疫学のソースを表示

{{Multiple image|perrow=2|total_width=400|image1=Contact-tracing_adapted.svg|image2=3548786222 7a3d3208d3 bInfluenzaGrippe.jpg|image4=3つの密.png|image3=Research design and evidence ja.svg|footer=疫学のさまざまな側面：上から下へ：CDCの資料に基づく接触者追跡の図、フランスの連合軍各収容所で医師が作成した1918年のインフルエンザ流行の症状を示す統計表、研究デザインとエビデンスの図、新型コロナの集団感染の発生リスクが高まる条件を示した3つの密の図}}
'''疫学'''（えきがく、{{Lang-en-short|Epidemiology}}）とは、定義された[[個体群|集団]]における健康と疾病の状態の分布（誰が、いつ、どこで）、パターン、{{仮リンク|risk factor|en|risk factor|label=決定因子}}の研究と分析をする学問である。

また、疫学は[[公衆衛生]]の基礎であり、{{仮リンク|risk factor|en|risk factor|label=リスク因子}}を特定し、[[予防医学]]の対象を特定することで、政策決定や[[根拠に基づく実践]]を形作るものである。疫学者は、研究デザイン、データの収集、[[推計統計学|統計分析]]、結果の解釈と普及（[[査読]]と時折の[[システマティック・レビュー]]を含む）の修正を支援する。そして、疫学は[[臨床研究]]、[[公衆衛生]]研究、より限定的には生物科学における[[基礎研究]]で使用される[[方法論]]の開発に貢献してきた<ref>{{Cite book |first=Miquel |last=Porta |title=A Dictionary of Epidemiology |url=http://global.oup.com/academic/product/a-dictionary-of-epidemiology-9780199976737?cc=us&lang=en |edition=6th |year=2014 |location=New York |publisher=Oxford University Press |isbn=978-0-19-997673-7 |access-date=16 July 2014}}</ref>。

疫学研究の主要分野には、病因、[[感染経路]]、[[アウトブレイク]]調査、{{仮リンク|disease surveillance|en|disease surveillance|label=疾病サーベイランス}}、{{仮リンク|environmental epidemiology|en|environmental epidemiology|label=環境疫学}}、{{仮リンク|forensic epidemiology|en|forensic epidemiology|label=法医学的疫学}}、{{仮リンク|occupational epidemiology|en|occupational epidemiology|label=職業疫学}}、[[スクリーニング (医学)]]、{{仮リンク|biomonitoring|en|biomonitoring|label=バイオモニタリング}}、[[治験]]などの治療効果の比較が含まれる。疫学者は、病気のプロセスをより理解するために[[生物学]]、データを有効に活用し適切な結論を導き出すために[[統計学]]、近接原因と遠因をより理解するために[[社会科学]]、{{仮リンク|exposure assessment|en|exposure assessment|label=ばく露評価}}のために[[工学]]などの他の科学分野に依存している。

疫学は疫の字にやまいだれ(疒)が付くため[[医学]]であると誤解されやすいが、[[英語]]では[[:en:Epidemiology|Epidemiology]]（''epi-'' (upon、広範な) + ''-demos''(people、人間の) + ''-logos''(study 学問）と綴り、人間集団に対するあらゆる因果関係の確認に用いられる学問である<ref>[[日本疫学会]]監修『はじめて学ぶやさしい疫学-疫学への招待』[[南江堂]]、2002-10-10、ISBN 4-524-22468-8</ref>。しかし、この用語は動物集団の研究（獣医学的疫学）でも広く使用されており、「{{仮リンク|epizoology|en|epizoology|label=獣疫学}}（epizoology）」という用語も用いられることがあり、植物集団の研究（植物学的または{{仮リンク|plant disease epidemiology|en|plant disease epidemiology|label=植物病理疫学}}）にも適用されている<ref>{{Cite journal|last=Nutter|first=F.W. Jr.|year=1999|title=Understanding the interrelationships between botanical, human, and veterinary epidemiology: the Ys and Rs of it all|journal=Ecosystem Health|volume=5|issue=3|pages=131–40|doi=10.1046/j.1526-0992.1999.09922.x}}</ref>。

「流行」と「風土病」の区別は[[ヒポクラテス]]によって初めてなされた<ref>Hippocrates (~200 BC). ''Airs, Waters, Places''.</ref>。これは、集団に「訪れる」病気（流行）と集団内に「住む」病気（風土病）を区別するためである<ref name="Carol Buck 1998 p3">Carol Buck, Alvaro Llopis; Enrique Nájera; Milton Terris (1998) ''The Challenge of Epidemiology: Issues and Selected Readings''. Scientific Publication No. 505. Pan American Health Organization. Washington, DC. p. 3.</ref>。「epidemiology」という用語は、1802年にスペインの医師[[ホアキン・デ・ビジャルバ]]によって、『Epidemiología Española』の中で初めて流行病の研究を記述するために使用されたと思われる<ref name="Carol Buck 1998 p3" />。疫学者はまた、{{仮リンク|syndemic|en|syndemic|label=シンデミック}}として知られる、集団における疾患の相互作用も研究している。

疫学という用語は現在、流行性の感染症だけでなく、一般的な疾患の記述と因果関係を網羅するために広く適用されている。疫学を通して検討されるトピックの例には、高血圧、精神疾患、[[肥満]]などがある。したがって、この疫学は、疾患のパターンが人間の機能をどのように変化させるかに基づいている。

== 歴史 ==
{{Seealso|感染症の歴史}}[[医学]]の父と呼ばれたデモクリトスに教えを受けたギリシャの医師[[ヒポクラテス]]は<ref>{{Cite book |url=https://books.google.com/books?id=E-OZbEmPSTkC&pg=PA93 |title=A history of epidemiologic methods and concepts |author=Alfredo Morabia |year=2004 |publisher=Birkhäuser |page=93 |isbn=978-3-7643-6818-0}}</ref><ref>[http://samples.jbpub.com/9780763766221/66221_CH02_5398.pdf Historical Developments in Epidemiology] {{Webarchive|url=https://web.archive.org/web/20180219135301/http://samples.jbpub.com/9780763766221/66221_CH02_5398.pdf|date=19 February 2018}}. Chapter 2. Jones & Bartlett Learning LLC.</ref>、病気に論理を求め、疾患の発生と環境の影響との関係を調べた最初の人物として知られている<ref>{{Cite book |url=https://books.google.com/books?id=RMDBh6gw1_UC&pg=PA24 |title=Introduction to Epidemiology |author=Ray M. Merrill |year=2010 |publisher=Jones & Bartlett Learning |page=24 |isbn=978-0-7637-6622-1}}</ref>。ヒポクラテスは、人体の病気は[[四体液説|四体液]]（黒胆汁、黄胆汁、血液、粘液）のアンバランスによって引き起こされると考えた。病気の治療法は、問題の体液を取り除くか、体のバランスを取るために加えることであった。この信念は、医学における瀉血と食事療法の適用につながった<ref name="Merril, Ray M. 2010">Merril, Ray M., PhD, MPH. (2010): ''An Introduction to Epidemiology'', Fifth Edition. Chapter 2: "Historic Developments in Epidemiology". Jones and Bartlett Publishing</ref>。彼は、（通常は特定の場所で見られるが、他の場所では見られない病気のために）[[風土病]]と、（ある時は見られるが、他の時は見られない病気のために）[[エピデミック|流行病]]という用語を作り出した<ref name="hip">{{Cite web |title=Changing Concepts: Background to Epidemiology |publisher=Duncan & Associates |url=http://www.duncan-associates.com/changing_concepts.pdf |access-date=3 February 2008 |archive-date=25 July 2011 |archive-url=https://web.archive.org/web/20110725065539/http://www.duncan-associates.com/changing_concepts.pdf |url-status=dead}}</ref>。

=== 近代 ===
{{See also|新興感染症の歴史}}16世紀半ばに、[[ヴェローナ]]出身の医師[[ジローラモ・フラカストロ]]が、病気を引き起こす非常に小さな、目に見えない粒子が生きていると提唱した最初の人物である。これらの粒子は空気によって広がり、自分で増殖し、火によって破壊されると考えられていた。このようにして、彼は[[ガレノス]]の[[瘴気]]説（病人の中にある毒ガス）を否定した。1543年、彼は『[[ジローラモ・フラカストロ|De contagione et contagiosis morbis]]』という本を書き、その中で病気を予防するために個人的および環境的な[[衛生]]を推進した最初の人物となった。1675年に[[アントニ・ファン・レーウェンフック]]によって十分に強力な顕微鏡が開発されたことで、[[病気の病原体説]]と一致する生きた粒子の視覚的証拠が提供された{{要出典|date=June 2022}}。

[[明]]の時代、{{仮リンク|呉有性|zh|吴有性}}（1582-1652）は、1641年から1644年の間に様々な流行病が猛威を振るうのを目撃した際に、「戻気」（悪因子）と呼ばれる伝染性の物質によって引き起こされる病気があるという考えを発展させた<ref>{{Cite book |last1=Joseph |first1=P Byre |title=Encyclopedia of the Black Death |date=2012 |publisher=ABC-CLIO |isbn=978-1598842548 |page=76 |url=https://books.google.com/books?id=AppsDAKOW3QC&pg=PA76 |access-date=24 February 2019}}</ref>。彼の著書『{{仮リンク|瘟疫論|zh|温疫论}}』（疫病論）は、この概念を提唱した主要な病因学的著作と見なすことができる<ref>{{Cite book |last1=Guobin |first1=Xu |last2=Yanhui |first2=Chen |last3=Lianhua |first3=Xu |title=Introduction to Chinese Culture: Cultural History, Arts, Festivals and Rituals |year=2018 |publisher=Springer |isbn=978-9811081569 |page=70 |url=https://books.google.com/books?id=-KFTDwAAQBAJ&pg=PA70 |access-date=24 February 2019}}</ref>。彼の概念は、2004年のWHOによるSARS流行の分析において、伝統的中国医学の文脈でいまだに考慮されていた<ref>{{Cite web |title=SARS: Clinical Trials on Treatment Using a Combination of Traditional Chinese Medicine and Western Medicine |url=http://apps.who.int/medicinedocs/en/d/Js6170e/4.html#Js6170e.4 |publisher=World Health Organization |access-date=24 February 2019 |archive-url=https://web.archive.org/web/20180608111238/http://apps.who.int/medicinedocs/en/d/Js6170e/4.html |archive-date=8 June 2018}}</ref>。

もう一人の先駆者である[[トマス・シデナム]]（1624-1689）は、1600年代後半のロンドン市民の熱を最初に区別した人物である。熱の治療法に関する彼の理論は、当時の伝統的な医師から多くの抵抗を受けた。彼は、自身が研究し治療した[[天然痘]]の熱の初期原因を見つけることができなかった<ref name="Merril, Ray M. 2010" />。

{{仮リンク|John Graunt|en|John Graunt|label=ジョン・グラント}}は、{{仮リンク|haberdasher|en|haberdasher|label=装身具商}}であり、アマチュアの統計学者で、1662年に『Natural and Political Observations ... upon the Bills of Mortality』を出版した。その中で、[[ロンドン]]の[[ロンドンの大疫病|大疫病]]以前の死亡者記録を分析し、最初の[[生命表]]の1つを提示し、新旧の多くの病気の時間的な傾向を報告した。彼は、多くの病気の理論に統計的証拠を提供し、それらに関する一部の広く普及していた考えを否定した{{要出典|date=June 2022}}。
[[ファイル:Snow-cholera-map.jpg|サムネイル|350x350ピクセル|{{仮リンク|1854 Broad Street cholera outbreak|en|1854 Broad Street cholera outbreak|label=1854年のロンドン流行}}における[[クラスター (疫学)|コレラ症例のクラスター]]を示す[[ジョン・スノウ (医師)|ジョン・スノウ]]による元の地図]]
[[ジョン・スノウ (医師)|ジョン・スノウ]]は、19世紀の[[コレラ]]の流行の原因を調査したことで有名であり、（現代の）疫学の父としても知られている<ref>[http://www.ph.ucla.edu/epi/snow/fatherofepidemiology.html Doctor John Snow Blames Water Pollution for Cholera Epidemic, by David Vachon] {{Webarchive|url=https://web.archive.org/web/20111228050259/http://www.ph.ucla.edu/epi/snow/fatherofepidemiology.html|date=28 December 2011}} UCLA Department of Epidemiology, School of Public Health May & June 2005</ref><ref>[https://www.npr.org/templates/story/story.php?storyId=3935461 John Snow, Father of Epidemiology] {{Webarchive|url=https://web.archive.org/web/20170620140913/http://www.npr.org/templates/story/story.php?storyId=3935461|date=20 June 2017}} NPR Talk of the Nation. 24 September 2004</ref>。彼は、サウスワーク社が供給する2つの地域で死亡率が著しく高いことに気づいたことから始めた。ソーホー地区の流行の原因として{{仮リンク|Broadwick Street|en|Broadwick Street|label=ブロード通り}}の水道ポンプを特定したことは、疫学の典型的な例と考えられている。スノウは、水を浄化するために塩素を使用し、ハンドルを取り外した。これにより流行は終息した。これは、[[公衆衛生]]の歴史における重大な出来事と見なされ、世界中の公衆衛生政策の形成に役立った疫学の科学の創設事業と見なされている<ref>{{Cite web |url=http://www.ph.ucla.edu/epi/snow/importance.html |title=Importance of Snow |website=www.ph.ucla.edu |access-date=2024-03-10}}</ref><ref>[http://www.jsi.com/JSIInternet/About/snow.cfm Dr. John Snow.] {{Webarchive|url=https://web.archive.org/web/20140616100942/http://www.jsi.com/JSIInternet/About/snow.cfm|date=16 June 2014}} John Snow, Inc. and JSI Research & Training Institute, Inc.</ref>。しかし、スノウの研究と更なる流行を避けるための予防策は、当時の[[瘴気]]説が優勢だったため、彼の死後まで完全には受け入れられず、実践されなかった。瘴気説とは、空気の質の悪さが病気の原因であるとする病気のモデルであり、貧困地域の高い感染率を合理化するために使用されたが、その背後にある栄養不良や衛生面の問題に取り組むことはなく、彼の研究によって誤りであることが証明された<ref>{{Citation|title=The ghost map : [the story of London's most terrifying epidemic – and how it changed science, cities, and the modern world]|last=Johnson, Steven|url=http://worldcat.org/oclc/1062993385|oclc=1062993385|access-date=2020-09-16}}</ref>。

他の先駆者には、1849年に[[アイスランド]]の[[ヴェストマン諸島]]における{{仮リンク|neonatal tetanus|en|neonatal tetanus|label=新生児破傷風}}の流行の予防に関する自身の研究を関連付けたデンマークの医師[[ピーター・アントン・シュライスナー]]がいる<ref>{{Cite web |url=https://www.wikaeducation.com |title=Education Consultancy |author=Krishna |author2=Kr |date=May 2019 |publisher=Krishna |access-date=2024-03-10}}</ref><ref>{{Cite journal|author1=Ólöf Garðarsdóttir|date=25 August 2009|title=Public health measures against neonatal tetanus on the island of Vestmannaeyjar (Iceland) during the 19th century|journal=The History of the Family|volume=14|issue=3|pages=266–79|doi=10.1016/j.hisfam.2009.08.004|author2=Loftur Guttormsson|s2cid=72505045}}{{要検証|date=April 2011}}</ref>。<!--please check also Daniel E. Vaisey, "An Estimate of Neonatal Tetanus Mortality in Iceland, 1790–1839" European Journal of Population 13 (1997), 62, 67 as cited in Loftur Guttormsson and Ólöf Garðarsdóttir [http://www.ep.liu.se/ej/hygiea/ "The Development of Infant Mortality in Iceland 1800–1920"] (2002) Hygiea Internationalis 3(1) pp. 151–77-->もう一人の重要な先駆者は、[[ハンガリー]]の医師[[センメルヴェイス・イグナーツ]]で、1847年にウィーンの病院で消毒手順を導入することにより乳児死亡率を下げた。彼の発見は1850年に発表されたが、彼の研究は同僚に歓迎されず、手順は中止された。英国の外科医[[ジョゼフ・リスター]]が[[ルイ・パスツール]]の研究に照らして1865年に[[殺菌剤 (医薬品)|消毒薬]]を「発見」するまで、消毒は広く実践されるようにはならなかった{{要出典|date=June 2022}}。

[[ロベルト・コッホ]]は[[1876年]]、[[炭疽菌]]の純粋培養に成功し、[[炭疽]]の[[病原体]]であることを証明し、[[細菌]]が[[動物]]の病原体であることを証明した（[[コッホの原則]])。[[1882年]]に[[結核菌]]を発見し、[[ヒト]]においても細菌が病原体であることを証明した。[[1883年]]、[[インド]]において[[コレラ菌]]を発見した。[[1890年]]、コッホは結核菌の培養上清から[[ツベルクリン]]（結核菌ワクチン）を創製した。[[1905年]]、コッホは[[ノーベル生理学・医学賞]]を受賞した。コッホは[[ルイ・パスツール]]とともに近代細菌学の開祖とされる。

コッホは[[ベルリン大学]]で弟子を育て、[[腸チフス]]菌を発見した[[ゲオルク・ガフキー]]、[[ジフテリア]]菌の分離に成功し、[[口蹄疫ウイルス]]を発見した[[フリードリヒ・レフラー]]、[[抗血清|血清療法]]を研究した[[エミール・ベーリング]]、[[化学療法 (細菌)|化学療法]]を研究した[[パウル・エールリヒ]]、[[破傷風菌]]を純粋培養し、[[ペスト菌]]を発見した[[北里柴三郎]]などを輩出した。

20世紀初頭、[[ロナルド・ロス]]、{{仮リンク|Janet Lane-Claypon|en|Janet Lane-Claypon|label=ジャネット・レーン＝クレイポン}}、{{仮リンク|Anderson Gray McKendrick|en|Anderson Gray McKendrick|label=アンダーソン・グレイ・マッケンドリック}}らによって、疫学に数学的手法が導入された<ref>[https://books.google.com/books?id=6DD1FKq6fFoC&q=mathematical+methods+were+introduced+into+epidemiology+20th+century+ross&pg=PA323 Statisticians of the centuries] {{Webarchive|url=https://web.archive.org/web/20220630015959/https://books.google.com/books?id=6DD1FKq6fFoC&pg=PA323#v=onepage&q=mathematical%20methods%20were%20introduced%20into%20epidemiology%2020th%20century%20ross|date=30 June 2022}}. By C. C. Heyde, Eugene Senet</ref><ref>[http://statprob.com/encyclopedia/AndersonGrayMcKENDRICK.html Anderson Gray McKendrick] {{Webarchive|url=https://web.archive.org/web/20110822114404/http://statprob.com/encyclopedia/AndersonGrayMcKENDRICK.html|date=22 August 2011}}</ref><ref>{{Cite web |url=https://oneweb.soton.ac.uk/node/201970 |title=Homepage |publisher=Tel: +4423 8059 5000 Fax: +4423 8059 3131 University of Southampton University Road Southampton SO17 1BJ United Kingdom |website=University of Southampton |access-date=2024-03-10}}{{リンク切れ|date=May 2023|bot=InternetArchiveBot|fix-attempted=yes}}</ref><ref>{{Cite web |url=http://www.epidemiology.ch/history/papers/SPM%2047(6)%20359-65%20Paneth%20et%20al.%20_%20Part%202.pdf |title=Origins and early development of the case-control study |access-date=31 August 2013 |archive-url=https://web.archive.org/web/20170118055648/http://www.epidemiology.ch/history/papers/SPM%2047(6)%20359-65%20Paneth%20et%20al.%20_%20Part%202.pdf |archive-date=18 January 2017 |url-status=dead |df=dmy-all}}</ref>。1920年代の並行した発展の中で、ドイツ系スイス人の病理学者{{仮リンク|Max Askanazy|en|Max Askanazy|label=マックス・アスカナジー}}らは、異なる地域の集団における癌やその他の非感染性疾患の地理的病理学を体系的に調査するために、国際地理病理学会を設立した。第二次世界大戦後、{{仮リンク|Richard Doll|en|Richard Doll|label=リチャード・ドール}}らの非病理学者がこの分野に参加し、感染症の流行のために開発された方法では適切に研究できないパターンと発生様式を持つ疾患である癌を研究する方法を進歩させた。地理病理学は最終的に感染症疫学と結合し、今日の疫学の分野を形成した<ref name="cancer">{{Cite journal|author=Mueller LM|year=2019|title=Cancer in the tropics: geographical pathology and the formation of cancer epidemiology|journal=BioSocieties|volume=14|issue=4|pages=512–528|doi=10.1057/s41292-019-00152-w|hdl=1721.1/128433|s2cid=181518236|hdl-access=free}}</ref>。

もう一つの画期的な出来事は、{{仮リンク|Richard Doll|en|Richard Doll|label=リチャード・ドール}}と{{仮リンク|Austin Bradford Hill|en|Austin Bradford Hill|label=オースティン・ブラッドフォード・ヒル}}が主導した{{仮リンク|British Doctors Study|en|British Doctors Study|label=英国医師研究}}の結果が1954年に発表されたことである。これは、[[喫煙]]と[[肺癌]]の関連性に非常に強力な統計的支持を与えた{{要出典|date=November 2023}}。

20世紀後半、生物医学の進歩に伴い、血液、その他の生体試料、環境中の多数の分子マーカーが、ある疾患の発症または危険性の予測因子として同定された。分子レベルで分析されたこれらの{{仮リンク|biomarker|en|biomarker|label=バイオマーカー}}と疾患の関係を調べる疫学研究は、広く「{{仮リンク|molecular epidemiology|en|molecular epidemiology|label=分子疫学}}」と名付けられた。具体的には、生殖細胞系列の遺伝的変異と疾患の疫学に「{{仮リンク|genetic epidemiology|en|genetic epidemiology|label=遺伝疫学}}」という用語が使用されてきた。遺伝的変異は、通常、末梢血白血球のDNAを用いて決定される{{要出典|date=June 2022}}。

=== 21世紀 ===
2000年代以降、多くの疾患や健康状態の遺伝的リスク因子を特定するために、[[ゲノムワイド関連解析]]（GWAS）が一般的に行われるようになった{{要出典|date=March 2023}}。

大多数の分子疫学研究では、従来の疾患{{仮リンク|diagnosis|en|diagnosis|label=診断}}と分類システムがいまだに使用されているが、疾患の進行は本質的に個人ごとに異なる不均一なプロセスであることがますます認識されている。概念的には、各個人は他の個人とは異なる独自の疾患プロセスを持っている（「独特の疾患原則」）<ref>{{Cite journal|year=2012|title=How many molecular subtypes? Implications of the unique tumor principle in personalized medicine|journal=Expert Rev Mol Diagn|volume=12|issue=6|pages=621–28|doi=10.1586/erm.12.46|pmc=3492839|pmid=22845482|vauthors=Ogino S, Fuchs CS, Giovannucci E}}</ref><ref>{{Cite journal|year=2013|title=Molecular pathological epidemiology of epigenetics: Emerging integrative science to analyze environment, host, and disease|journal=Mod Pathol|volume=26|issue=4|pages=465–84|doi=10.1038/modpathol.2012.214|pmc=3637979|pmid=23307060|vauthors=Ogino S, Lochhead P, Chan AT, Nishihara R, Cho E, Wolpin BM, Meyerhardt JA, Meissner A, Schernhammer ES, Fuchs CS, Giovannucci E}}</ref>。これは、{{仮リンク|exposome|en|exposome|label=エクスポーゾーム}}（内因性および外因性/環境曝露の総体）の独自性と、各個人における分子病理学的プロセスへのその固有の影響を考慮したものである。曝露と疾患（特に[[悪性腫瘍|癌]]）の分子病理学的特徴との関係を調べる研究は、2000年代を通じてますます一般的になった。しかし、疫学における[[分子病理学]]の使用には、研究ガイドラインと標準化された[[統計学|統計]]方法論の欠如、学際的専門家と教育プログラムの不足など、独特の課題があった<ref>{{Cite journal|year=2012|title=Interdisciplinary education to integrate pathology and epidemiology: Towards molecular and population-level health science|journal=Am J Epidemiol|volume=176|issue=8|pages=659–67|doi=10.1093/aje/kws226|pmc=3571252|pmid=22935517|vauthors=Ogino S, King EE, Beck AH, Sherman ME, Milner DA, Giovannucci E}}</ref>。さらに、疾患の不均一性の概念は、同じ疾患名を持つ個人は同様の病因と疾患プロセスを持っているという疫学における長年の前提と矛盾するように見える。これらの問題を解決し、分子[[オーダメイド医療|精密医療]]の時代における集団の健康科学を進歩させるために、「分子病理学」と「疫学」が統合され、「{{仮リンク|molecular pathological epidemiology|en|molecular pathological epidemiology|label=分子病理疫学}}」（MPE）という新しい学際的分野が作られた<ref>{{Cite journal|year=2010|title=Lifestyle factors and microsatellite instability in colorectal cancer: the evolving field of molecular pathological epidemiology|journal=J Natl Cancer Inst|volume=102|issue=6|pages=365–67|doi=10.1093/jnci/djq031|pmc=2841039|pmid=20208016|vauthors=Ogino S, Stampfer M}}</ref><ref>{{Cite journal|year=2011|title=Molecular pathological epidemiology of colorectal neoplasia: an emerging transdisciplinary and interdisciplinary field|journal=Gut|volume=60|issue=3|pages=397–411|doi=10.1136/gut.2010.217182|pmc=3040598|pmid=21036793|vauthors=Ogino S, Chan AT, Fuchs CS, Giovannucci E}}</ref>。これは、「分子病理学と疾患の不均一性の疫学」と定義される。MPEでは、研究者は、（A）環境、食事、ライフスタイル、遺伝的要因、（B）細胞内または細胞外分子の変化、および（C）疾患の進化と進行との関係を分析する。疾患{{仮リンク|pathogenesis|en|pathogenesis|label=発症機序}}の不均一性をより理解することは、疾患の[[病因学|エティオロジー]]を解明するのにさらに貢献するだろう。MPEアプローチは、腫瘍性疾患だけでなく、非腫瘍性疾患にも適用できる<ref>{{Cite journal|year=2013|title=The merits of subtyping obesity: one size does not fit all|journal=JAMA|volume=310|issue=20|pages=2147–48|doi=10.1001/jama.2013.281501|pmid=24189835|vauthors=Field AE, Camargo CA, Ogino S}}</ref>。MPEの概念とパラダイムは、2010年代に広まった<ref>{{Cite journal|year=2011|title=CpG island methylation in colorectal cancer: past, present and future|journal=Pathology Research International|volume=2011|page=902674|doi=10.4061/2011/902674|pmc=3090226|pmid=21559209|vauthors=Curtin K, Slattery ML, Samowitz WS|doi-access=free}}</ref><ref>{{Cite journal|year=2012|title=The CpG island methylator phenotype in colorectal cancer: Progress and problems|url=https://cris.maastrichtuniversity.nl/en/publications/64ca3af6-de2b-4150-b52e-0507ac49e51c|journal=Biochim Biophys Acta|volume=1825|issue=1|pages=77–85|doi=10.1016/j.bbcan.2011.10.005|pmid=22056543|vauthors=Hughes LA, Khalid-de Bakker CA, Smits KM, den Brandt PA, Jonkers D, Ahuja N, Herman JG, Weijenberg MP, van Engeland M|author-link6=Nita Ahuja|author-link7=James G. Herman}}</ref><ref>{{Cite journal|year=2012|title=Gene discovery in familial cancer syndromes by exome sequencing: prospects for the elucidation of familial colorectal cancer type X.|journal=Mod Pathol|volume=25|issue=8|pages=1055–68|doi=10.1038/modpathol.2012.62|pmid=22522846|vauthors=Ku CS, Cooper DN, Wu M, Roukos DH, Pawitan Y, Soong R, Iacopetta B|doi-access=free}}</ref><ref>{{Cite journal|year=2012|title=Aspirin as adjuvant therapy for colorectal cancer-reinterpreting paradigms|journal=Nat Rev Clin Oncol|volume=9|issue=10|pages=561–70|doi=10.1038/nrclinonc.2012.137|pmid=22910681|vauthors=Chia WK, Ali R, Toh HC|s2cid=7425809}}</ref><ref>{{Cite journal|year=2012|title=Integrative cancer epidemiology – the next generation|journal=Cancer Discov|volume=2|issue=12|pages=1087–90|doi=10.1158/2159-8290.cd-12-0424|pmc=3531829|pmid=23230187|vauthors=Spitz MR, Caporaso NE, Sellers TA}}</ref><ref>{{Cite journal|year=2013|title=Lipogenesis and lipolysis: The pathways exploited by the cancer cells to acquire fatty acids|journal=Prog Lipid Res|volume=52|issue=4|pages=585–89|doi=10.1016/j.plipres.2013.08.005|pmc=4002264|pmid=24001676|vauthors=Zaidi N, Lupien L, Kuemmerle NB, Kinlaw WB, Swinnen JV, Smans K}}</ref><ref>{{Cite journal|year=2013|title=New Insights on Bariatric Surgery Outcomes|journal=JAMA|volume=310|issue=22|pages=2401–02|doi=10.1001/jama.2013.280927|pmid=24189645|vauthors=Ikramuddin S, Livingston EH}}</ref>。

2012年までに、多くの病原体の[[進化]]は疫学と非常に関連するほど速いこと、したがって疫学と[[分子進化]]を統合した感染症へ学際的アプローチを取ることで、「制御戦略や患者治療に情報を与える」ことができることが認識された<ref>{{Cite journal|year=2012|title=Harnessing evolutionary biology to combat infectious disease|journal=Nature Medicine|volume=18|issue=2|pages=217–20|doi=10.1038/nm.2572|pmc=3712261|pmid=22310693|vauthors=Little TJ, Allen JE, Babayan SA, Matthews KR, Colegrave N}}</ref><ref>{{Cite journal|year=2013|title=Evolutionary epidemiology: preparing for an age of genomic plenty|journal=Phil Trans R Soc B|volume=368|issue=1614|pages=20120193|doi=10.1098/rstb.2012.0193|pmc=3678320|pmid=23382418|vauthors=Pybus OG, Fraser C, Rambaut A}}</ref>。現代の疫学研究では、高度な統計と[[機械学習]]を使用して、{{仮リンク|Predictive modelling|en|Predictive modelling|label=予測モデル}}を作成し、治療効果を定義することができる<ref>{{Cite journal|last1=Wiemken|first1=Timothy L.|last2=Kelley|first2=Robert R.|year=2020|title=Machine Learning in Epidemiology and Health Outcomes Research|journal=Annual Review of Public Health|volume=41|pages=21–36|doi=10.1146/annurev-publhealth-040119-094437|pmid=31577910|doi-access=free}}</ref><ref>{{Cite journal|last1=Bi|first1=Qifang|last2=Goodman|first2=Katherine E.|last3=Kaminsky|first3=Joshua|last4=Lessler|first4=Justin|year=2019|title=What is Machine Learning? A Primer for the Epidemiologist|journal=American Journal of Epidemiology|volume=188|issue=12|pages=2222–2239|doi=10.1093/aje/kwz189|pmid=31509183}}</ref>。多くはヘルスケアや疫学に由来しない幅広い現代のデータソースが、疫学研究に使用できることがますます認識されている<ref>{{Cite book |last=Walker |first=Mark |title=Digital Epidemiology |publisher=Sicklebrook publishing |year=2023 |isbn=9781470920364 |edition=1 |location=Sheffield, U.K.}}</ref>。このようなデジタル疫学には、インターネット検索、携帯電話の記録、医薬品の小売売上などのデータを含めることができる{{要出典|date=November 2023}}。

===日本の疫学===
日本の疫学の祖と言われている[[高木兼寛]]は、[[日本海軍]]に多発した[[脚気]]を白米を中心とする食事にありとする栄養学説を唱えて、それを実験疫学的に証明したことで有名である。航海実験の結果に基づき海軍食に麦飯を導入、結果、1885年には海軍の脚気は激減した<ref name="matsuda">松田 誠 著 「脚気をなくした男　高木兼寛伝」 講談社 ISBN 4-06-204487-0</ref>。これらの功績により1905年(明治38年)に[[男爵]]の爵位を授けられ、後に「麦飯男爵」とも呼ばれたという<ref name="kurasko">倉迫 一朝 著 「病気を診ずして病人を診よ　麦飯男爵 -高木 兼寛の生涯-」　鉱脈社 ISBN 4-906008-31-3</ref>。これは[[1912年]]に[[鈴木梅太郎]]が[[オリザニン]]([[ビタミンB1]])を発見する実に27年も前のことである。

[[北里柴三郎]]は[[破傷風菌]]を純粋培養し、血清療法を確立し[[ペスト菌]]を発見した。

== 研究の種類 ==
{{Main|研究デザイン}}疫学者は、観察研究から実験的研究まで、幅広い研究デザインを用いており、一般的に記述的研究（時間、場所、人に関するデータの評価を含む）、分析的研究（既知の関連性や仮説化された関係をさらに検討することを目的とする）、実験的研究（治療やその他の介入の臨床試験やコミュニティ試験と同義語としてよく使用される用語）に分類される。観察研究では、疫学者がサイドラインから観察しながら、自然の「成り行き」に任せる。逆に、実験的研究では、疫学者が特定の症例研究に入るすべての要因を制御する<ref name="Epidemiology 2009">"Principles of Epidemiology." Key Concepts in Public Health. London: Sage UK, 2009. Credo Reference. 1 August 2011. Web. 30 September 2012.</ref>。疫学研究は、可能な限り、アルコールや喫煙、[[感染|生物学的因子]]、[[ストレス (生体)|ストレス]]、[[化合物|化学物質]]などの{{仮リンク|Exposure Assessment#Exposure|en|Exposure Assessment#Exposure|label=曝露}}と[[死|死亡率]]や[[病気|罹患率]]との間の偏りのない関係を明らかにすることを目的としている。これらの曝露と転帰との因果関係の特定は、疫学の重要な側面である。現代の疫学者は、[[健康情報学|情報学]]や{{仮リンク|infodemiology|en|infodemiology|label=インフォデミオロジー}}<ref>{{Cite journal|last=Eysenbach|first=Gunther|date=May 2011|title=Infodemiology and Infoveillance|url=https://doi.org/10.1016/j.amepre.2011.02.006|journal=American Journal of Preventive Medicine|volume=40|issue=5|pages=S154–S158|doi=10.1016/j.amepre.2011.02.006|issn=0749-3797|pmid=21521589}}</ref><ref>{{Cite journal|last=Eysenbach|first=Gunther|date=2009-03-27|title=Infodemiology and Infoveillance: Framework for an Emerging Set of Public Health Informatics Methods to Analyze Search, Communication and Publication Behavior on the Internet|journal=Journal of Medical Internet Research|volume=11|issue=1|pages=e11|language=en|doi=10.2196/jmir.1157|issn=1438-8871|pmc=2762766|pmid=19329408|doi-access=free}}</ref>をツールとして使用している{{要出典|date=June 2022}}<ref>{{Cite journal|last=Wyatt|first=J C|date=2002-11-01|title=Basic concepts in medical informatics|journal=Journal of Epidemiology & Community Health|volume=56|issue=11|pages=808–812|doi=10.1136/jech.56.11.808|pmc=1732047|pmid=12388565}}</ref><ref>{{Cite journal|last1=Mackey|first1=Tim|last2=Baur|first2=Cynthia|last3=Eysenbach|first3=Gunther|date=2022-02-14|title=Advancing Infodemiology in a Digital Intensive Era|journal=JMIR Infodemiology|volume=2|issue=1|pages=e37115|language=EN|doi=10.2196/37115|pmc=9987192|pmid=37113802|doi-access=free}}</ref><ref>{{Cite journal|last=Mavragani|first=Amaryllis|date=2020-04-28|title=Infodemiology and Infoveillance: Scoping Review|url=https://www.jmir.org/2020/4/e16206|journal=Journal of Medical Internet Research|volume=22|issue=4|pages=e16206|language=EN|doi=10.2196/16206|pmc=7189791|pmid=32310818|doi-access=free}}</ref>。

観察研究には、記述的研究と分析的研究の2つの要素がある。記述的観察は、「健康関連状態の発生における誰が、何を、どこで、いつを」に関するものである。一方、分析的観察は、健康関連事象の「いかに」をより扱う<ref name="Epidemiology 2009" />。[[実験疫学]]には、無作為化対照試験（新薬やドラッグテストによく使用される）、フィールド試験（病気にかかる高リスク者を対象に実施）、コミュニティ試験（社会的な病気の研究）の3つのケースタイプがある<ref name="Epidemiology 2009" />。

「疫学の三角形」という用語は、アウトブレイクを分析する際の''宿主''、''病原体''、''環境''の交差を表すために使用される{{要出典|date=June 2022}}。

=== 症例集積 ===
症例集積とは、単一の患者または同様の診断を受けた少数の患者グループの経験の質的研究、または曝露されていない期間がある病気を引き起こす可能性のある統計的要因を指す場合がある<ref>{{Cite journal|last1=Song|first1=Jae W.|last2=Chung|first2=Kevin C.|date=December 2010|title=Observational Studies: Cohort and Case-Control Studies|url=http://journals.lww.com/00006534-201012000-00058|journal=Plastic and Reconstructive Surgery|volume=126|issue=6|pages=2234–2242|language=en|doi=10.1097/PRS.0b013e3181f44abc|issn=0032-1052|pmc=2998589|pmid=20697313}}</ref>。

前者のタイプの研究は純粋に記述的であり、その疾患の患者の一般集団について推論することはできない。このタイプの研究では、鋭い臨床医が疾患または患者の病歴の異常な特徴を特定し、新しい仮説の定式化につながる可能性がある。この集積のデータを使用して、可能性のある原因因子を調査するための分析的研究を行うことができる。これには、症例対照研究または前向き研究が含まれる。症例対照研究では、その集積の症例と比較可能な疾患のない対照をマッチングさせる。前向き研究では、疾患の自然史を評価するために、症例集積を長期間にわたって追跡調査する<ref>{{Cite book |last1=Hennekens |first1=Charles H. |author2=Julie E. Buring |year=1987 |title=Epidemiology in Medicine |editor=Mayrent, Sherry L. |publisher=Lippincott, Williams and Wilkins |isbn=978-0-316-35636-7 |url-access=registration |url=https://archive.org/details/epidemiologyinme00henn}}</ref>。

後者のタイプは、より正式には[[自己対照症例集積研究]]と呼ばれ、個々の患者の追跡期間を曝露期間と非曝露期間に分割し、固定効果ポアソン回帰プロセスを使用して、曝露期間と非曝露期間の特定の転帰の発生率を比較する。この手法は、ワクチン接種による有害反応の研究で広く使用されており、状況によってはコホート研究で得られるのと同等の統計的検出力を提供することが示されている{{要出典|date=June 2022}}。

=== 症例対照研究 ===
[[症例対照研究]]は、病気の状態に基づいて対象者を選択する。これは後ろ向き研究である。病気に罹患している個人のグループ（「症例」群）と、病気に罹患していない個人のグループ（「対照」群）が比較される。対照群は、理想的には、症例を生み出したのと同じ集団から来るべきである。症例対照研究では、両群（症例と対照）が遭遇した可能性のある潜在的な曝露を過去に遡って調べる。2×2表が作成され、曝露症例（A）、曝露対照（B）、非曝露症例（C）、非曝露対照（D）が表示される。関連性を測定するために生成される統計量は[[オッズ比]]（OR）であり、これは症例の曝露オッズ（A/C）の対照の曝露オッズ（B/D）に対する比、すなわちOR =（AD/BC）である{{要出典|date=March 2023}}。
{| class="wikitable"
!
!症例
!対照
|-
|曝露
|A
|B
|-
|非曝露
|C
|D
|}
ORが1より有意に大きい場合、「病気の人は曝露された可能性が高い」という結論になるが、1に近い場合は、曝露と病気は関連している可能性が低い。ORが1よりはるかに小さい場合、曝露は病気の原因における防御因子であることが示唆される。

症例対照研究は通常、[[コホート研究]]よりも迅速かつ費用対効果が高いが、バイアス（[[想起バイアス]]や{{仮リンク|selection bias|en|selection bias|label=選択バイアス}}など）の影響を受けやすい。主な課題は、適切な対照群を特定することである。対照群における曝露の分布は、症例を生み出した集団における分布を代表するものでなければならない。これは、元のリスク集団からランダムサンプルを抽出することで達成できる。この結果、対照群には、病気が集団で高い罹患率を示す場合、研究対象の病気の人が含まれる可能性がある{{要出典|date=March 2023}}。

症例対照研究の大きな欠点は、統計的に有意であるとみなされるためには、95％信頼区間で必要な最小症例数がオッズ比と次の式で関連していることである。

: <math>\text{total cases} = A+C = 1.96^2 (1+N) \left(\frac{1}{\ln(OR)}\right)^2 \left(\frac{OR+2\sqrt{OR}+1}{\sqrt{OR}}\right) \approx 15.5 (1+N) \left(\frac{1}{\ln(OR)}\right)^2</math>

ここで、Nは症例と対照の比率である。

オッズ比が1に近づくにつれ、統計的有意性に必要な症例数は無限大に向かって増加し、症例対照研究を低オッズ比ではほとんど役に立たなくする。例えば、オッズ比が1.5で症例=対照の場合、上記の表は次のようになる。
{| class="wikitable"
!
!症例
!対照
|-
|曝露
|103
|84
|-
|非曝露
|84
|103
|}
オッズ比が1.1の場合:
{| class="wikitable"
!
!症例
!対照
|-
|曝露
|1732
|1652
|-
|非曝露
|1652
|1732
|}

=== コホート研究 ===
[[コホート研究]]は、曝露状態に基づいて対象者を選択する。研究対象者は、コホート研究の開始時に、調査対象の転帰のリスクがあるはずである。これは通常、コホート研究開始時に疾患がないことを意味する。コホートは、その後の転帰状態を評価するために、時間とともに追跡される。コホート研究の例として、肺がんの発生率を推定するために、喫煙者と非喫煙者のコホートを長期間にわたって調査することが挙げられる。症例対照研究と同じ2×2表が作成される。しかし、生成される推定値は[[相対危険度]]（RR）であり、これは曝露群の人の疾患確率''P''<sub>e</sub>=''A''/(''A''+''B'')の非曝露群の人の疾患確率''P<sub>u</sub>''=''C''/(''C''+''D'')に対する比、すなわち''RR''=''P''<sub>e</sub>/''P''<sub>u</sub>である。
{| class="wikitable"
!.....
!症例
!非症例
!合計
|-
|曝露
|''A''
|''B''
|(''A''+''B'')
|-
|非曝露
|''C''
|''D''
|(''C''+''D'')
|}
ORと同様に、RRが1より大きい場合は関連性を示しており、「曝露された人は病気になる可能性が高かった」と結論づけることができる。

前向き研究には、症例対照研究に比べて多くの利点がある。RRはORよりも強力な効果の指標である。ORは真の発生率を計算できない病気の状態に基づいて対象者を選択する症例対照研究での単なるRRの推定値だからである。前向き研究では、時間的関係を確立でき、交絡因子をより簡単に制御できる。しかし、コストがかかり、コホートが長期間追跡されるため、追跡調査中に対象者を失う可能性が高くなる。

コホート研究も、コホート研究と同じ症例数の方程式によって制限されるが、研究集団における基礎発生率が非常に低い場合、必要な症例数は{{分数|1|2}}に減少する。

== 因果推論 ==
{{Main|因果推論}}疫学は、曝露と健康転帰の関連性を解明するために使用される統計ツールの集合体とみなされることがあるが、この科学のより深い理解は、''因果''関係を発見することである。

「[[相関関係と因果関係|相関は因果関係を意味しない]]」は、疫学文献の多くに共通するテーマである。疫学者にとって、重要なのは[[推論]]という用語である。2つの変数間の相関、または少なくとも関連は、一方の変数がもう一方の変数を引き起こすと推論するための必要条件であるが、十分条件ではない。疫学者は、収集されたデータと幅広い生物医学的および心理社会的理論を反復的な方法で使用して、理論を生成または拡張し、仮説を検証し、どの関係が因果関係にあるのか、そしてどのようにして因果関係にあるのかについて、教育を受け、情報に基づいた主張を行う。

疫学者は、「'''一つの原因 - 一つの結果'''」という理解は単純化された誤った信念であることを強調する<ref>{{Cite journal|last=Woodward|first=James|date=2010|title=Causation in biology: stability, specificity, and the choice of levels of explanation.|url=http://philsci-archive.pitt.edu/4813/1/09.doc|journal=Biology & Philosophy|volume=25|issue=3|pages=287–318|doi=10.1007/s10539-010-9200-z|s2cid=42625229|via=SpringerLink}}</ref>。ほとんどの転帰は、病気であれ死であれ、多くの構成要因からなる連鎖または網によって引き起こされる<ref>{{Cite book |title=Modern Epidemiology |last=Rothman |first=Kenneth J. |publisher=Little, Brown and Company |year=1986 |isbn=978-0-316-75776-8 |location=Boston/Toronto |url-access=registration |url=https://archive.org/details/modernepidemiolo0000roth}}</ref>。原因は、必要条件、十分条件、確率的条件として区別できる。必要条件を特定して制御できれば（例えば、病原体に対する抗体、外傷におけるエネルギー）、有害な結果を回避できる（Robertson, 2015）。病気に関連する多因子性を概念化するために定期的に使用されるツールの1つは、{{仮リンク|causal pie model|en|causal pie model|label=因果パイモデル}}である<ref>{{Cite book |last=Rothman |first=Kenneth J. |url=https://www.worldcat.org/oclc/750986180 |title=Epidemiology : An introduction |date=2012 |publisher=Oxford University Press |isbn=978-0-19-975455-7 |edition=2nd |location=New York, NY |pages=24 |oclc=750986180}}</ref>。

=== ブラッドフォード・ヒル基準 ===
{{Main|ブラッドフォード・ヒル基準}}1965年、{{仮リンク|Austin Bradford Hill|en|Austin Bradford Hill|label=オースティン・ブラッドフォード・ヒル}}は、因果関係の証拠を評価するのに役立つ一連の考慮事項を提案した<ref name="bh65">{{Cite journal|last=Hill|first=Austin Bradford|year=1965|title=The Environment and Disease: Association or Causation?|url=http://www.edwardtufte.com/tufte/hill|journal={{仮リンク|Proceedings of the Royal Society of Medicine|en|Proceedings of the Royal Society of Medicine|label=王立医学協会会報}}|volume=58|issue=5|pages=295–300|doi=10.1177/003591576505800503|pmc=1898525|pmid=14283879}}</ref>。これは、一般に「{{仮リンク|Bradford Hill criteria|en|Bradford Hill criteria|label=ブラッドフォード・ヒル基準}}」として知られるようになった。著者の明確な意図とは対照的に、ヒルの考慮事項は現在、因果関係を評価するために実施すべきチェックリストとして教えられることがある<ref>{{Cite journal|last1=Phillips|first1=Carl V.|date=October 2004|title=The missed lessons of Sir Austin Bradford Hill|journal=Epidemiologic Perspectives and Innovations|volume=1|issue=3|pages=3|doi=10.1186/1742-5573-1-3|pmc=524370|pmid=15507128|author2=Karen J. Goodman|doi-access=free}}</ref>。ヒル自身は、「私の9つの観点のどれも、因果関係の仮説に対する議論の余地のない証拠を提供することはできないし、どれも''不可欠''とは言えない」と述べている<ref name="bh65" />。

# '''関連の強さ''': 小さな関連では因果効果がないとは限らないが、関連が大きいほど、因果関係である可能性が高い<ref name="bh65" />
# '''データの一貫性''': 異なる場所で、異なるサンプルを使って、異なる人が一貫した結果を観察することは、効果の可能性を強める<ref name="bh65" />
# '''特異性''': 非常に特定の集団が、特定の部位で、他に考えられる説明のない特定の病気を発症した場合、因果関係の可能性が高い。ある因子とある効果の関連が特異的であるほど、因果関係の確率は大きくなる<ref name="bh65" />
# '''時間性''': 原因の後に結果が起こらなければならない（そして、原因と予想される結果の間に予想される遅れがある場合、その遅れの後に結果が起こらなければならない）<ref name="bh65" />
# '''生物学的勾配''': 一般に、曝露量が多いほど、効果の発生率が高くなるはずである。ただし、場合によっては、因子の存在だけで効果が引き起こされることがある。他の場合では、逆の比例が観察される。すなわち、曝露量が多いほど、発生率が低くなる<ref name="bh65" />
# '''妥当性''': 原因と結果の間に妥当なメカニズムがあることは有益である（ただし、ヒルはメカニズムの知識は現在の知識によって制限されると指摘した）<ref name="bh65" />
# '''整合性''': 疫学的所見と実験的所見の整合性は、効果の可能性を高める。ただし、ヒルは「そのような[実験的]証拠の欠如は、関連性における疫学的効果を無効にすることはできない」と指摘した<ref name="bh65" />
# '''実験''': 「時折、実験的証拠に訴えることが可能である」<ref name="bh65" />
# '''類推''': 類似した因子の効果を考慮することができる<ref name="bh65" />

=== 法的解釈 ===
疫学研究は、ある因子が特定の場合に効果を引き起こした可能性を証明することはできるが、実際に引き起こしたことを証明することはできない。
{{Quote|疫学は、集団における疾病の{{仮リンク|Incidence (epidemiology)|en|Incidence (epidemiology)|label=発生率}}に関心があり、個人の疾病の原因という問題には対処しない。この問題は、時に特異的因果関係と呼ばれ、疫学の科学の領域を超えている。疫学は、ある因子と疾病の関係が因果関係である（一般的因果関係）と推論され、その因子に起因する超過リスクの大きさが決定された時点で限界に達する。つまり、疫学は、ある因子が疾病を引き起こす可能性があるかどうかを扱うのであって、ある因子が特定の原告の疾病を引き起こしたかどうかを扱うのではない<ref name="green">{{Cite book |last1= Green |first1= Michael D. |author2= D. Michal Freedman, and Leon Gordis |title= Reference Guide on Epidemiology |publisher= Federal Judicial Centre |url= http://www.fjc.gov/public/pdf.nsf/lookup/sciman06.pdf/$file/sciman06.pdf |access-date= 3 February 2008 |url-status= dead |archive-url= https://web.archive.org/web/20080227143925/http://www.fjc.gov/public/pdf.nsf/lookup/sciman06.pdf/$file/sciman06.pdf |archive-date= 27 February 2008 |df= dmy-all }}</ref>。}}
アメリカ合衆国の法律では、疫学だけでは、因果関係が一般に存在しないことを証明することはできない。逆に、個々のケースにおいて、[[確率]]のバランスに基づいて、因果関係が存在するという推論を正当化するために、米国の裁判所によって（状況によっては）考慮される可能性がある。

法医学疫学の細分野は、因果関係が争われている、または不明確な個人または個人のグループにおける疾病または傷害の特定の因果関係の調査を目的としており、法的環境での提示を目的としている。

== 集団ベースの健康管理 ==
疫学的実践と疫学的分析の結果は、新たに登場している集団ベースの健康管理の枠組みに重要な貢献をしている。

集団ベースの健康管理には、以下の能力が含まれる。

* 対象集団の健康状態と健康ニーズを評価すること。
* その集団の健康を改善するために設計された介入を実施し、評価すること。
* その集団のメンバーに、コミュニティの文化的、政策的、健康資源的価値観と一致する方法で、効率的かつ効果的にケアを提供すること。

現代の集団ベースの健康管理は複雑であり、疫学的実践と分析を中核とする多様なスキル（医学、政治、技術、数学など）が必要であり、それらが管理科学と統合されることで、集団に効率的かつ効果的な医療と健康指導が提供される。このタスクには、健康リスク要因、発生率、有病率、死亡率の統計（疫学分析から導かれる）を、健康システムが現在の集団の健康問題にどのように対応するかだけでなく、将来起こりうる集団の健康問題により良く対応できるようにするための管理指標に変換する、現代のリスク管理アプローチの先見性ある能力が必要である<ref>{{Cite web |title=Measuring Health and Disease I: Introduction to Epidemiology |url=http://open.umich.edu/education/med/oernetwork/public-health/epidemiology/intro-epidemiology/2010 |access-date=16 December 2011 |author1=Neil Myburgh |author2=Debra Jackson |url-status=dead |archive-url=https://web.archive.org/web/20110801204104/https://open.umich.edu/education/med/oernetwork/public-health/epidemiology/intro-epidemiology/2010 |archive-date=1 August 2011}}</ref>。

疫学的実践の成果を活用した集団ベースの健康管理を利用している組織の例としては、カナダ癌管理戦略、カナダ保健省タバコ規制プログラム、リック・ハンセン財団、カナダタバコ規制研究イニシアチブなどがある<ref>{{Cite conference|last1=Smetanin|first1=P.|author2=P. Kobak|title=Interdisciplinary Cancer Risk Management: Canadian Life and Economic Impacts|url=http://www.riskanalytica.com/sites/riskanalytica.com/files/Canadian%20Cancer%20Abstract%2010%20June%202005.pdf|conference=1st International Cancer Control Congress|date=October 2005|access-date=2 August 2013|archive-date=2 February 2014|archive-url=https://web.archive.org/web/20140202111313/http://www.riskanalytica.com/sites/riskanalytica.com/files/Canadian%20Cancer%20Abstract%2010%20June%202005.pdf|url-status=dead}}</ref><ref>{{Cite conference|last1=Smetanin|first1=P.|author2=P. Kobak|title=A Population-Based Risk Management Framework for Cancer Control|conference=The International Union Against Cancer Conference|date=July 2006|conference-url=http://2006.confex.com/uicc/uicc/techprogram/P7935.HTM|url=http://www.riskanalytica.com/?q=node/73|format=PDF|url-status=dead|archive-url=https://web.archive.org/web/20140202111153/http://www.riskanalytica.com/?q=node%2F73|archive-date=2 February 2014|df=dmy-all}}</ref><ref>{{Cite conference|last1=Smetanin|first1=P.|author2=P. Kobak|title=Selected Canadian Life and Economic Forecast Impacts of Lung Cancer|conference=11th World Conference on Lung Cancer|date=July 2005|url=http://www.riskanalytica.com/?q=node/70|format=PDF|url-status=dead|archive-url=https://web.archive.org/web/20140202111300/http://www.riskanalytica.com/?q=node%2F70|archive-date=2 February 2014|df=dmy-all}}</ref>。

これらの組織は、それぞれ「Life at Risk」と呼ばれる集団ベースの健康管理の枠組みを使用しており、疫学的な定量分析を人口統計、保健機関の運営研究、経済学と組み合わせることで、以下のことを行っている。

* 集団生命影響シミュレーション: 新規疾病症例、有病率、早死、障害や死亡による潜在的な生命年数の損失に関して、疾病が集団に及ぼす将来の潜在的影響を測定する。
* 労働力生命影響シミュレーション: 新規疾病症例、有病率、早死、障害や死亡による潜在的な生命年数の損失に関して、疾病が労働力に及ぼす将来の潜在的影響を測定する。
* 疾病の経済的影響シミュレーション: 民間部門の可処分所得（賃金、企業利益、民間医療費）と公共部門の可処分所得（個人所得税、法人所得税、消費税、[[公費負担医療|公的資金による医療費]]）に対する疾病の将来の潜在的影響を測定する。

== 応用疫学 ==
応用疫学とは、疫学的手法を用いて集団の健康を保護または改善する実践のことである。応用疫学には、伝染性疾患および非伝染性疾患のアウトブレイク、死亡率および罹患率、栄養状態などの健康指標の調査が含まれ、その目的は、適切な政策や疾病対策を実施できる人々に結果を伝達することである。

=== 人道的な状況 ===
人道的危機の状況下では、疾病やその他の健康因子の監視と報告がますます困難になるにつれて、データを報告するために使用される方法論が損なわれる。ある研究では、人道的な状況から抽出された栄養調査の半数以下（42.4%）が栄養不良の有病率を正しく計算し、調査の3分の1（35.3%）のみが質の基準を満たしていた。死亡率調査では、質の基準を満たしたのはわずか3.2%であった。栄養状態と死亡率は危機の深刻度を示す指標となるため、これらの健康因子の追跡と報告は非常に重要である。

重要な登録簿は通常、データを収集する最も効果的な方法であるが、人道的な状況下では、これらの登録簿が存在しなかったり、信頼できなかったり、アクセスできなかったりする可能性がある。そのため、死亡率は、前向きな人口動態監視または後ろ向きな死亡率調査のいずれかを使用して不正確に測定されることが多い。前向きな人口動態監視には多くの人力が必要であり、広範囲に広がった集団に実施するのが難しい。後ろ向きの死亡率調査は、選択バイアスと報告バイアスの影響を受けやすい。他の方法も開発されているが、まだ一般的な慣行ではない<ref>WHO, [https://www.who.int/topics/epidemiology/en "Health topics: Epidemiology."] {{Webarchive|url=https://web.archive.org/web/20200509180559/http://www9.who.int/topics/epidemiology/en/|date=9 May 2020}}  Accessed: 30 October 2017.</ref><ref>Miquel Porta.  A Dictionary of Epidemiology. http://global.oup.com/academic/product/a-dictionary-of-epidemiology-9780199976737?cc=us&lang=en {{Webarchive|url=https://web.archive.org/web/20170711233713/https://global.oup.com/academic/product/a-dictionary-of-epidemiology-9780199976737?cc=us&lang=en|date=11 July 2017}} 6th edition, New York, 2014 Oxford University Press {{ISBN2|978-0-19-997673-7}} Accessed: 30 October 2017.</ref><ref>Prudhon, C & Spiegel, P. "A review of methodology and analysis of nutrition and mortality surveys conducted in humanitarian emergencies from October 1993 to April 2004" Emerging Themes in Epidemiology 2007, 4:10. http://www.ete-online.com/content/4/1/10 {{Webarchive|url=https://web.archive.org/web/20151023194726/http://www.ete-online.com/content/4/1/10|date=23 October 2015}} Accessed: 30 October 2017.</ref><ref>Roberts, B et al. "A new method to estimate mortality in crisis-affected and resource-poor settings: validation study." ''International Journal of Epidemiology'' 2010; 39:1584–96. Accessed: 30 October 2017.</ref>。

== 特徴・妥当性・バイアス ==

=== 流行の波 ===
流行における波の概念は、特に[[感染|伝染性疾患]]に影響を与える。「流行の波」という用語の実用的な定義は、次の2つの重要な特徴に基づいている。1）上昇または下降のトレンドの期間を含むこと、2）これらの増加または減少は、軽微な変動や報告エラーと区別するために、かなりの大きさで長期間持続する必要がある<ref name="Zhang">{{Cite journal|author=Zhang Stephen X|date=2021|title=When is an epidemic an epidemic?|journal=Risk Management and Healthcare Policy|volume=14|pages=3775–3782|doi=10.2147/RMHP.S326051|pmc=8448159|pmid=34548826|author2=Marioli Francisco Arroyo|author3=Gao Renfei|author4=Wang Senhu|doi-access=free}}</ref>。一貫した科学的定義を使用する目的は、COVID-19パンデミックの進行について伝達したり理解したりするために使用できる一貫した言語を提供することであり、これは医療機関や政策立案者が資源の計画と配分に役立つであろう。

=== 妥当性 ===
疫学の異なる分野では、妥当性のレベルが異なる。結果の妥当性を評価する一つの方法は、偽陽性（正しくない主張効果）と偽陰性（真の効果を支持しない研究）の比率である。{{仮リンク|genetic epidemiology|en|genetic epidemiology|label=遺伝疫学}}では、候補遺伝子研究は、偽陰性1件につき100件を超える偽陽性結果を生み出す可能性がある。対照的に、ゲノムワイド関連解析では、100件以上の偽陰性に対して偽陽性はわずか1件程度と、ほぼ逆の結果が得られている<ref name="Ioannides2011">{{Cite journal|last1=Ioannidis|first1=J. P. A.|last2=Tarone|first2=R.|last3=McLaughlin|first3=J. K.|year=2011|title=The False-positive to False-negative Ratio in Epidemiologic Studies|journal=Epidemiology|volume=22|issue=4|pages=450–56|doi=10.1097/EDE.0b013e31821b506e|pmid=21490505|s2cid=42756884|doi-access=free}}</ref>。遺伝疫学では、厳格な基準が採用されるようになったため、この比率は時間とともに改善されている。対照的に、他の疫学分野では、このような厳格な報告が要求されておらず、その結果、信頼性がはるかに低くなっている<ref name="Ioannides2011" />。

=== ランダム誤差 ===
ランダム誤差は、サンプリングの変動により真の値の周りで変動することによって生じる。ランダム誤差はまさにランダムである。データの収集、コーディング、転送、分析の過程で発生する可能性がある。ランダム誤差の例としては、質問の言い回しが悪い、特定の回答者の個々の回答の解釈に誤解がある、コーディング中のタイプミスなどがある。ランダム誤差は、一時的で一貫性のない方法で測定に影響を与え、ランダム誤差を修正することは不可能である。すべてのサンプリング手順にはランダム誤差、つまり{{仮リンク|sampling error|en|sampling error|label=サンプリング誤差}}がある{{要出典|date=July 2023}}。

疫学的変数の精度は、ランダム誤差の指標である。精度はランダム誤差と逆の関係にあるため、ランダム誤差を減らすことは精度を上げることになる。相対リスク推定値の精度を示すために、信頼区間が計算される。信頼区間が狭いほど、相対リスク推定値の精度が高くなる。

疫学研究におけるランダム誤差を減らすには、基本的に2つの方法がある。1つ目は、研究のサンプルサイズを増やすことである。つまり、研究対象者を増やすことである。2つ目は、研究における測定の変動を減らすことである。これは、より精度の高い測定機器を使用するか、測定回数を増やすことで達成できるかもしれない。

ただし、サンプルサイズや測定回数を増やしたり、より精度の高い測定機器を購入したりすると、通常、研究のコストが増加することに注意が必要である。十分な精度の必要性と研究コストの実際的な問題との間には、通常、不安定なバランスがある。

=== 系統誤差 ===
系統誤差またはバイアスは、サンプリングの変動以外の原因により、（集団における）真の値と（研究における）観測値に差がある場合に発生する。系統誤差の例としては、使用している[[パルスオキシメーター]]が正しく設定されていないことに気づかず、測定のたびに真の値に2ポイント追加されるような場合である{{要出典|date=2024年4月}}<!-- 近年のパルスオキシメーターはそもそも、「設定」の必要が無く、系統誤差が生じにくく、2ポイントも誤差が発生するのは考えづらい。他の測定機器への例の差し替えが望ましい -->。測定機器は[[正確度と精度|精密かもしれないが正確ではない]]可能性がある。誤差はすべての事例で発生するため、系統的である。その データに基づいて引き出された結論は、やはり間違っているだろう。しかし、その誤差は将来再現可能である（例えば、同じ誤設定の機器を使用することで）。

特定の質問に対する''すべての''回答に影響を与えるコーディングの誤りは、系統誤差の別の例である。

研究の妥当性は、系統誤差の程度に依存する。妥当性は通常、2つの要素に分けられる。

* {{仮リンク|Internal validity|en|Internal validity|label=内的妥当性}}は、曝露、疾病、およびこれらの変数間の関連性を含む測定の誤差量に依存する。内的妥当性が高いということは、測定の誤差が少ないことを意味し、少なくとも研究対象者に関する限り、推論を導き出すことができることを示唆している。
* {{仮リンク|External validity|en|External validity|label=外的妥当性}}は、研究結果をサンプルが抽出された集団（またはその集団を超えてより普遍的な記述）に一般化するプロセスに関係する。これには、一般化に関連する（または無関係な）条件を理解する必要がある。内的妥当性は明らかに外的妥当性の前提条件である。

==== 選択バイアス ====
{{仮リンク|Selection bias|en|Selection bias|label=選択バイアス}}は、曝露と関心のある転帰の両方に関連する第3の測定されない変数の結果として、研究対象が選択されるか、研究の一部になる場合に発生する<ref name="Hernán2004">{{Cite journal|last1=Hernán|first1=M. A.|last2=Hernández-Díaz|first2=S.|last3=Robins|first3=J. M.|year=2004|title=A structural approach to selection bias|journal=Epidemiology|volume=15|issue=5|pages=615–25|doi=10.1097/01.ede.0000135174.63482.43|pmid=15308962|s2cid=1373077|doi-access=free}}</ref>。例えば、喫煙者と非喫煙者では、研究参加率が異なる傾向があることが繰り返し指摘されている。（サケットDは、非喫煙者の85%と喫煙者の67%が郵送された質問票を返送したセルツァーらの例を引用している）<ref name="Sackett D. Bias in analytic research. J Chron Dis 1979; vol. 32:51–63.">[http://www.epidemiology.ch/history/PDF%20bg/Sackett%20DL%201979%20bias%20in%20analytic%20research.pdf] {{Webarchive|url=https://web.archive.org/web/20170829193522/http://epidemiology.ch/history/PDF%20bg/Sackett%20DL%201979%20bias%20in%20analytic%20research.pdf|date=29 August 2017}} 24</ref>。応答におけるこのような違いが、2つの応答グループ間の転帰の系統的な差とも関連していない場合、バイアスにはつながらないことに注意することが重要である。

==== 情報バイアス ====
{{仮リンク|Information bias (epidemiology)|en|Information bias (epidemiology)|label=情報バイアス}}は、変数の評価における系統的誤差から生じるバイアスである<ref name="Rothman2002">{{Cite book |last1=Rothman |first1=K. |title=Epidemiology: An Introduction |url=https://archive.org/details/epidemiology00kenn |url-access=registration |date=2002 |publisher=[[オックスフォード大学出版局|Oxford University Press]] |location=Oxford |isbn=978-0195135541}}</ref>。この例として、思い出しバイアスがある。典型的な例は、胎児の健康に対する特定の曝露の影響を調べた研究についてのサケットの議論で再び示されている。「最近の妊娠が胎児死亡または奇形（症例）に終わった母親と、妊娠が正常に終わった一致した母親のグループ（対照）に質問したところ、前者の28%、後者の20%のみが、以前の前向きインタビューや他の健康記録でも裏付けられない薬物への曝露を報告した」<ref name="Sackett D. Bias in analytic research. J Chron Dis 1979; vol. 32:51–63." />。この例では、流産を経験した女性は、以前の曝露をより良く思い出し、報告する傾向があるように見えたため、おそらく思い出しバイアスが発生したのだろう。

交絡因子 [[交絡]]は伝統的に、交絡因子と呼ばれる無関係な要因の効果の共発生や混合から生じるバイアスと定義されてきた<ref name="Rothman2002" /><ref name="Greenland">{{Cite journal|year=2001|title=Confounding in Health Research|journal=Annu. Rev. Public Health|volume=22|pages=189–212|doi=10.1146/annurev.publhealth.22.1.189|pmid=11274518|vauthors=Greenland S, Morgenstern H|s2cid=4647751|doi-access=}}</ref>。より最近の交絡の定義では、''反事実的''効果の概念を導入している<ref name="Greenland" />。この見方によれば、関心のある転帰、例えばY=1（Y=0とは対照的に）が、完全に曝露された（つまり、集団のすべての単位について曝露''X''=1）特定の集団Aで観察された場合、このイベントのリスクは''R''<sub>A1</sub>になる。反事実的または観察されないリスク''R''<sub>A0</sub>は、同じ個人が曝露されていなかった場合（つまり、集団のすべての単位について''X''&nbsp;=&nbsp;0）に観察されたであろうリスクに対応する。したがって、曝露の真の効果は、''R''<sub>A1</sub>−''R''<sub>A0</sub>（リスク差に興味がある場合）または''R''<sub>A1</sub>/''R''<sub>A0</sub>（相対リスクに興味がある場合）である。反事実的リスク''R''<sub>A0</sub>は観察不可能であるため、第2の集団Bを使用して近似し、実際に次の関係を測定する。''R''<sub>A1</sub>−''R''<sub>B0</sub>または''R''<sub>A1</sub>/''R''<sub>B0</sub>。この状況では、''R''<sub>A0</sub>≠''R''<sub>B0</sub>のとき、交絡が発生する<ref name="Greenland" />（注：例では二値の転帰変数と曝露変数を想定している）。

一部の疫学者は、選択バイアスや情報バイアスとは異なり、交絡が実際の因果効果から生じるため、交絡をバイアスの一般的な分類とは別に考えることを好む<ref name="Hernán2004" />。

== 職業 ==
学部レベルでは、疫学を学習コースとして提供している[[大学]]は少ない。注目すべき学部プログラムは[[ジョンズ・ホプキンズ大学]]にある。ここでは、公衆衛生を専攻する学生は、4年次に[[ブルームバーグ公衆衛生大学院]]で疫学を含む大学院レベルのコースを受講できる<ref>{{Cite web |title=Public Health Studies |url=http://krieger.jhu.edu/publichealth/ |website=Public Health Studies at Johns Hopkins |date=6 June 2013 |access-date=13 April 2017}}</ref>。

疫学研究は、医師などの臨床訓練を受けた専門家を含む様々な分野の個人によって行われているが、[[Master of Public Health|公衆衛生修士]]（MPH）、[[修士（理学）|疫学修士]]（MSc）、{{仮リンク|Doctor of Public Health|en|Doctor of Public Health|label=公衆衛生博士}}（DrPH）、[[Pharm.D.|薬学博士]]（PharmD）、[[Doctor of Philosophy|哲学博士]]（PhD）、[[博士（理学）|理学博士]]（ScD）などの修士課程または博士課程を通じて正式な訓練を受けることができる。他の多くの大学院プログラム、例えば、{{仮リンク|Doctor of Social Work|en|Doctor of Social Work|label=ソーシャルワーク博士}}（DSW）、臨床実践博士（DClinP）、{{仮リンク|Doctor of Podiatric Medicine|en|Doctor of Podiatric Medicine|label=足病医学博士}}（DPM）、[[獣医師|獣医学博士]]（DVM）、{{仮リンク|Doctor of Nursing Practice|en|Doctor of Nursing Practice|label=看護実践博士}}（DNP）、{{仮リンク|Doctor of Physical Therapy|en|Doctor of Physical Therapy|label=理学療法博士}}（DPT）、または臨床訓練を受けた医師の場合、{{仮リンク|Doctor of Medicine|en|Doctor of Medicine|label=医学博士}}（MD）または{{仮リンク|Bachelor of Medicine and Surgery|en|Bachelor of Medicine and Surgery|label=医学士}}（MBBSまたはMBChB）および{{仮リンク|Doctor of Osteopathic Medicine|en|Doctor of Osteopathic Medicine|label=オステオパシー医学博士}}（DO）には、疫学研究または関連トピックのある程度の訓練が含まれているが、この訓練は一般に、疫学または公衆衛生に特化した訓練プログラムで提供されるものよりもかなり少ない。疫学と医学の強い歴史的関係を反映して、正式な訓練プログラムは、公衆衛生学部または医学部のいずれかに設置される場合がある。

公衆衛生／健康保護の実務者として、疫学者は様々な環境で働いている。一部の疫学者は「現場」で働いている。つまり、コミュニティ、一般的には公衆衛生／健康保護サービスで働き、疾病の発生を調査し、撲滅する最前線にいることが多い。他には、非営利団体、大学、病院、州や地方の保健局などの大きな政府機関、各種保健省、[[国境なき医師団]]、[[アメリカ疾病予防管理センター|疾病対策予防センター]]（CDC）、{{仮リンク|Health Protection Agency|en|Health Protection Agency|label=保健保護庁}}、[[世界保健機関]]（WHO）、{{仮リンク|Public Health Agency of Canada|en|Public Health Agency of Canada|label=カナダ公衆衛生局}}などで働いている。疫学者は、製薬会社や医療機器会社のマーケティングリサーチや臨床開発などのグループで、営利団体で働くこともできる。

=== COVID-19 ===
2020年4月の[[南カリフォルニア大学]]の記事では、「[[新型コロナウイルス感染症の世界的流行 (2019年-)|コロナウイルス感染症の流行]]は、疫学（集団における疾病の発生率、分布、管理の研究）を世界中の科学分野の最前線に押し出し、その実践者の一部を一時的に有名人にさえした」と指摘した<ref>{{Cite web |last1=Hiro |first1=Brian |title=Ask the Expert: The Epidemiology of COVID-19 |url=https://news.csusm.edu/ask-the-expert-deborah-morton/ |publisher=SCUSM |access-date=11 June 2020}}</ref>。

== 参考文献 ==

=== 出典 ===
{{Reflist|2}}

=== 文献 ===
* {{仮リンク|David Clayton|en|David Clayton|label=Clayton, David}} and Michael Hills (1993) ''Statistical Models in Epidemiology'' Oxford University Press. {{ISBN2|0-19-852221-5}}<!-- A thorough introduction to the statistical analysis of epidemiological data, focussing on survival rates - their estimation, analysis and comparison.-->
* {{仮リンク|Miquel Porta|en|Miquel Porta|label=Miquel Porta}}, editor (2014) "A dictionary of epidemiology", 6th edn, New York: Oxford University Press. [http://global.oup.com/academic/product/a-dictionary-of-epidemiology-9780199976737?cc=us&lang=en A Dictionary of Epidemiology] {{Webarchive|url=https://web.archive.org/web/20170711233713/https://global.oup.com/academic/product/a-dictionary-of-epidemiology-9780199976737?cc=us&lang=en|date=11 July 2017}}
* Morabia, Alfredo, editor. (2004) A History of Epidemiologic Methods and Concepts. Basel, Birkhauser Verlag. Part I. [https://books.google.com/books?id=Hgnnhu1ym-8C A History of Epidemiologic Methods and Concepts] {{Webarchive|url=https://web.archive.org/web/20220630015958/https://books.google.com/books?id=Hgnnhu1ym-8C&printsec=frontcover|date=30 June 2022}} [https://www.springer.com/public+health/book/978-3-7643-6818-0 A History of Epidemiologic Methods and Concepts] {{Webarchive|url=https://web.archive.org/web/20110703131648/http://www.springer.com/public+health/book/978-3-7643-6818-0|date=3 July 2011}}
* Smetanin P, Kobak P, Moyer C, Maley O (2005). "The Risk Management of Tobacco Control Research Policy Programs" The World Conference on Tobacco OR Health Conference, 12–15 July 2006, Washington DC.
* Szklo M, Nieto FJ (2002). "Epidemiology: beyond the basics", Aspen Publishers.
* Robertson LS (2015). Injury Epidemiology: Fourth Edition. Free online at <code>nanlee.net</code>
* Rothman K., {{仮リンク|Sander Greenland|en|Sander Greenland|label=Sander Greenland}}, Lash T., editors (2008). "Modern Epidemiology", 3rd Edition, Lippincott Williams & Wilkins. {{ISBN2|0-7817-5564-6|978-0-7817-5564-1}}
* [https://web.archive.org/web/20130518044530/https://skydrive.live.com/?cid=ec4d1867f6389ec0&id=EC4D1867F6389EC0%21183 Olsen J, Christensen K, Murray J, Ekbom A. An Introduction to Epidemiology for Health Professionals. New York: Springer Science+Business Media; 2010] {{ISBN2|978-1-4419-1497-2}}
* Anders Ahlbom,Staffan Norell,''Introduction to modern epidemiology'' 2nd ed,America:Epidemiology Resources ,1990/07/01,p.1,ISBN 0-917-22706-9
* Kenneth J.Rothman,Sander Greenland,''Modern epidemiology'' 2nd ed,America:Lippincott Williams & Wilkins,1998/01/15,ISBN 0-316-75780-2
* [[日本疫学会]]監修『はじめて学ぶやさしい疫学-疫学への招待』[[南江堂]]、2002-10-10、ISBN 4-524-22468-8
* [[等々力英美]]他『EBN入門-[[生活習慣病]]を理解するために』[[第一出版]]、2000/09、ISBN 4-804-10933-1
* [[高橋茂樹]]編集『公衆衛生対策講座』[[株式会社MEC]]、2004
* 高橋茂樹他『STEP公衆衛生第5版』[[海馬書房]]、2002-10-22、ISBN 4-907704-20-8

==関連項目==
{{Div col}}
*[[公衆衛生]]
*[[社会調査]]
*[[医療]]
*[[統計学]]
*[[根拠に基づく医療]]
*[[国際保健]]／[[グローバル・ヘルス]]
*[[日本疫学会]]
* [[スーパー・スプレッダー]]
* [[治験審査委員会]]
* [[人体実験|ヒトを対象とした研究]]

* {{Annotated link|年齢調整}}

* {{Annotated link|カーフィリー心臓病研究}}

* {{Annotated link|災害疫学研究センター|abbreviation=CRED}}

* {{Annotated link|GISED研究センター}}

* {{Annotated link|循環計画}}

* {{Annotated link|接触者追跡}}

* {{Annotated link|重要なコミュニティサイズ}}

* {{Annotated link|疾病クラスター}}

* {{Annotated link|疾病拡散マッピング}}

* {{Annotated link|疫学におけるコンパートメントモデル}}

* {{Annotated link|疫学的方法}}

* {{Annotated link|疫学的転換}}

* {{Annotated link|欧州疾病予防管理センター}}

* {{Annotated link|ヒスパニックパラドックス}}

* {{Annotated link|国際薬剤疫学会}}

* {{Annotated link|ジョブ・エクスポージャー・マトリックス}}

* {{Annotated link|感染症の数理モデリング}}

* {{Annotated link|メンデルのランダム化}}

* {{Annotated link|職業疫学}}

* {{Annotated link|予測分析}}

* {{Annotated link|産業保健心理学会|''Society for Occupational Health Psychology''}}

* {{Annotated link|人種と健康|生物医学における人口集団}}

* {{Annotated link|空間疫学}}

* {{Annotated link|ポメラニア健康研究}}

* {{Annotated link|標的を絞った予防接種戦略}}

* {{Annotated link|都市計画}}

* {{Annotated link|ホワイトホール研究}}

* {{Annotated link|人獣共通感染症}}

{{Div col end}}

== 外部リンク ==
{{Commonscat|Epidemiology}}{{Wiktionary|epidemiology}}{{Library resources box|by=no|onlinebooks=no|others=no|about=yes|label=epidemiology}}
* {{コトバンク}}
* [http://www.hpa.org.uk The Health Protection Agency] {{Webarchive|url=https://web.archive.org/web/20070129123642/http://www.hpa.org.uk/|date=29 January 2007}}
* [https://biostats.bepress.com/ The Collection of Biostatistics Research Archive] {{Webarchive|url=https://web.archive.org/web/20211024171703/https://biostats.bepress.com/|date=24 October 2021}}
* [https://web.archive.org/web/20110726171127/http://www.iea-europe.org/index.htm European Epidemiological Federation]
* [http://www.bmj.com/about-bmj/resources-readers/publications/epidemiology-uninitiated 'Epidemiology for the Uninitiated'] {{Webarchive|url=https://web.archive.org/web/20190321191234/https://www.bmj.com/about-bmj/resources-readers/publications/epidemiology-uninitiated|date=21 March 2019}} by D. Coggon, G. Rose, D.J.P. Barker, ''[[ブリティッシュ・メディカル・ジャーナル|British Medical Journal]]''
* [http://www.epidem.com Epidem.com] {{Webarchive|url=https://web.archive.org/web/20010924091113/http://epidem.com/|date=24 September 2001}} – ''{{仮リンク|Epidemiology (journal)|en|Epidemiology (journal)|label=Epidemiology}}'' (peer reviewed scientific journal that publishes original research on epidemiologic topics)
* [https://www.ncbi.nlm.nih.gov/books/NBK7993/ 'Epidemiology'] {{Webarchive|url=https://web.archive.org/web/20210429152443/https://www.ncbi.nlm.nih.gov/books/NBK7993/|date=29 April 2021}} – In: Philip S. Brachman, ''{{仮リンク|Medical Microbiology|en|Medical Microbiology|label=Medical Microbiology}}'' (fourth edition), US [[アメリカ国立生物工学情報センター|National Center for Biotechnology Information]]
* [https://web.archive.org/web/20071104183725/http://vlab.infotech.monash.edu.au/simulations/cellular-automata/epidemic/ Monash Virtual Laboratory] – Simulations of epidemic spread across a landscape
* [http://dceg.cancer.gov/ Division of Cancer Epidemiology and Genetics, National Cancer Institute, National Institutes of Health] {{Webarchive|url=https://web.archive.org/web/20090812223649/http://dceg.cancer.gov/|date=12 August 2009}}
* [http://www.cred.be Centre for Research on the Epidemiology of Disasters] {{Webarchive|url=https://web.archive.org/web/20100315094506/http://www.cred.be/|date=15 March 2010}}{{Spaced en dash}}A [[世界保健機関|WHO]] collaborating centre
* [https://web.archive.org/web/20180405101243/http://www.epidemiology.ch/history/PeopleEpidemiologyLibrary.html People's Epidemiology Library]
* [https://www.ncbi.nlm.nih.gov/pubmed/32113704 Epidemiology of COVID-19 outbreak] {{Webarchive|url=https://web.archive.org/web/20200328061221/https://www.ncbi.nlm.nih.gov/pubmed/32113704|date=28 March 2020}}
*[http://www.ph.ucla.edu/epi/snow.html 疫学の歴史（ジョン・スノー）] - [[カリフォルニア大学ロサンゼルス校]]
* [http://jeaweb.jp/newsletters/pdf/no10.pdf 日本疫学会 ニュースレター] 日本の疫学者の現在までの疫学への取り組みや現状報告
* [https://www.mhlw.go.jp/general/seido/kousei/i-kenkyu/ekigaku/0504sisin.html 疫学研究に関する倫理指針　厚生労働省]
* [http://www.vetepi.umin.jp/ 獣医疫学会]
* Kawachi「[http://www.igaku-shoin.co.jp/nwsppr/n2004dir/n2566dir/n2566_05.htm 「社会疫学（Social_Epidemiology）」とは何か？-週刊医学界新聞バックナンバー第2566号]」[[医学書院]]2004年1月5日

{{生物学}}
{{公衆衛生}}
{{authority control}}
{{DEFAULTSORT:えきかく}}
[[Category:疫学|*]]
[[Category:公衆衛生]]
[[Category:衛生学|*えきかく]]
[[Category:統計学]]
[[Category:測定学]]
[[Category:生物学の分野]]
[[Category:環境社会科学]]