疫学とは、集団における疾病の分布とその決定因子を研究し、健康増進のためにその知識を応用する科学である。個人の病気を診る臨床医学とは異なり、疫学は「集団」を単位として、なぜある人々が病気になり、ある人々がならないのかを問い続けてきた。その問いは古代の瘴気説から始まり、中世の疫病、近代の細菌学革命、そして21世紀のパンデミックまで、時代とともに深化してきた。本稿では疫学の歴史を形作った10の事件を描き出す。
疫学を変えた10の歴史的事件
疫学の発展は、特定の社会的事件や疾病調査との対話の中で進んできた。以下に、その流れを決定づけた10の出来事を時代順に示す。
| 14世紀 | ペスト大流行と検疫制度の誕生 ペスト（黒死病）ヨーロッパ人口の約3分の1が死亡したとされる疫病。ヴェネツィアなど港湾都市では入港船を40日間隔離する「クアランテーナ」制度が生まれ、これが現代の「検疫」の原型となった。感染の仕組みが分からない中でも、隔離という実践的知恵が公衆衛生の礎を築いた。 |
| 1796年 | 天然痘ワクチンの開発 イギリスの医師エドワード・ジェンナーが、牛痘に感染した乳搾りの女性が天然痘にかかりにくいという観察から、牛痘ウイルスを用いたワクチン接種を開発。この発見は近代ワクチン学の出発点であり、最終的に1980年、WHOによる天然痘の世界根絶（人類初の感染症根絶）へとつながった。 |
| 1854年 | コレラ地図と近代疫学の誕生 ロンドンのブロードストリートでコレラが集団発生。外科医ジョン・スノウは患者の発生場所を地図上に点描し、汚染された井戸ポンプを感染源として特定した。細菌の存在も知らないまま地理的分析だけで感染源を突き止めた手法は、空間疫学の始まりとして評価されている。 |
| 19世紀後半 | 細菌学革命 パストゥールとコッホは、疾病の原因が微生物（細菌）であることを実験的に証明した。コッホは「コッホの原則」（感染症の因果関係を証明するための4条件：①病原体の分離→②培養→③接種による発症→④再分離）を提唱し、疫学に科学的因果論の基盤を与えた。 |
| 1918年 | スペインかぜ・パンデミック インフルエンザ（H1N1）第一次世界大戦末期に発生したインフルエンザの世界的大流行。死者は推定5000万人以上とされる。この危機の中で、マスクの着用・学校閉鎖・集会禁止といった非薬学的介入（NPI）の概念が生まれ、現代のパンデミック対策の原型が確立した。 |
| 1950年代 | 喫煙と肺がんの因果関係証明： イギリスの疫学者リチャード・ドールとオースティン・ブラッドフォード・ヒルが、大規模コホート研究によって喫煙が肺がんの主因であることを統計的に証明した。 |
| 1960年代 | サリドマイド事件 妊婦向けの睡眠薬・つわり薬として販売されたサリドマイドが、胎児の四肢形成に重篤な障害を引き起こすことが判明。この薬害事件は医薬品の安全性評価に疫学的手法（薬剤疫学）を組み込む国際的な規制改革を促し、無作為化比較試験（RCT）の普及にもつながった。 |
| 1956年〜 | 水俣病──環境疫学の原点 チッソ株式会社の工場廃水に含まれるメチル水銀が、魚介類を経由して人間に蓄積し、神経障害（水俣病）を引き起こした。疫学調査によってこの因果経路が科学的に解明され、「環境疫学」という分野の確立に寄与した。 |
| 1980年代 | HIV/AIDSの感染経路解明 「謎の免疫不全症」として報告されたAIDSは、疫学調査によって血液・性的接触・母子感染の三経路が明らかになった。特定集団への偏りから感染経路を逆算する疫学的推論が威力を発揮し、社会的偏見との戦いも含む複合的な課題に疫学が応えた。 |
| 2019〜 | COVID-19パンデミック ゲノム解析によるウイルス変異の追跡、mRNAワクチンの迅速開発、数理モデルによる感染予測・医療体制評価など、現代疫学の全技術が動員された。 |
因果関係を判断する科学的基準
ブラッドフォード・ヒル基準（1965年）
疫学における最大の課題のひとつは、観察された「統計的関連」が「因果関係」であるかどうかを判断することである。「相関関係は因果関係を意味しない」という命題は、科学の根本にある。
特に疫学では、喫煙・環境汚染・食習慣など、倫理的にランダム化比較試験（RCT）が実施できないケースが多い。観察データだけから因果関係を推論する際に、交絡因子・バイアス・偶然の影響をどう排除するかが問題となる。
1965年、オースティン・ブラッドフォード・ヒルは、喫煙と肺がんの研究経験を踏まえ、因果判断のための9項目の基準を提唱した。これらは現在も疫学研究で広く参照されているが、あくまで判断の参考基準であり、現代では有向非巡回グラフ（DAG）などより厳密な因果推論の枠組みと組み合わせて使われることが多い。
| 基準 | 内容と意味 |
| ① 関連の強さ | リスク比（RR）やオッズ比（OR）が大きいほど偶然や交絡の影響を受けにくく、因果の可能性が高まる |
| ② 一貫性 | 異なる研究者・集団・時代において同じ関連が繰り返し再現されるか |
| ③ 特異性 | ある曝露が特定の疾患と強く結びついているか |
| ④ 時間的先行性 | 曝露（原因）が疾患（結果）より時間的に先行しているか。因果の方向性の確認 |
| ⑤ 用量反応関係 | 曝露量が増えるほど疾患リスクが増加するか（生物学的因果を支持） |
| ⑥ 生物学的妥当性 | 既知の生物学・医学的知見と矛盾しないか。メカニズムの説明可能性 |
| ⑦ 整合性 | 既存の疫学的・実験的知見全体と矛盾しないか |
| ⑧ 実験的証拠 | 動物実験や介入試験が関連を支持するか |
| ⑨ 類似性 | 類似した曝露で類似した疾患が生じた例（アナロジー）があるか |
これらが重なることで、単なる統計的関連を超えた因果関係の根拠として広く認められた。
数理疫学の誕生──感染症を方程式で解く
感染症の拡大を数式でモデル化する研究が「数理疫学」である。1927年、ケルマックとマッケンドリックがSIRモデルを提唱し、感染症動態の理論的基礎を与えた。
SIRモデル──感染動態の基礎理論
SIRモデルは人口を三つのグループに分類する。
| 記号 | 名称 | 説明 |
| S | Susceptible（感受性者） | まだ感染しておらず、感染する可能性のある人 |
| I | Infectious（感染者） | 現在感染しており、他者に感染させうる人 |
| R | Removed（回復・免疫獲得者） | 回復して免疫を得た人、または死亡した人 |
基本方程式
モデルの動態は次の連立微分方程式で表される。
| SIRモデルの微分方程式 dS/dt = -β S IdI/dt = β S I – γ IdR/dt = γ I β（ベータ）：感染率 γ（ガンマ）：回復率 |
β は「1人の感染者が単位時間に感受性者に感染させる率」を表し、γ は「感染者が単位時間に回復する率」を表す。この二つのパラメータから、感染症の拡大を予測する最重要指標が導かれる。
基本再生産数 R₀
| R₀ の定義と計算式R₀ = β ÷ γ 意味：1人の感染者が、免疫を持たない集団の中で感染期間中に平均何人に感染させるか。 R₀ > 1 のとき → 感染拡大R₀ = 1 のとき → 感染者数が一定（流行が維持）R₀ < 1 のとき → 感染収束 |
| 感染症 | R₀（概算） | 備考 |
| 麻疹（はしか） | 12〜18 | 最も感染力の強い疾患のひとつ |
| 百日咳 | 12〜17 | 乳幼児に重篤な症状 |
| ポリオ | 5〜7 | ワクチンで制圧に成功 |
| 天然痘 | 5〜7 | 1980年に根絶 |
| COVID-19（初期株） | 2〜3 | デルタ株では6〜8程度 |
| インフルエンザ（季節性） | 1.2〜1.4 | 毎年変異して流行 |
| エボラ出血熱 | 1.5〜2.5 | 致死率は高いが感染力は中程度 |
R₀から、集団免疫が成立するために必要なワクチン接種率（免疫保有率）の閾値が計算できる。
| 集団免疫閾値 p の計算式p = 1 − 1/R₀ 例：麻疹（R₀ ≈ 15）の場合 p = 1 − 1/15 ≈ 93%例：COVID-19初期株（R₀ ≈ 2.5）の場合 p ≈ 60% → この閾値を超える割合が免疫を持つことで、感染症の拡大が集団全体として抑制される。 |
疫学を理解するうえで欠かせない基本的な指標を整理する。これらは感染症・非感染症を問わず、あらゆる疫学研究の土台となる。
| 指標 | 定義 | 用途・特徴 |
| 発生率（Incidence rate） | 一定期間に新たに発症した人数 ÷ 対象人口 | 感染症の流行の速さや原因究明に使用 |
| 有病率（Prevalence rate） | ある時点で疾患を持つ人数 ÷ 対象人口 | 慢性疾患の負担・医療資源計画に使用 |
| 致命率（Case fatality rate） | 確認感染者のうち死亡した割合 | 感染症の重篤度評価に使用 |
現代疫学の新技術と展望
疫学は14世紀のペスト検疫に始まり、ジョン・スノウの地図分析、コッホの細菌学、ドールとヒルの統計的因果論、ケルマックの数理モデル（1927年）、そしてCOVID-19時代のゲノム解析・AIへと、絶えず進化してきた。
21世紀の疫学は、従来の観察研究・介入研究の枠を超え、新技術との融合によって進化している。ウイルスのゲノム（遺伝子配列）を解析することで、変異の追跡・感染クラスターの同定・感染経路の再構築が可能になった。COVID-19では、世界各地のSARS-CoV-2ゲノムデータがリアルタイムで共有され、変異株の出現と拡大が追跡された。スマートフォンの位置情報・SNS・検索エンジンのクエリデータを活用した接触追跡・感染予測が実用化されている。
この科学が現代において特別な意味を持つのは、医学・統計学・社会科学・情報科学という異なる知の領域を橋渡しする「総合科学」となったからである。
コメント