科学論文を読むとき、数字が正しいかだけでなく、「その数字から、どこまで主張してよいのか」を見ることが重要です。

最近『Vaccine』に掲載された研究では、HPVワクチン未接種の10～19歳を対象に、接種後の有害事象として報告されてきた「多様な症状」の有病率を調べています。

結果は0.15％。つまり重要な発見は、HPVワクチンを接種していない青少年にも、同様の症状が存在するということです。

ここまではデータから直接言えます。

しかし、論文の結論では、この結果が「日本の青少年におけるHPVワクチン接種率の改善を支援し得る」と述べられています。さらにHighlightsでは、ワクチンへの信頼を再構築するための継続的な安全性監視を支持する研究として位置づけられています。

ここには少し注意が必要です。

この研究には、HPVワクチン接種者との比較群がありません。

したがって、

「未接種者にも症状がある」

ことは示せても、

「接種によって症状が増えない」

ことは、この研究だけでは示せません。

仮に未接種者の有病率が0.15％でも、接種者が0.15％なのか、0.10％なのか、0.30％なのかは、このデータからは分からないからです。

つまり、

未接種者にも症状が存在する
→ ワクチンとの因果関係は証明されない

までは合理的です。

しかし、

→ ワクチンの安全性への信頼が高まる
→ 接種率向上を支援する

となると、記述疫学の結果から政策・行動方向へclaimが拡張されています。

もちろん、HPVワクチンが安全か危険かという議論とは別です。

問題にしたいのは、研究デザインが許容する主張の範囲です。

興味深いことに、この研究のタイトル自体は「未接種者における有病率を調べた記述研究」と正確に限定しています。研究目的も未接種者の背景発生率の把握です。

だからこそ、結論部分で政策的含意まで進むと、「データが直接示したこと」と「著者がその結果に与えた意味」を分けて読む必要があります。

これはHPVワクチンに限った話ではありません。

論文には、正しい数字が並んでいても、その数字から導かれる主張が同じ強度で正しいとは限りません。

データは何を示したのか。
そして著者は、そこから何を主張したのか。

この二つの間にある距離を見ること。

科学を読むうえで、本当に必要なのはそこなのではないでしょうか。