動画で話したこと

1日1万歩のところに、境目は見つかりませんでした。

この研究が調べたのは、米国の子ども5515人です。手首に活動量計を3週間つけて1日の歩数を測り、そのおよそ1年あとに、心の問題をたずねる質問票の点を測っています。歩数を測ったのは、およそ11歳から12歳のころです。

歩数を5つの区分に分けた探索的な解析では、1日5000歩未満のグループと比べて、どの上の区分も質問票の点が低くなっていました。いちばん上の1日1万2000歩以上の区分では0.102点低い、という関連でした。

曲線をあてはめてもあてはまりは良くならず、著者は「しきい値も頭打ちの証拠もない」と書いています。つまり、1万歩という線がここで見つかったわけではありません。

動画では、ここまでで時間がなくなりました。この記事では、動画で一言で済ませたところと、動画に入れられなかったところを広げます。中身は5つです。

  • 誰を、どう分けて、何を、いつ測ったのか。歩数を割り振った研究ではないのに、何を比べられているのか
  • 0.102点の「点」が何の点なのか。そして、この0.102点が大きいのか小さいのかを、論文から判断できない理由
  • 4つの区分の数字と、その幅(95パーセントの信頼区間)。本文に載っている比較と、載っていない比較
  • 論文の題で主役になっている脳の話。動画から丸ごと外した柱です
  • 著者自身が因果をはっきり否定している箇所と、同じ論文の中で因果に近く読める箇所

誰を、どう分けて、何を、いつ測ったのか

歩数は、誰も割り振っていません

まず、この研究の形をはっきりさせます。これはコホート研究、つまり観察研究です。研究者が「あなたは1日1万2000歩歩いてください」「あなたは5000歩未満にしてください」と割り振ったわけではありません。

ふだんどおりに暮らしている子どもに活動量計をつけ、実際に歩いた歩数で後から区分に分けたという作りです。くじ引きで介入を割り付けた研究なら、「割り付けどおりの比較」と「実際に受けたかどうかで分けた比較」を見分ける必要があります。この研究には割り付けそのものがないので、その見分けは存在しません。そのかわり、区分の違いは、歩数以外のあらゆる違いを引きずっているという問題がついてきます。

論文は、交絡(原因と結果の両方に関係する第三の要因)を調整するために、かなりの数の要因をモデルに入れています。固定効果として入っているのは、性別(親の報告)、年齢、世帯の経済状況、住んでいる地域の不利さの指標、BMI、住まいの周りの緑地の量、親の最終学歴、そして MRI の装置の機種です。変量効果として、家族の識別子と、データを集めた施設が入っています。

ここに地域の要因が入っているのは、この論文自身が前の研究の弱点として挙げている点です。前の研究は世帯の経済状況だけを調整していて、地域の不利さや緑地の量を見落としていたと書かれています。

母体になっている研究

この研究は、自前で子どもを集めたものではありません。米国の ABCD 研究という長期の追跡研究のデータ(release 5.1)を使っています。

ABCD 研究は、9歳から10歳の子ども 11 879人を、米国の21か所で集めて追いかけています。倫理審査はカリフォルニア大学サンディエゴ校が中央で行い、21の施設と取り決めを結んでいます。親からは書面の同意を、子どもからも同意を取っています。解析計画は Open Science Framework に事前登録されていると書かれています。

この 11 879人のうち、今回の解析に入ったのは5515人です。

11 879人のうち、解析に入ったのは5515人

出発点は 11 879人です。9歳から10歳のときに、米国21か所で集められた子どもたちです。この人数は、今回の論文が集めたものではなく、母体になっている長期の追跡研究の人数です。

ここから半分以下に減って、解析に入ったのは5515人です。条件は2つで、使える1日の歩数のデータがあること、そして使える脳の画像があることです。活動量計をつけた回に参加しなかった子、画像の品質の基準を満たさなかった子は、ここで外れます。

減ったこと自体は、よくあることです。問題は、減り方に向きがあるかどうかです。著者は、残った5515人は外れた人に比べて、より恵まれた家庭の出身で、心の問題も少なかったと書いています。

だから、この5515人は米国の12歳ごろの子どもを代表する集まりではありません。著者自身が、一般化しにくさの限界として挙げています。ここを押さえておくと、あとに出てくる数字の読み方が変わります。

ABCD 研究が集めた子ども11879人
この解析に入った子ども5515人

この2つの数字のあいだで、誰がどんな理由で外れたのかの内訳は、論文の本文には段階ごとに書かれていません。本文が書いているのは、解析に入れたのが「使える1日の歩数のデータと、使える脳の画像の両方がそろった人」だということと、残った人数が5515人だということです。そして著者自身が限界として、解析に入った人は外れた人に比べてより恵まれた家庭の出身で、心の問題も少なかったと書いています。つまり、この減り方は偶然のふるい落としではありません。

論文のどこ:もとの人数は Methods の最初の段落、解析に入った人数は Results の最初の段落と Table. Demographic Information、偏りについての記述は Limitations の最後の文です

歩数を、どうやって測ったか

歩数は、活動量計(Fitbit Charge 2)を手首に3週間つけて測っています。測った時期は「2年後の調査の前」で、そのとき子どもたちはおよそ11歳から12歳でした。論文は、これがこの研究で歩数のデータが取れるいちばん早い時点だと書いています。

データとして使ってよい条件も決まっています。ABCD 研究の決まりで、1日600分以上の記録が、週に平日4日以上と週末1日以上必要です。この条件を満たした有効な日の歩数を、3週間ぶん平均したものが、この研究の「1日の歩数」です。

標本の1日の歩数は、平均9595歩(ばらつきの目安となる標準偏差は3239歩)でした。装着時間は1日平均875.55分です。

ここで、測り方の限界が1つあります。手首につけた活動量計なので、拾っているのは主に歩く動きです。著者も限界の1番目として、歩数は歩く活動を主に拾うもので、もっと強い運動や、組織的なスポーツ、自由な遊びのような複数の要素がある活動を映していないかもしれないと書いています。

心の問題と成績は、いつ測ったか

心の問題と成績を測ったのは、3年後の調査です。歩数を測ったのが2年後の調査の前なので、およそ1年あとにあたります。

測る順番が、この研究の強みです。歩数を先に測り、心の問題をあとで測っているので、「あとで測ったものが先の歩数の原因になった」という単純な向きは外せます。ただし、それでも因果の証明にはなりません。歩数を測る前から心の調子に差があった可能性は残ります。この点は、あとの節でもう一度扱います。

交絡として入れた要因の測定時期も、きちんと書き分けられています。地域の不利さの指標と緑地の量はベースライン(いちばん最初の調査)、世帯の経済状況と親の最終学歴は2年後の調査の値です。

そして BMI だけは1年後の調査の値を使っています。理由がはっきり書かれていて、「歩数との双方向の関係を避けるため」です。調整する要因をいつ測った値にするかを、論文が意識して選んでいる例です。

主たる解析と、探索的な解析

ここが、この回でいちばん大事な区別です。

論文には、歩数の扱い方が2通りあります。

1つめは主たる解析で、歩数を連続量として扱っています。歩数が多いほど心の問題の点が低いか、を直線の関係として見るやり方です。この解析では、心の問題との関連は認められ、成績との関連は認められませんでした。

2つめが探索的な解析で、歩数を5つの区分に分けて扱っています。この記事に出てくる0.102点は、こちらの解析から出た数字です。論文の Methods の見出しは「Exploratory Aim: Categorical Analysis」、Results の書き出しも「In exploratory analyses」で、探索的だと論文自身が明記しています。

探索的だからといって、数字が間違っているわけではありません。ただし、事前に立てた仮説を検証した結果とは重みが違います。あとから眺めて見つけた形には、たまたまそう見えただけのものが混ざりやすいからです。

なお、主たる解析の推定値(歩数を連続量として扱ったときの係数)は、この記事では数字として出しません。理由は、その数字の「1単位」が何歩なのかが、論文の本文に書かれていないためです。歩数が1000歩多いごとなのか、標準偏差1つぶん(3239歩)多いごとなのかで、同じ係数の意味がまったく変わります。論文が連続量を標準化したと書いているのは媒介解析の段落で、主たる解析についての記述ではありません。意味の分からない単位の数字は、出しても読者が確かめられないので、出さないことにしました。

区分の境目は、どこから来たか

5つの区分は、1日あたり5000歩未満、5000〜7499歩、7500〜9999歩、1万〜1万1999歩、1万2000歩以上です。基準(比べる相手)は5000歩未満のグループです。

境目の決め方について、論文は「標本の四分位に近づけた」と書いています。標本の四分位は7366歩、9323歩、1万1446歩です。たしかに7500、1万、1万2000という境目は、この3つの近くにあります。

ただし、2つ気づいておくとよいことがあります。

1つめ。実際の境目はきりのよい数字で、四分位そのものではありません。論文は「意味のある活動の水準をまたいで解釈しやすくするため」と理由を書いていて、たとえば1万歩という世の中でよく使われる区切りが、ここで境目として採用されています。つまり、1万歩はこの研究が見つけた線ではなく、最初から引かれていた線です。

2つめ。論文は「四分位にもとづいて区分にした」と書きながら、できた区分は5つです。四分位で分ければ区分は4つになるので、この2つの記述はそのままでは重なりません。

もう1つ、読むときに効いてくる欠けがあります。各区分に何人いたかは、論文の本文に書かれていません。だから「5000歩未満の子が何人いたのか」は、この論文の本文からは分かりません。基準になるグループの人数が分からないと、いちばん左の点がどれくらい安定した値なのかも判断しにくくなります。

0.102点の「点」は、何の点か

誰が、何項目に答えたのか

0.102点の「点」は、Brief Problem Monitor という質問票の点です。19項目で、内に向かう症状、外に向かう症状、注意の症状を測ります。よく使われる Child Behavior Checklist の短縮版だと書かれています。

答えたのは子ども本人です。親や先生ではなく、医師の診断でもありません。測った時点は3年後の調査です。

点の向きも確かめておきます。この論文の表の脚注に、点が高いほど心の問題が多いと書かれています。だから「点が0.102低い」は「心の問題が少ない方向」を指します。本文も「点が低い」と「心の問題が少ない」を並べて書いていますが、点の向きそのものを定義しているのは表の脚注です。

ここが、この論文のいちばん大きな欠け

さて、問題はここからです。

この質問票の満点が、論文の本文にも、表にも、図の説明にも書かれていません。

論文が書いているのは「19項目の尺度」というところまでです。1項目が何点から何点までの目盛りなのか、合計すると最大いくつになるのかは、どこにも書かれていません。詳しい説明は補足の資料と2本の参考文献にあるとされていますが、論文そのものの中にはありません。

だから、「〇点満点で0.102点」という書き方ができません。これは、この記事がいちばん強く言いたいところです。

満点が分からないと、何が困るのか。0.102点という数字を渡されても、それが「ものすごく大きい差」なのか「ほとんど無視できる差」なのかを決められないのです。もし満点が100点なら、0.102点はほぼゼロです。もし満点が1点なら、0.102点は1割を超えます。判断の仕方が正反対になります。

この0.102点を「たった0.102点」と呼ぶことはできません。「たった」と言うには、何に対して小さいのかを示す必要があり、それが論文の中に無いからです。

では、手がかりはまったく無いのか

まったく無いわけではありません。1つだけ、間接の手がかりが論文の中にあります。標本そのものの点の分布です。

論文の表には、この5515人の質問票の点が、平均0.40、標準偏差0.30と書かれています。これは満点ではありませんが、「この集団の点がだいたいどのあたりにあるか」を示しています。

この2つの数字と0.102点を並べると、次のようになります。なお、この割り算は論文がしているものではなく、この記事が論文の表の数字から計算したものです。

  • 平均0.40点に対して、0.102点は約26パーセントにあたります
  • 標準偏差0.30点に対して、0.102点は約0.34にあたります

標準偏差で割った値(約0.34)は、統計の慣習では「小さい」から「中くらい」のあいだに入ります。少なくとも、「無視できる差」と呼べる大きさではありません。

ここは誤解されやすいので、はっきり書きます。この記事は「0.102点は大きい」と言っているのではありません。言っているのは、次の2つです。

  • 「0.102点は小さい」も、論文の本文を根拠にしては言えません
  • 論文の表の数字と並べると、むしろ小さくは見えません。ただしこの比べ方は論文がしていないので、この記事の計算だと断っておく必要があります

結局、確かめられるのは「この0.102点が大きいか小さいかを、この論文からは判断できない」というところまでです。これは歯切れの悪い結論ですが、歯切れの良い結論を作ろうとすると、論文に無い前提を足すことになります。

もう1つ、点の性質についての注意を添えます。表の値が0.40という小さい数なので、この点は19項目の合計点ではなく1項目あたりの平均に近いものだと読めます。論文も「BPM の平均の点」という書き方をしています。ただし、これも論文が「平均点である」と明記しているわけではないので、そう読めるというところまでです。

論文自身の言い方が緩い箇所

もう1つ、言葉の使い方で気をつけるところがあります。

論文は、区分ごとの結果を述べる箇所で「心の問題の発生が少なかった(lower incidence of mental health problems)」という書き方をしています。しかし、この研究が測ったのは質問票の点です。何人が病気になったかを数えたものではありません。

だからこの記事では、「発生率が下がった」「割合が減った」という書き方をしていません。言えるのは「質問票の点が低かった」までです。元の論文の言い方のほうが広くなっている例として、覚えておくと役に立ちます。

結果を、幅で見る

ここからが、4つの区分の数字です。それぞれの区分を、1日5000歩未満のグループと比べたものです。

5000歩未満と比べた、質問票の点の差(探索的な解析)

まず、真ん中の縦の線を見てください。これが0、つまり「5000歩未満のグループと差がない」位置です。今回は点数の差(引き算)なので、差がない位置は0になります。倍率の指標なら、ここが1になります。

1つめ。5000〜7499歩の区分です。点は0.048低く、幅は0.089低いところから0.007低いところまでです。幅は0をまたいでいません。ただし上端は0.007で、0のすぐ近くです。

2つめ。7500〜9999歩の区分です。0.058低く、幅は0.098低いところから0.018低いところまで。この区分は動画では読み上げていません。区分の数が多いと図が読みにくくなるので外しましたが、この記事では全部出しています。

3つめ。1万〜1万1999歩の区分です。0.073低く、幅は0.115低いところから0.032低いところまでです。

4つめ。1万2000歩以上の区分です。0.102低く、幅は0.144低いところから0.059低いところまで。4つのうちで点がいちばん左にあり、幅も0から最も離れています。

ここで見てほしいのは、4つの幅が大きく重なり合っていることです。たとえば1万〜1万1999歩の幅と、1万2000歩以上の幅は、かなりの部分が重なっています。幅が重なっているとき、その2つの区分のあいだに差があるとは、この図からは言えません。

そして、この図の全体の形が「歩数の多い区分ほど点が低い」という並びになっています。論文はこれを段階的な関連と呼んでいます。ただし、歩数を割り振った研究ではないので、並びがそろっていることから原因と結果の向きは決まりません。

5000〜7499歩-0.048(-0.089 〜 -0.007)
7500〜9999歩-0.058(-0.098 〜 -0.018)
1万〜1万1999歩-0.073(-0.115 〜 -0.032)
1万2000歩以上-0.102(-0.144 〜 -0.059)
差がない位置0

基準は1日5000歩未満のグループです。マイナスは、質問票の点が低い方向(心の問題が少ない方向)を指します。この質問票は点が高いほど心の問題が多いので、向きを取り違えないように気をつけてください。横の線は、それぞれの推定値に付いた95パーセントの信頼区間です。この幅は「真の値がここにある確率が95パーセント」という意味ではありません。同じやり方で測り直すことを何度もくり返したとき、その幅のうち95パーセントが真の値を含む、という作りの区間です。読むときの手がかりは、幅が0(差がない位置)をまたぐかどうかです。4つのうち、0をまたいでいるものはありません。ただしこれは探索的な解析から出た数字で、この質問票の満点は論文に書かれていないため、0.102点という差の大きさそのものは論文から判断できません。

論文のどこ:Results の、探索的な解析を述べた段落(2つめの段落)と Figure 1D。区分の作り方は Methods の Exploratory Aim: Categorical Analysis の節にあります

本文に載っている比較と、載っていない比較

上の図は、4つの区分をそれぞれ「5000歩未満」と比べたものです。区分どうしを直接くらべた比較は、別に行われています。

論文は、Tukey という方法を使った事後の比較を2つ報告しています。

  • 1万2000歩以上の区分は、5000〜7499歩の区分より 0.053点低い(95パーセントの幅は0.014から0.092)
  • 1万2000歩以上の区分は、7500〜9999歩の区分より 0.043点低い(95パーセントの幅は0.009から0.078)

ここで、何が報告されていないかに目を向けてください。

1万2000歩以上の区分と、1万〜1万1999歩の区分を直接くらべた結果は、本文に書かれていません。

これは、1万歩という線を考えるときに決定的です。「1万歩を超えてさらに歩くと、もっと点が低いのか」を知りたければ、まさにこの2つの区分を比べる必要があります。その比較の結果が本文に無いので、上の2つの区分を区別できたのかどうかが分かりません。

図の7段階目で書いたとおり、この2つの区分の95パーセントの幅はかなり重なっています。重なっているからといって差がないとは言えませんが、「1万2000歩のほうがはっきり良かった」とも言えません。

曲線をあてはめてみた結果

論文は、関係が途中で曲がっていないかも調べています。やり方は、歩数の2乗の項をモデルに足して、足したモデルと足さないモデルのあてはまりを比べるというものです。「ある歩数から先は横ばいになる」という形があれば、2乗の項を入れたほうがあてはまりが良くなるはずです。

結果は、あてはまりは良くなりませんでした。心の問題についても、脳の指標についても同じです。

ただし、この比較の具体的な数値(尤度比検定の値)は本文にありません。補足の表にあるとされています。だから本文から確かめられるのは「良くならなかった」という記述までです。

「しきい値はなかった」は、どこまでの話か

ここが、動画のつかみにした部分です。もう少し踏み込みます。

論文の要旨の結論には、こう書かれています。心の健康への良い関連は「観察された範囲の中で」連続的に積み上がるように見え、しきい値や頭打ちの証拠はなかった、と。

この「観察された範囲の中で」という限定が、いちばん大事です。

では、観察された範囲はどこまでか。論文の表の脚注に書かれています。

  • 1日の歩数の中央値は9323歩です。つまり半分の子は9323歩より少なく歩いていました
  • 四分位は7366歩から1万1446歩です。つまり4分の3の子は1万1446歩までに収まっていました
  • そして、いちばん上の区分は「1日1万2000歩以上」で、上限のない区分です。どこまで歩いた子がいたのかは、論文の本文に書かれていません

ここから分かることは、こうです。この研究が「頭打ちは見つからなかった」と言える範囲は、ほとんどの子が1万1446歩までに収まっている分布の中です。1日2万歩、3万歩の子がいたとしても、いちばん上の「1万2000歩以上」の区分にまとめて入ります。そこから先を分けて調べてはいません。

8000歩の話に注意

論文の考察には、過去の研究との比較が書かれています。子どもと若年から中年の大人で、8000歩前後で体の健康への良い関連が頭打ちになるという過去の研究があり、今回の結果はそれと食い違う、という趣旨です。

ここで2つ、注意するところがあります。

1つめ。その8000歩は、過去の研究が「体の健康」について示した数字です。心の問題についての数字ではありません。

2つめ。この研究は、8000歩という線を検定していません。区分の境目は5000、7500、1万、1万2000歩です。8000歩は、どの境目にもなっていません。

つまり「8000歩の頭打ちは否定された」とは言えません。言えるのは、この研究が自分で設けた区分の中では、上の区分に行くほど点が低い並びになっていた、というところまでです。

「段階的」という言い方

論文は、この形を「段階的(graded)」と呼び、別の箇所では「用量反応の勾配(dose-response gradient)」とも書いています。

「用量反応」という言葉は、もともと薬の量と効果の関係を指す言葉です。量が増えるほど反応も強くなる、という形を表します。この言葉自体に因果の響きがあるので、観察研究で使われているときは、気をつけて読む必要があります。

この論文で確かめられたのは、歩数の区分が上がるにつれて、質問票の点が段階的に低くなる並びが見られたことです。量を増やしたら反応が強くなったことを確かめたわけではありません。歩数は割り振られていないので、並びの向きは「よく歩く子のほうが心の調子が良い」とも「心の調子が良い子のほうがよく歩く」とも読めます。

なお、「段階的と表すのがよい」と書かれている文は、厳密には脳の皮質の厚さについての段落にあります。心の問題については、要旨の結論と考察の別の段落に、同じ趣旨が書かれています。

脳の話

論文の題は「Physical Activity and Adolescent Brain Structure, Mental Health, and Academic Outcomes」で、脳が主役です。動画ではこの柱を扱えなかったので、ここで扱います。

事前の仮説は、当たりませんでした

まず、この論文が何を予想していたかを見ます。論文は、前の研究をもとに2つの仮説を立てていました。

1つめ。歩数が多いほど、淡蒼球、線条体、視床といった脳の深いところ(皮質下)の体積が大きい、という仮説です。

2つめ。歩数が多いほど、前頭と頭頂の皮質の厚さと表面積が大きい、という仮説です。

結果は、1つめの仮説は当たりませんでした。皮質下の領域の体積と歩数の関連は、どこにも認められていません。論文は「我々の仮説に反して」と書いています。考察では、皮質下の体積には、ふだんの身体活動よりも心肺の体力のほうが関係しているのかもしれない、という説明が挙げられています。

2つめの仮説は、部分的に当たりました。関連が認められたのは2か所です。

また、脳全体の指標(平均の皮質の厚さ、総表面積、総体積)には、どれも関連が認められていません。関連が出たのは、領域ごとに見たときだけです。

関連が認められた2か所

歩数と、皮質の厚さの関連(主たる解析、34領域の中で補正したあと)

差がない位置は0です。この図では2本とも0より右(プラス側)にあります。プラスは「歩数が多いほうで皮質が厚い」方向です。

1つめは中央傍小葉です。足の動きの指令と、体で感じた情報の処理をつかさどる場所だと論文は説明しています。推定値は0.057で、幅は0.026から0.087です。

2つめは前帯状皮質の前部です。情報を処理するときの、反応がぶつかり合う場面に関わる場所だと説明されています。推定値は0.052で、幅は0.021から0.082です。

見落としてほしくないのは、ここに出ていないものです。皮質の厚さは34の領域を調べていて、たくさんの検定をしたぶんの補正(FDR 補正)を通ったのは、この2つだけでした。表面積の34領域と、皮質下の7領域では、補正を通ったものは1つもありません。脳全体の平均の厚さ、総表面積、総体積にも関連はありませんでした。

そして、事前に予想していたのは皮質下の体積(淡蒼球、線条体、視床)のほうでした。つまり、当たったのは予想していなかった側です。脳全体を見渡す解析は、論文自身が「事前の仮説を超えた探索的なもの」と書いています。

中央傍小葉の皮質の厚さ0.057(0.026 〜 0.087)
前帯状皮質の前部の皮質の厚さ0.052(0.021 〜 0.082)
差がない位置0

こちらは前の図とは単位が違います。前の図は質問票の点の差でしたが、この図は標準化された係数です。だから、前の図の数字とこの図の数字を見くらべて「どちらが大きい」と言うことはできません。差がない位置は0です。この2か所は、皮質の厚さを調べた34の領域の中で、誤って有意と判定されるのを抑える補正(FDR 補正)を通ったものです。表面積の34領域と、皮質下の7領域では、補正を通ったものはありませんでした。なお、論文はこれを「標準化した係数」と書いていますが、何を標準化したのかの説明は媒介の段落にしかありません。この係数が「歩数がどれだけ増えるごとの値なのか」は、論文の本文に書かれていません。だから読めるのは「幅が0をまたいでいない」というところまでで、1日何歩増えるとどれだけ厚くなるという読み方はできません。

論文のどこ:Results の Daily Step Count and Brain Structure の節の最初の段落と Figure 2。補正のやり方は Methods の Covariates and Multiple Comparison Correction の節、事前の仮説は Introduction の最後の段落にあります

「厚いほうが良い」とは、論文も書いていません

ここが、脳の話でいちばん誤解されやすいところです。

論文の考察に、著者自身の自制的な説明が書かれています。要約すると、こうです。皮質の厚さは、発達の過程でふつうに薄くなっていきます。だから、歩数の多い子で皮質が厚いことは、「厚くなった」という意味ではなく、「薄くなるのが相対的に遅い」ことを映しているのかもしれない、と。

そして著者は続けて、これが発達の道筋の違いを表すのかどうかを決めるには、長期のデータが必要だと書いています。

この研究が測った脳の画像は1時点ぶんです。同じ子の脳が時間とともにどう変わったかを追ったものではありません。だから「歩くと脳が育つ」とは言えません。確かめられたのは、ある時点で撮った画像の中で、歩数の多い子のほうが2か所の皮質が厚いという関連が見られた、というところまでです。

区分ごとに見ると、脳の結果はほとんど消えます

歩数を5つの区分に分けた探索的な解析を、脳についてもやっています。結果は、心の問題のときとかなり違います。

  • 中央傍小葉の厚さで差が認められたのは、1万2000歩以上の区分だけでした
  • 前帯状皮質の前部では、どの区分にも差が認められませんでした

論文自身がこの結果について、脳の構造との関連は見えにくく、とても低い水準ととても高い水準のような大きな対比のときだけ、区分に分けても検出できるのだろうと書いています。

ここで1つ、気づいた食い違いを書いておきます。1万2000歩以上の区分についての数字を見ると、t という統計量が2.028と報告されているのに、P 値が.004と報告されています。t が2.03 くらいのとき、P 値はふつう.04 前後になります。桁が1つずれています。

同じ論文の中で、成績についても似た食い違いがあります。1万〜1万1999歩の区分について、本文は成績の点が「0.262 高かった」と書いているのに、併記されている95パーセントの幅は −0.518 から −0.007 で、全部マイナスです。点の推定値の符号と、幅の符号が合っていません。

この2か所の数字は、この記事では結果として使いません。使えないからです。どちらが正しいのかは、論文の本文からは決められません。

数字の食い違いを見つけたときに、どちらかを選んで話を進めない。これは、論文を読むときの大事な作法です。片方を選んだ瞬間に、それは論文が書いていないことになります。

媒介解析と、その限界

この論文のもう1つの柱は、媒介解析です。「歩数と心の問題の関連は、脳の構造の違いを通っているのか」を調べる解析です。

結果として、中央傍小葉の厚さが、歩数の多さと1年後の心の問題の少なさの関連を「統計的に媒介していた」と報告されています。間接の推定値は −0.002 で、95パーセントの幅は −0.0045 から −0.0004 です。前の時点の心の問題で調整しても有意だったと書かれています。ほかの経路は、補正のあとに有意なものはありませんでした。

この結果は、注意して読む必要があります。理由が3つあります。

1つめ。著者自身が限界として挙げています。媒介に入れる候補を同じ標本の中から選んだので、間接の推定が大きく出ている可能性があり、効果の大きさは慎重に解釈すべきだと書かれています。これは、「この集団で関連が出た指標」を選んで、同じ集団で媒介を検定しているという作りに由来する問題です。

2つめ。論文は一貫して「統計的に媒介した」という言い方をしています。「歩くと脳の皮質が厚くなり、そのおかげで心が整う」という道筋を確かめたわけではありません。統計のモデルにあてはめたとき、そのように分解できたという報告です。

3つめ。媒介の解析は、時間の順番を仮定します。歩数が先、脳が次、心の問題が最後、という順番です。ところが、脳の画像をどの回の調査で撮ったものかは、論文の本文に書かれていません。本文にあるのは、データを集めた期間(2018年11月から2020年11月)と、撮り方の説明だけです。歩数と心の問題については、どの回の調査で測ったかがはっきり書かれているのに、脳についてはそれがありません。

図の説明文にある「効果」という言葉

もう1つ、見つけておくとよいものがあります。

媒介のモデルを示した図の説明文に、「経路(c) は、1日の歩数のアウトカムへの総効果を示す」と書かれています。英語では the total effect of daily steps on the outcomes です。

「効果」は因果の言葉です。限界の節では「因果の結論は引き出せない」と書いている同じ論文の、図の説明文にこの言葉が使われています。これは著者の不注意かもしれませんし、媒介解析の分野で慣習的に使われる用語をそのまま使っただけかもしれません。どちらにしても、読む側としては、本文の慎重な言い方と、図の説明文の言い方がそろっていないことに気づいておくほうが安全です。

著者が因果を否定している箇所と、因果に近く読める箇所

この論文は、因果についての言い方が、場所によってはっきり違います。これ自体が、この回で練習する価値のある材料です。

因果を否定している箇所

限界の節に、こう書かれています。

これは観察研究であり、因果の結論は引き出せない。残っている交絡と、双方向の関連の可能性は残る(原文は causal conclusions cannot be drawn; residual confounding and bidirectional associations remain possible)。

ここで言われている「双方向」が、この回の肝です。心の調子が良い子のほうがよく歩いていた、という向きで、同じデータが説明できます。歩数を先に測り、心の問題を1年あとに測っているので、単純な時間の逆転は外せます。しかし、歩数を測る前の時点で、すでに心の調子に差があった可能性は残ります。

著者は、今後の研究では g-methods や周辺構造モデルといった方法でこの問題に取り組めるだろう、とも書いています。つまり、この研究の設計ではこの問題を解けていないと、著者自身が認めています。

結果の記述でも、論文は一貫して「〜と関連していた(was associated with)」という形を使っています。「引き起こした」「改善させた」という書き方はしていません。

同じ論文の中で、因果に近く読める箇所

一方で、要旨の結論、Key Points、そして結論の節では、印象がかなり違います。

  • 要旨の結論には、歩数を増やすことを促すことの潜在的な価値を強調している、と書かれています
  • Key Points には、日々の歩数を積み上げることは手に入れやすい標的を表す、と書かれています
  • 結論の節には、日々の歩数の積み上げは、思春期の心の健康と健やかな脳の発達を促すための有望な標的かもしれない、と書かれています
  • そして要旨と結論の両方に、著者の作ったうたい文句が置かれています。この記事では借りませんが、「一歩一歩が効く」という趣旨の言い方です

「標的(target)」は、介入する対象を指す言葉です。ここに何かをすれば結果が変わるという前提が、言葉の中に入っています。歩数を割り振っていない研究の結論に、この言葉が置かれています。

さらに、考察には、身体活動がエンドルフィンやドパミン、セロトニンの放出を促し、ストレスを和らげるのに役立つかもしれない、という説明があります。これは他の研究からの引用で、この研究が測ったものではありません。この研究が測った脳の指標は、皮質の厚さ、表面積、皮質下の体積だけです。

なぜ、この落差に気づくことが役に立つのか

論文を読むときに、どこを読むかで受け取る印象が変わります。

要旨の結論と Key Points だけを読むと、「歩数を増やせば心の健康によい」という話に見えます。限界の節まで読むと、「因果の結論は引き出せない」と書かれています。同じ論文です。

ニュースや紹介記事は、たいてい要旨の結論と Key Points から作られます。限界の節は、論文の終わりのほうにあって、短く、地味です。だから、論文の中でいちばん慎重に書かれている部分が、いちばん読まれないという構造になっています。

この研究では言えないこと

ここまでに出てきた限界を、まとめます。最初の6つは著者自身が限界の節に書いているものです。あとの3つは、この記事が本文を読んで足したものです。

著者が挙げている限界

1. 歩数は、歩く活動しか主に拾いません。強い運動や、組織的なスポーツ、自由な遊びのような複数の要素がある活動を映していないかもしれないと書かれています。この研究は「部活をやっている子はどうか」を調べたものではありません。

2. 観察研究なので、因果の結論は引き出せません。残っている交絡と、双方向の関連の可能性が残ると書かれています。前の節で詳しく扱いました。

3. 媒介に入れる候補を、同じ標本の中から選んでいます。そのため間接の推定が大きく出ている可能性があり、効果の大きさは慎重に解釈すべきだと書かれています。

4. 屋内と屋外を区別していません。屋外はより豊かで多様な感覚の刺激があり、屋内は単調になりやすいので、発達への影響が違うかもしれないと書かれています。この研究の歩数は、どこで歩いたかを区別していません。

5. 心の問題も成績も、自己申告です。著者は、客観的な成績の指標と、臨床的な心の評価を使った研究が必要だと書いています。成績の点については、親と本人が答えた学校の成績の平均で、1(最上)から12(落第)の目盛りを、高いほど良い向きに反転したものだと書かれています。試験の点ではありません。

6. 解析に入った子は、外れた子に比べて、より恵まれた家庭の出身で、心の問題も少なかったと書かれています。著者は、これが結果の一般化しにくさの限界になると明記しています。この集団の背景を数字で見ると、世帯の経済状況の指標(所得を必要額で割った値)は4.20、親の教育年数は平均16.14年です。どちらも論文の表にある数字です。

この記事が足した限界

7. 質問票の満点が、論文に書かれていません。だから0.102点という差の大きさを、論文から判断できません。この記事でいちばん長く扱ったところです。

8. この記事の中心の数字は、探索的な解析から出たものです。主たる解析は歩数を連続量として扱ったもので、区分に分けた解析は論文自身が「探索的」と書いています。そして主たる解析の係数は、1単位が何歩なのかが本文に書かれていません。

9. 米国の子どもです。日本の子どもではありません。歩数を測ったのは、およそ11歳から12歳のころです。日本の歩数の分布や、この質問票の点との比較は、論文の本文にはありません。

成績について、はっきり書いておくこと

主たる解析では、歩数と成績の関連は認められませんでした。この点は、間違って伝わりやすいので強調します。

論文の本文は「しかし1年後の成績とは関連しなかった」と書くだけで、推定値も幅も示していません。図を参照するよう書かれていますが、数字そのものは本文にありません。

探索的な区分の解析には成績についての数字が1つ出てきますが、前に書いたとおり点の推定値と幅の符号が合っていないので、この記事では使いません。

著者は考察で、成績に差が出なかった理由を2つ挙げています。1つは、成績の改善には、日々の歩く動きだけでなく、もっと強い運動が必要なのかもしれないということ。もう1つは、成績が認知の能力以外のたくさんの要因(教え方、評価の仕方、分野ごとの知識など)を映すので、歩数との関連がそれらに埋もれてしまうのかもしれないということです。

どちらも、著者の考察です。この研究が確かめたものではありません。

感度解析について

公平を期すために書いておきます。この論文は、結果の頑丈さをかなり丁寧に調べています。

医療歴の点を追加で調整したもの、BMI を年齢と性別でそろえた値に差し替えたもの、3週間ぶんの歩数がそろった人だけに絞ったもの、前の時点の心の問題と成績で追加調整したもの、頭蓋内の容積で追加調整したもの、米国の人口構成に合わせた重み付けをしたもの、クラスタの決め方を変えたもの。論文は、これらすべてで結果の形は変わらなかったと書いています。

とくに「前の時点の心の問題で調整しても有意だった」というのは、双方向の心配に対する1つの応答です。歩数を測る前の心の問題の点を調整に入れても、関連が残ったということです。

ただし、これらの感度解析の具体的な数字は本文にありません。補足の表にあるとされています。だから本文から確かめられるのは「結果は変わらなかった」という記述までです。そして、前の時点の心の問題で調整することは、双方向の問題を小さくはしますが、消しはしません。著者自身が、限界の節では依然として「双方向の関連の可能性は残る」と書いています。

利益相反と資金

論文は、利益相反の申告はないと書いています。

資金については、責任著者が3つの助成(Brain & Behaviour Research Foundation の若手研究者助成、英国の医学研究会議の新任研究者助成、CIFAR の国際研究者プログラム)を受けていると書かれています。データ元の ABCD 研究は、米国の国立衛生研究所ほかの連邦機関の資金で運営されています。論文は、資金提供者が研究の設計、実施、解析、論文の判断に関与していないと明記しています。

この研究は活動量計(Fitbit)を使っていますが、Fitbit 社の関与については、論文の本文に記載がありません。

元の論文のどこを見ればよいか

元の論文は、次のとおりです。

Li Q, Paluch A, Rakesh D. Physical Activity and Adolescent Brain Structure, Mental Health, and Academic Outcomes. JAMA Netw Open. 2026;9(10):e2636973.

DOI のリンクはこちらです。https://doi.org/10.1001/jamanetworkopen.2026.36973

この論文はオープンアクセス(CC BY)で公開されています。解析計画は Open Science Framework に事前登録されていると書かれています。この記事で扱ったことが論文のどこにあるかを並べておきます。

  • コホート研究であること、母体の ABCD 研究、11 879人、米国21か所、倫理審査、事前登録、STROBE に沿った報告:Methods のいちばん最初の段落
  • 活動量計を手首に3週間、2年後の調査の前、およそ11歳から12歳、使ってよいデータの条件(1日600分以上、平日4日以上と週末1日以上):Measures の Daily Step Count の節
  • 質問票が19項目であること、答えたのが本人であること、3年後の調査で測ったこと、成績の点の作り方(1から12を反転):Measures の Mental Health and Academic Performance の節。この質問票の満点は、ここにも書かれていません。詳しい説明は補足の資料と2本の参考文献にあるとされています
  • 交絡として入れた要因と、それぞれをいつ測ったか。BMI を1年後の調査の値にした理由:Methods の Covariates の節
  • 脳の画像の撮り方、調べた領域の数(皮質34領域の厚さと表面積、皮質下7領域の体積、脳全体3指標、従属変数は合わせて78):Methods の Neuroimaging の節。どの回の調査で撮ったかは、ここにも書かれていません
  • 統計のやり方、固定効果と変量効果の一覧、FDR 補正の組み分け、媒介解析の作り方:Methods の Statistical Analyses と Covariates and Multiple Comparison Correction の節
  • 5つの区分の境目と基準群、標本の四分位(7366、9323、1万1446歩):Methods の Exploratory Aim: Categorical Analysis の節。見出しに「探索的」と書かれていることも、ここで確かめられます
  • 感度解析の一覧:Methods の Sensitivity Analyses の節。結果は Results の Sensitivity Analyses の節で、具体的な数字は補足の表にあるとされています
  • 5515人、女子2640人、平均年齢11.93歳、1日の歩数の平均9595歩、装着時間875.55分:Results の最初の段落と、Table. Demographic Information
  • 質問票の点の平均0.40とばらつき0.30、歩数の中央値9323歩と四分位7366〜1万1446歩、点が高いほど心の問題が多いという向き:Table. Demographic Information と、その脚注。向きの説明は本文ではなく脚注にあります
  • 主たる解析の結果(心の問題とは関連あり、成績とは関連なし)、2乗の項を入れてもあてはまりが良くならなかったこと:Results の最初の段落。成績については数字が示されておらず、図を参照するよう書かれています
  • 4つの区分の差(0.048、0.058、0.073、0.102点)とそれぞれの95パーセントの幅、Tukey の事後比較2つ、成績の0.262:Results の2つめの段落。1万2000歩以上と1万〜1万1999歩を直接くらべた結果が無いことも、ここで確かめられます。成績の0.262で点の推定値と幅の符号が合っていないことも、同じ段落で確かめられます
  • 脳の結果(脳全体は関連なし、中央傍小葉と前帯状皮質の前部の厚さだけ関連あり、ほかは補正を通らず):Results の Daily Step Count and Brain Structure の節の最初の段落
  • 区分ごとに見た脳の結果(1万2000歩以上だけ、前帯状皮質の前部はどこも差なし)と、t が2.028なのに P が.004 という食い違い:同じ節の2つめの段落
  • 媒介の結果(間接の推定 −0.002 とその幅):Results の Brain Structure as a Mediator の節
  • 「総効果」という言葉:Figure 4 の説明文
  • 事前に立てた2つの仮説:Introduction のいちばん最後の段落
  • 皮質下の体積について仮説が当たらなかったこと、表面積に関連が無かったことの考察:Discussion の、仮説と反する結果を論じた段落
  • 皮質の厚さは発達の過程で薄くなるので「薄くなるのが相対的に遅い」ことを映しているのかもしれない、長期のデータが必要:Discussion の、脳の結果を論じた段落
  • 8000歩前後の頭打ちという過去の研究との比較:Discussion の、区分の解析を論じた段落。過去の研究の数字が「体の健康」についてのものであることも、ここで確かめられます
  • 成績に差が出なかった理由についての考察(もっと強い運動が必要かもしれない、成績は認知以外の要因も映す):Discussion の、成績を論じた段落
  • 6つの限界:Limitations の節。並びは、歩く活動だけを拾うこと、観察研究で因果が言えないこと、媒介の候補を同じ標本から選んだこと、屋内と屋外を区別していないこと、自己申告であること、解析に入った人が恵まれた家庭に偏っていることの順です
  • 「一歩一歩が効く」「手に入れやすい標的」「有望な標的」という言い方:要旨の結論、Key Points の Meaning、そして Conclusions の節
  • 利益相反の申告と資金:論文の末尾の申告の欄

補足の資料(eMethods、eTable 1から20、eFigure 1から4)には、本文に数字が無い解析の結果が置かれています。質問票の詳しい説明、2乗の項のモデル比較の値、感度解析の数字、脳の全領域の結果、媒介の全結果は、いずれもそちらにあるとされています。

見方を練習するために

この回で練習することは、3つです。

1つめ。点数を見たら、その点数の目盛りを探すこと。

0.102点という差を見せられたら、まず「満点は何点か」を探します。この論文では、どこを探しても書かれていません。本文にも、表にも、図の説明にもありません。

目盛りが分からない点数は、大きいとも小さいとも言えません。これは当たり前のことですが、数字が小数で出てくると、なぜか「小さそう」に見えてしまいます。0.102という見た目に引っぱられるのです。

この論文の場合、1つだけ間接の手がかりがありました。標本そのものの点の平均(0.40)とばらつき(0.30)です。この2つと並べると、0.102点は少なくとも「無視できる差」には見えません。ただし、この比べ方は論文がしていないので、計算した側がそう断る必要があります。

2つめ。「しきい値はなかった」の前後に付いている限定を読むこと。

この論文の結論には、「観察された範囲の中で」という限定がはっきり書かれています。この一言を落とすと、「いくら歩いても良くなり続ける」という話になります。

観察された範囲は、表の脚注から分かります。中央値9323歩、4分の3の子が1万1446歩まで。いちばん上の区分は上限がありません。つまり、この研究が「頭打ちはなかった」と言える範囲は、ほとんどの子が1万1446歩までに収まる分布の中までです。

同じ注意が、「1万歩」という数字そのものにも効きます。1万歩は、この研究が見つけた線ではありません。最初から区分の境目として引かれていた線です。そして、1万歩台の区分と1万2000歩以上の区分を直接くらべた結果は、本文に書かれていません。

3つめ。同じ論文の中で、言い方がそろっているかを確かめること。

この論文は、限界の節で「因果の結論は引き出せない」「双方向の関連の可能性は残る」と、はっきり書いています。これはとても誠実な書き方です。

一方で、要旨の結論、Key Points、結論の節には「手に入れやすい標的」「有望な標的」という言い方が置かれ、図の説明文には「総効果」という因果の言葉が使われています。測ったものについても、「質問票の点」なのに「発生」という言葉が1か所で使われています。

どちらが本当か、という問いの立て方はしません。確かめられるのは、同じ論文の中で言い方がそろっていないところまでです。そして、ニュースや紹介記事が作られるときに使われるのは、たいてい慎重でない側のほうです。

数字の食い違いについても同じです。この論文には、点の推定値と幅の符号が合わない箇所と、t と P 値の桁が合わない箇所があります。どちらが正しいのかは、本文からは決められません。だから、どちらかを選んで話を進めないことにしました。選んだ瞬間に、それは論文が書いていないことになります。

この3つをまとめると、覚えることは1行です。

点数には目盛りを、「なかった」には範囲を、結論には限界の節をあてて読む。

この見方に一番近い本として、『「原因と結果」の経済学』を挙げておきます。相関と因果の違いを、どうやって見分けるのかを扱った本です。「よく歩く子のほうが心の調子が良かった」という形のデータから、どこまでが言えてどこからが言えないのか。向きが逆の説明をどう扱うのか。第三の要因をどう疑うのか。今回の論文で著者自身が「双方向の関連の可能性は残る」と書いた、その「双方向」が何を意味するのかが、この本を読むとはっきりします。この記事のページでは、この書名にアフィリエイトのリンクを付けています。

最後に、もう一度だけ書いておきます。

この論文が言えたのは、米国の恵まれた家庭に偏った12歳ごろの子ども5515人で、1日の歩数が多い区分ほど、およそ1年後に本人が答えた心の問題の質問票の点が低いという関連がみられた、というところまでです。差がいちばん大きかった1万2000歩以上の区分で0.102点でしたが、この質問票の満点は論文に書かれていないので、この差が大きいか小さいかは論文から判断できません。しきい値も頭打ちも見つからなかったと著者は書いていますが、それは観察された範囲の中での話です。歩数を割り振った研究ではないので、歩けば心が整うとは言えません。向きが逆の説明も、著者自身が外していません。

元の論文

Li Q ら. JAMA Netw Open. 2026.
https://doi.org/10.1001/jamanetworkopen.2026.36973

もっと知りたい人へ

PRこの記事には広告(アフィリエイトのリンク)を含みます。

『「原因と結果」の経済学』