカムとして扱います。これが不死時間を消す重要なポイントです。

CCWの実例

論文では、日本のJMDCデータを使った、

心房細動を伴う慢性硬膜下血腫（CSDH）患者で、手術後14日以内に抗凝固薬を再開する vs 再開しない

という研究が詳しく紹介されています。

手術日をT0として全患者をcloneし、両戦略に割り付けています。

90日CSDH再発リスクは、

14日以内再開：11.7%

非再開：9.4%

Risk ratio = 1.20（95% CI 0.67–2.36）

Risk difference = 1.9%（−4.0–6.6%）

でした。

この例では、IPCWをpooled logistic regressionで推定し、その重みを用いたweighted pooled logistic modelからdiscrete-time hazardを求め、最終的にmarginal riskを算出しています。かなり実装まで踏み込んだ説明になっています。

New-user designとの関係

著者らは、従来のnew-user designも、多くの場合はTTEの一形態として理解できるとしています。

特に、

active comparator new-user（ACNU）design

は、治療A開始 vs 治療B開始なのでTassignが明確になりやすく、target trialとの対応も比較的きれいです。また無治療との比較よりconfounding by indicationを軽減しやすいという利点があります。

一方、prevalent new-user（PNU）designについてはかなり慎重です。

PNUでは、

new user

direct switcher

delayed switcher

continuer

restarter

など異なる治療versionが混在し、「いったい何と何の因果効果を比較しているのか」が曖昧になりやすいと指摘しています。これはcausal consistencyの問題につながります。

著者らはさらに、PNUとACNUではestimand自体が異なるため、PNUをACNUの単純な感度解析として扱うのも適切ではないとかなり明確に述べています。

Landmark analysisはなぜ十分ではないか

ここも重要です。

Landmark analysisでは、例えば「治療開始まで90日間の猶予期間」がある場合、90日後をlandmarkとして、

90日までに治療した vs しなかった

を比較します。

これで見かけ上のimmortal timeはなくなります。

しかし、90日以内に死亡・イベント発生した患者は解析から除外されます。

そのため対象集団が、

「baselineの適格患者」

から、

「landmarkまで生存・追跡できた患者」

に変わってしまいます。

著者らは、これは元々の因果的な問いとは異なるestimandになり、得られる推定値は因果効果ではなく「関連」にすぎないとかなり厳しく評価しています。

同様にtime-varying exposureを用いたperson-time analysisも、「治療開始後」の比較はできても、「診断後○日以内に治療を開始する」というgrace period込みの治療戦略そのものを比較できないという問題があります。さらにtreatment-confounder feedbackがあれば、通常のtime-dependent Coxでも因果効果を正しく推定できません。

この論文の意義

この論文の本質は、単に「CCWの使い方」を説明していることではありません。

著者らが最後に強調しているのは、

解析手法に合わせて研究質問を変えるのではなく、臨床的に本当に知りたい治療戦略をまずtarget trialとして定義し、それに合わせて解析方法を選ぶ

という発想です。

つまり、

「薬を使った人 vs 使わなかった人」

ではなく、

「適格となった時点から○日以内に治療を開始する戦略 vs 開始しない戦略」

のように、いつ開始するかまで含めて介入を定義する。これがTTE＋CCWの大きなメリットです。