重回帰分析という統計学的分析手法があります。
たとえば、褥瘡の発生確率を判定するスケールを作るのに使ったりします。
いろいろな変数（たとえば、褥瘡評価では、周囲の赤み、湿潤の程度、肉芽の色、盛り上がり具合などの因子を数値にしたものです）をコンピュータに入れると、それぞれの因子の相関関係を計算します。
そして、相関関係の高いものは、どちらか一方で、間に合うとして、評価項目からはずしていきます。
このようにすると、他のものでまかなえない大事な項目だけが残ってきます。
ところが、ここでも不思議なことが起こります。
最初に、Ａ、Ｂ、Ｃ、Ｄ、Ｅの項目があって、重回帰分析をしたら、最初にＥが消え、つぎにＤが消え、その後Ｃが消えて、最後にＡとＢだけ残ったとします。
「それじゃあ、最初からＥは抜いて計算しよう」とすると、今度は、ＢとＣだけ残ったりするのです。
重回帰分析の結果は流動的です。恣意的に操作可能です。
このような問題点を調整して、残された項目で、褥瘡の発生の程度を表す数式を作れば、蓄えたデータについてだけ、どの因子が作用して褥瘡になったかという説明ができます。
重回帰分析のポイントは「過去のデータを説明できる」ことです。けっして、予測を保証するものではありません。
将来のデータは、この重回帰分析の中に入っていないのです。
従来のデータにない症例に遭遇した場合、この重回帰分析は必ずはずれます。
そうすると、できるだけ多くのデータを集めて、将来のデータの範囲をカバーしたいと思うでしょう。
ところが、時間の経過とともに、患者さんの置かれている環境は変わります。
褥瘡についてでも、2000年と現在では、年齢、栄養投与手段、医療費、エア・マットレスの値段、褥瘡に対する理解、その他多くのことが変化しています。
その「変化」のために、過去のデータは「参考値」にしかなりません。
また、褥瘡の発生を予測しようとする施設は、その熱意がデータを修飾します。
それだけでも、普遍性はなくなります。
では、どうすれば、「科学的」になるのでしょう？
