動画で話したこと
「腰痛の運動は、週4回、1回25分、13週がいちばん良い」。
この3つの数字は、たしかに論文に出てきます。要旨にそのまま書かれています。
ところが同じ論文の中で、著者自身が2か所で、この3つを1つの処方としてまとめて読んではいけないと書いています。6つの量の変数を、それぞれ別のモデルで推定したからです。
そして論文の結論はこうです。いまある証拠は、ただ1つの最適な運動量を支持しない。要旨は、3つの数字の直後に「ほとんどの量の水準で、推定の幅(95パーセントの信用区間)が重なっていた」と書き、結論の欄で「ただ1つの最適な運動量を支持しない」としています。
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6つです。
- 誰を、どう集めて、どうモデルに当てたのか。ランダム化比較試験を集めているのに、量どうしの比較は何から出ているのか
- 「11.53点」の11.53が何の点で、何に対する差なのか。そして、比べた相手の正体がどこに書かれているのか
- 6つの量の推定と、その幅。幅が重なっていた動けなさと、重なっていなかった痛みの強さの違い
- 要旨と本文で言い方が食い違っているところ。そして3つの数字を掛け算すると、ほかの「最適」な数字と合わないこと
- 「6週から12週」という、日本語の解説でよく見る数字の出どころ。この論文の導入が、まさにその形の主張を名指しで批判しています
- 運動の種類ごとの違いと、有害事象。動画から丸ごと外した2つの柱です
最初に書いておきます。この記事は研究の紹介で、運動のやり方の指示ではありません。量の目安は、医師や理学療法士と相談して決めるものです。
研究デザイン(誰を、どう分けて、いつ測ったか)
これは系統的レビューで、新しく人を集めた研究ではありません
この論文は、慢性の腰痛について行われた運動のランダム化比較試験を集めて、まとめ直したものです。研究者が新しく人を募って運動を割り付けたわけではありません。
集まったのは239試験(252の報告)です。並行群間のランダム化比較試験が235、クロスオーバーが2、クラスターランダム化が2です。発表年は1986年から2025年まで、40年ぶんが混ざっています。
研究計画は、解析を始める前に Open Science Framework に登録され、計画そのものも論文として発表されています。報告の形式も、系統的レビューとネットワークメタ解析の報告の決まりに沿っていると書かれています。データと解析のコードも公開されています。
誰が入って、誰が入らなかったか
対象は、18歳以上の大人で、慢性の腰痛がある人です。
ここは取り違えやすいので、はっきり書きます。原因がはっきりしている背骨の病気は、はじめから除かれています。論文が除外として挙げているのは、背骨の骨折、がん、背骨の感染、体軸性脊椎関節炎、馬尾症候群です。つまり、こうした原因による腰痛については、この論文は何も言っていません。
もう1つ除かれているものがあります。ぶり返す腰痛だけを扱った試験です。6か月痛みのない期間があったあとに新しく起きたものは、この論文の枠の外です。
入っているのは、原因のはっきりしない慢性腰痛(脊椎すべり症、脊椎症、椎間板のヘルニアと変性、側弯、手術後の腰痛などを含む)と、神経根の症候群(神経根痛、坐骨神経痛、神経根症、脊柱管狭窄)です。ただし実際の中身は、ほとんどが前者です。237試験(99.2%)が原因のはっきりしない慢性腰痛で、神経根の症状を扱ったのは2試験だけでした。
参加者の平均年齢は42.4歳(ばらつきの目安となる標準偏差は10.6歳)で、63.9%が女性です。高齢者を対象にした研究ではありません。
国や人種の内訳は、論文の本文には書かれていません。ただし、採用の条件に言語の制限があります。英語とドイツ語で発表された論文だけです。著者たちが読める言語に限ったと書かれていて、言語のかたよりが入ったかもしれないと限界に挙げています。
何と比べたのか
ここが、この論文でいちばん押さえてほしい点です。先に結論を書くと、「運動をした人」と「運動をしなかった人」だけを比べた研究ではありません。比較の相手には無治療や待機リスト、通常のケアも入りますが、それだけではありません。
比較の相手として採用の対象になった治療は、論文に列挙されています。ほかの運動、手技療法、マニピュレーション、マッケンジー法、心理療法、電気などの物理療法、教育、理学療法、マッサージ、多職種の痛み治療、無治療、待機リスト、通常のケア、プラセボです。
つまり、無治療や待機リストや通常のケアも入っていますが、それだけではありません。それぞれが何件あったのかは、論文の補足の資料にあるとされていて、本文には書かれていません。
この点が、あとで出てくる「11.53点」の読み方を決めます。詳しくは次の節で書きます。
なお、採用の条件に1つ、見落としやすい決まりがあります。同じ種類の運動で、しかも量も同じものを比べた試験は、はじめから除かれています。運動の種類も量も対比がないので、用量反応のモデルに情報を足さないからです。
量をどう扱ったか
論文が抽出した「量」は、回数(週あたりの回数)、1回の長さ(分)、続けた週数、のべ回数、週あたりの分、のべ分数、そして報告があれば強度です。
ここに2つ、断りがあります。
1つめ。「のべ回数」は後から足した変数です。あらかじめ決めていた6つの量の変数に加えて、治療をどれだけ使うかという観点から後づけ(post hoc)で解析したと、論文自身が「研究計画からの変更」の節に書いています。
2つめ。強度は解析に入っていません。報告がまちまちで不完全だったため、用量反応の解析から外されました。強度を報告していた試験は125件(52.3%)だけです。著者はこの点を限界として、今回の解析が映しているのは運動の量や曝露の面であって、量と強度を合わせた「訓練負荷」ではないと書いています。
量の変数が報告されていた試験の数も、一つずつ書かれています。続けた週数が235件(98.3%)、回数が222件(92.9%)、1回の長さが198件(82.9%)、週あたりの分が193件(80.7%)、のべ分数が192件(80.3%)です。量の変数によって、もとになっている試験の数が違います。
いつ測ったか
測った時期は、3つに分けられています。
- 短期:1日より後から3か月以内
- 中期:3か月より後から12か月未満
- 長期:12か月以上
同じ時期の中に複数の測定があるときは、介入が終わった時点を優先しました。それがない場合は、それぞれ6週、6か月、5年にいちばん近い時点を取っています。
ここは記事で補っておく価値があります。「短期」とひとくくりにされていますが、個々の試験が実際にいつ測ったのかは試験ごとに違います。ほとんどの試験は介入の終わりで測っているので、「運動をやめた直後」の値が多く入っていると読むのが自然です。ただし、各時期にどの試験が何件入ったのかは、本文には書かれていません。
2段構えのモデル
解析の中身は、ふだんのメタ解析とだいぶ違います。2段構えです。
1段目は、ベイズのネットワークメタ解析です。ここで、運動の量のひとつひとつを、別々の治療の点(ノード)として扱っています。「週2回の運動」と「週4回の運動」が、別の治療として並んでいる形です。運動以外の治療(手技療法、教育など)は量を持たないものとして、それぞれ1つの点にまとめられました(実質的に「量は1」とみなされています)。この作りで、ネットワークはすべてつながり、直接の比較と間接の比較の両方から、すべての組み合わせの効果が推定できたと書かれています。
2段目は、1段目で出た「量ごとの効果」に、なめらかな曲線(自然立方スプライン)を当てる段です。ここに工夫があります。曲線を計算の1回ごと(MCMC の各反復ごと)に当て直して、1段目の不確かさをそのまま2段目に引き継いでいます。
そして、著者自身が書いている大事な断りがあります。一体型(1段)のモデルは収束しなかったのです。ネットワークごとに用量反応の情報の量と精度がばらついていたせいだろう、と書かれています。だから2段構えにしたと明記されています。
モデルの細かい設定も書かれています。曲線の折れ点(ノット)は、観測された量の等間隔の分位点に置き、いくつ置くかは2つの情報量規準を計算のたびに求めて平均したものと、曲線の見た目の妥当さや安定性を合わせて選んだとあります。事前分布は広く取られ、収束の目安は R-hat が1.05未満です。多群試験は群をまとめずに扱い、同じ試験の中の群どうしの相関も考慮したと書かれています。
割り付けどおりの比較なのか
ここは、ランダム化比較試験を集めたレビューを読むときに必ず確かめるところです。
論文に、はっきり書かれている箇所が1つあります。バイアスのリスクの評価(RoB 2)は、「割り付けどおりに解析したデータ」(intention-to-treat のデータ)に対して行ったと書かれています。複数の時点があるときは、運動の期間の終わりにいちばん近い時点を使ったとあります。
一方で、効果の推定そのものについては、「割り付けどおりの解析だけを使った」という記述も、「実際に受けた量で分け直した」という記述も、論文の本文にはありません。書かれているのは、各試験が報告した主たる解析を抽出したということです。複数の解析が示されている場合は、その研究の著者が主たる解析として報告したものを取った、とあります。
そして、続けられたかどうか(アドヒアランス)の数字はありません。著者は限界として、多くの試験がアドヒアランス、進め方、忠実さについて十分に書いていないと挙げています。実際、運動を忠実にやれたかを報告していた試験は16.5%しかありませんでした。
つまり、「13週のメニューを割り付けられた人が、どれだけ13週続けたのか」は、この論文からは分かりません。
量どうしの比較は、何から出ているのか
ここが、この論文のいちばん深い限界です。著者が自分で書いています。
本レビューの用量反応の関係は、おおむね間接の比較から得られたものである。参加者を異なる運動量にじかに割り付けた試験が比較的少なかったためである。
どれくらい少なかったかも書かれています。239試験のうち、運動の種類をそろえたまま量をじかにくらべ合った試験は7試験だけでした。この7試験が変えていたのは、回数、1回の長さ、または強度です。
ランダム化比較試験を集めてはいます。しかし「週4回と週2回のどちらが良いか」は、試験と試験をまたいだ比較から推定されています。同じ人を週4回と週2回に割り振って比べた結果ではありません。
集めた239試験と、この数字が出た解析に入った213試験
239試験を集め、動けなさの解析に入ったのは213試験
出発点は239試験です。更新の検索では、重複を除いた5685件のうち4725件を題と要旨で選別し、915件を全文で確かめて85の報告を採用しました。これに前のレビューから167の報告を足して、合わせて252の報告、239の試験になりました。
ここから減って、動けなさ(生活のしにくさ)を報告していたのは213試験です。224の報告にあたります。この記事に出てくる「週4回」「1回25分」「13週」は、すべてこの213試験から出た数字です。
だから「239試験で分かった」という言い方は、動けなさの数字については正確ではありません。正確には、239試験を集めて、動けなさは213試験で解析した、になります。
さらに、量の変数ごとにもとになる試験の数が違います。続けた週数を報告していたのは235試験、回数は222試験、1回の長さは198試験です。強度を報告していたのは125試験だけで、強度は用量反応の解析に入っていません。
そして、参加者の総人数は論文の本文のどこにも書かれていません。試験の数は分かっても、何人を調べたのかは本文から確かめられません。
| レビューに採用した試験 | 239人 |
|---|---|
| 動けなさを報告した試験 | 213人 |
この2つの数字は役割が違います。239はレビューに採用した試験の数で、213は動けなさ(生活のしにくさ)を報告していた試験の数です。この記事に出てくる「週4回」「1回25分」「13週」という数字は、すべて動けなさのモデルから出ているので、もとになっているのは213試験のほうです。痛みの強さを報告していたのは216試験(229の報告)でした。なお、参加者の総人数は論文の本文には書かれていません。本文に出てくる4桁以上の数字は、検索で見つかった記録の数と、運動の分数だけです。試験ごとの特徴は補足の資料にあるとされています。だから、この研究について「何万人を調べた」という言い方はできません。
論文のどこ:Results の Study selection の節の最後の文と、Figure 1 の流れ図。試験の内訳は Study characteristics and network description の節にあります
この数字は、何を指しているか(単位、換算、幅の意味)
11.53の「点」は、何の点か
結果の数字は、すべて100点に換算した尺度での群間の平均差です。パーセントでも倍率でもありません。
換算の手順も書かれています。もとの試験は、動けなさを ODI や Roland-Morris の質問票で、痛みの強さを視覚的評価尺度や数値評価尺度で測っていて、尺度がそろっていません。そこで標準化平均差(SMD)を使い、それをベースラインの値から求めたプール標準偏差で割り戻して、0から100の尺度に置き直しています。使った標準偏差は、動けなさが9.45、痛みの強さが17.06です。
ここで気をつけることが2つあります。
1つめ。動けなさの点数は、下がるほど良い指標です。ODI も Roland-Morris も、点が高いほど生活のしにくさが大きい向きです。だから結果の数字は、マイナスが改善の向きになります。論文は、点が高いほど良い向きの尺度を使っていた試験については、平均に −1 を掛けて向きをそろえたと書いています。
2つめ。「11.53点」は、元の質問票の11.53点ではありません。100点に置き直したあとの点です。元の尺度に戻すには上の標準偏差を使う必要があります。
何に対する差なのか
ここは、この記事でいちばん丁寧に書くところです。
論文は、効果の数字を、「その量の運動」対「ネットワークの基準の治療」の差として報告しています。本文の言い方は、1段目のところで relative to the reference treatment、2段目のところで versus the network reference treatment です。
そして、この「基準の治療」が何なのかは、論文の本文には書かれていません。
比較の相手として採用の対象になった治療の種類は、方法の節に列挙されています(さきほど挙げた14種類です)。しかし、それぞれが何件あったのかは補足の資料にあるとされていて、本文には数字がありません。
だから、この記事では次の2つをどちらも書きません。
- 「運動をしない場合と比べて11.53点の差」
- 「運動をしない人との差ではない」
前者は言い過ぎで、後者も言い過ぎです。比較の相手に選べた治療には無治療・待機リスト・通常のケアが入っているので「含まれていない」とは言えず、同時にほかの11種類も入っているので「無治療との差」とも言えません。本文から確かめられるのは、この解析が基準に置いた治療に対する差である、というところまでです。
これは細かい話ではありません。図を見ると、0の線から11.53点だけ離れた点が描かれます。この0が何なのかが分からないと、「運動すると11.5点良くなる」と読んでしまいます。この回の芯は数字の出どころを確かめることなので、ここで出どころのない説明を足すのがいちばんまずい誤りになります。
5点という線
論文は、100点換算で5点以上の変化を「臨床的に意味のある最小の差」として、研究計画に前もって書いていました。5点以上と推定された量を、臨床的に意味があると解釈したと書かれています。
この5点について、著者自身が置いている断りが2つあります。どちらも落とせません。
1つめ。5点は「小さい」利益の線です。本文の言い方は「小さいけれども臨床的に意味のある利益」の線です。そして、個人の患者の水準でのしきい値はもっと高く置かれることが多く、0.5標準偏差がよく使われる基準だと書いたうえで、社会や医療制度の立場からこの線を選んだと説明しています。集団全体での小さな改善でも、費用の節約や生産性の改善につながり、医療制度に大事な変化をもたらしうるから、という理由です。
つまり5点は、一人の人が「良くなった」と感じる線として選ばれたものではありません。
2つめ。線を厳しくすると、結果の見え方が変わります。著者は感度分析として、10点と0.5標準偏差という2つの厳しい線でも計算しています。結果は、意味があるとされる量は減り、場合によっては最小の有効量が大きくなったと書かれています。
考察では、さらに踏み込んで書かれています。こうした線の目的は、効果の大きさに文脈を与えることであって、唯一正しい最小の差を決めることではない。効果を1つの線で「意味がある/ない」に二分するのではなく、最小限価値のある効果と推定の不確かさとの関係で解釈するやり方もある。だから今回の解析は、効果の大きさを読むための文脈を与えるものとして読むべきで、臨床的に重要かどうかの境界を定めたものではない、と。
この論文の中でいちばん強い「数字を言い切らないための断り」が、ここにあります。
95パーセントの信用区間
この論文はベイズの枠組みなので、幅は信頼区間ではなく信用区間と呼ばれます。計算のしかたも考え方も、ふつうの信頼区間とは違います。
読むときの手がかりは同じです。幅が「差がない位置」をまたぐかどうか、そして2つの幅がどれだけ重なっているかです。今回は点数の差(引き算)なので、差がない位置は0です。倍率の指標なら、ここが1になります。
もう1つ、幅とは別に出てくる数字があります。τ(タウ)です。これは試験と試験のあいだのばらつきの目安で、論文は量のモデルの大半で中くらいから高いばらつきがあったと書いています。中期と長期では、さらに不確かさが大きくなったとあります。たとえば短期の動けなさの回数のモデルでは、τ は5.95(95パーセントの信用区間は5.20から6.80)です。効果の推定値と同じくらいの大きさのばらつきが、試験のあいだにあるという読み方になります。
結果を、幅で見る
動けなさ:3つの数字と、その「最小限」の相方
短期の動けなさ:いちばん良かった量と、最小の有効量
まず、右端にある0の線を見てください。これが「基準に置いた治療と差がない」位置です。点数の差なので0になります。6本とも0より左にあり、幅も0をまたいでいません。
1つめの組は回数です。週4回は11.53点の改善で、幅は8.41点から14.55点の改善まで。これが要旨に出てくる「週4回」の中身です。
その下が週2回です。8.03点の改善で、幅は5.86点から10.2点の改善まで。これは「5点の線を超えた最小の回数」として報告されたものです。2つの幅は、8.41から10.2のあたりで重なっています。
ここが大事なところです。幅が重なっているとき、週4回が週2回より良いとは言えません。論文自身が、この2つの差の大きさははっきりしないと書いています。
2つめの組は1回の長さです。25分は12.85点の改善、15分は10.68点の改善。この2つは幅がほとんど丸ごと重なっています。差は推定値で2.17点ですが、どちらの幅も5点以上の広がりを持っています。
3つめの組は続けた週数です。13週は10.58点の改善、6週は7.84点の改善。ここも幅が重なっています。要旨に出る「13週」の相方は、半分以下の6週です。
最後に、図の全体を見てください。6本とも5点の線を越えています。つまり、要旨に出る3つの数字も、その半分ほどの量も、どちらも「意味がある」とされた側に入っています。これが結論の「ただ1つの最適な運動量を支持しない」の中身です。
| 週4回(いちばん良かった) | -11.53(-14.55 〜 -8.41) |
|---|---|
| 週2回(最小の有効量) | -8.03(-10.2 〜 -5.86) |
| 1回25分(いちばん良かった) | -12.85(-17.76 〜 -8.03) |
| 1回15分(最小の有効量) | -10.68(-15.68 〜 -5.67) |
| 13週(いちばん良かった) | -10.58(-14.46 〜 -6.71) |
| 6週(最小の有効量) | -7.84(-10.68 〜 -5.01) |
| 差がない位置 | 0 |
すべて100点に換算した尺度での群間の平均差で、比べた相手はこの解析が基準に置いた治療です。基準の治療の正体は論文の本文には書かれていません。動けなさは点が下がるほど良い指標なので、マイナスが改善の向きです。だから左にあるほど改善が大きい推定になります。差がない位置は0で、点数の差(引き算)なので0のままです。横の線が95パーセントの信用区間です。読んでほしいのは、3つの組のどれでも、上の行の幅と下の行の幅が重なっていることです。重なっているとき、その2つの量のどちらが良いかは、この図からは言えません。論文の表1は、この3つの組のいずれにも、区間が重ならなかったことを示す印を付けていません。なお5点の線(意味があるとされた最小の差)は、6本すべてが越えています。
論文のどこ:Results の Disability の節の、Frequency、Session duration、Intervention duration のそれぞれの段落と、Table 1 の動けなさの列。100点への換算と5点の線は Methods の Outcomes and summary measures の節にあります
図の最後の段階に書いたことを、文でもう一度書きます。
論文の表1には、量の変数ごとに「いちばん良かった量」と「最小の有効量」が並べて載っています。そして脚注に、印(アスタリスク)の意味が定義されています。印は、最適な量での推定効果が最小の有効量での推定効果を上回り、しかも95パーセントの信用区間が重なっていなかったことを示します。
動けなさの列には、この印が1つも付いていません。6つの量の変数すべてで、区間が重なっていたということです。
6つのうち5つは、上の図と同じ形です(回数、1回の長さ、続けた週数、週あたりの分、のべ分数)。残りの1つ、のべ回数は、いちばん良かった量と最小の有効量がどちらも12回で、同じ量でした。推定は11.53点ではなく9.45点の改善で、幅は5.57点から13.32点の改善までです。
残りの2つも書いておきます。週あたりの分では、135分が10.96点の改善(幅は8.13から13.79)、70分が8.5点の改善(幅は5.48から11.34)。のべ分数では、750分が11.34点の改善(幅は8.31から14.27)、360分が8.31点の改善(幅は5.48から11.15)です。どちらも幅が重なっています。
そして、表1の脚注が自分で限定を付けています。この比較は記述的なもので、正式な統計の検定とみなしてはいけない、と。「印が付いているか付いていないか」は、検定の結果ではないということです。
痛みの強さでは、重なっていませんでした
短期の痛みの強さ:こちらは幅が重なっていません
差がない位置は0です。2本とも0より左、つまり改善の向きにあり、どちらも0をまたいでいません。
上が週3回で、26.44点の改善。幅は20.98点から31.39点の改善までです。これが痛みの強さでいちばん良かった回数として報告されたものです。
下が週1回で、13.82点の改善。幅は10.58点から17.06点の改善まで。5点の線を超えた最小の回数です。
2本の幅のあいだには、17.06と20.98のあいだに隙間があります。重なっていません。だから論文の表1には、ここに印が付いています。
つまり、同じ論文の中で、評価項目によって結論の形が違います。動けなさでは6つの量すべてで幅が重なり、痛みの強さでは6つのうち5つで重なりませんでした。だから「幅が重なっていた」と言うときは、どちらの評価項目の話かを必ず付ける必要があります。
それでも、要旨の結論は「いまある証拠はただ1つの最適な運動量を支持しない」です。幅が重なっていた動けなさの側だけでなく、確からしさがとても低いという判定も、この結論の理由として挙げられています。
| 週3回(いちばん良かった) | -26.44(-31.39 〜 -20.98) |
|---|---|
| 週1回(最小の有効量) | -13.82(-17.06 〜 -10.58) |
| 差がない位置 | 0 |
この図は前の図とものさしが違います。前の図は動けなさで、換算に使った標準偏差は9.45でした。この図は痛みの強さで、換算に使った標準偏差は17.06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」とは言えません。比べた相手は前の図と同じく、この解析が基準に置いた治療です。差がない位置は0です。ここで見てほしいのは数字の大きさではなく、2本の幅が重なっていないという点です。論文の表1は、痛みの強さについては6つの量のうち5つに、区間が重ならなかったことを示す印を付けています。重ならなかったのは回数、1回の長さ、続けた週数、週あたりの分、のべ分数で、のべ回数だけが重なっていました。ただし表1の脚注は、この比較を記述的なもので正式な統計の検定とみなしてはいけないと書いています。
論文のどこ:Results の Back pain intensity の節の Frequency の段落と、Table 1 の痛みの強さの列とその脚注。のべ回数が重なっていたことは同じ節の Number of sessions の段落にあります
痛みの強さの残りの数字も、本文にあるぶんは書いておきます。いちばん良かった量と最小の有効量の順です。
- のべ回数:13回が20.81点の改善(幅は13.31から28.32)、4回が12.11点の改善(幅は5.29から18.93)。ここだけ幅が重なっていました
- 1回の長さ:30分が28.32点の改善(幅は21.15から35.65)、10分が13.65点の改善(幅は9.38から17.91)
- 続けた週数:8週が23.71点の改善(幅は17.06から30.19)、2週が10.92点の改善(幅は6.82から14.84)
- 週あたりの分:125分が27.63点の改善(幅は21.66から33.26)、22分が8.02点の改善(幅は5.8から10.23)
- のべ分数:750分が25.07点の改善(幅は19.96から30.02)、125分が10.41点の改善(幅は6.31から14.33)
3か月より先は、評価項目によって違います
ここは言い方を間違えると「運動は3か月以降は効かない」になってしまうので、評価項目を限定して書きます。
動けなさでは、中期(3か月より後から12か月未満)と長期(12か月以上)で、5点の線を超えた量がほとんど出ていません。6つの量と2つの時期の組み合わせは12通りありますが、5点を超えたのは2通りだけです。
- 1回の長さ:中期の90分だけ(12.57点の改善、幅は6.24から18.71)
- のべ分数:中期ののべ4320分だけ(17.39点の改善、幅は7.09から27.87)
残りはすべて、超えた量がありませんでした。さらに、のべ分数の長期は、ネットワークが切れていてモデルそのものが推定できなかったと書かれています。
痛みの強さでは、事情が違います。中期と長期に、5点を超えた量が6通り残っています。
- 回数:中期の週2回(15.35点の改善、幅は7.68から23.03)
- 1回の長さ:中期の90分(20.13点の改善、幅は6.65から34.97)
- 続けた週数:中期の26週(21.83点の改善、幅は8.19から35.14)と、長期の24週(30.7点の改善、幅は6.48から59.19)
- 週あたりの分:中期の週240分(24.22点の改善、幅は10.58から37.53)
- のべ分数:中期のべ4320分(31.73点の改善、幅は10.58から52.71)
長期の24週の幅を見てください。6.48から59.19です。幅がとても広く、ここから量を決めることはできません。
そして、論文全体として、長期の追跡ではネットワークが切れていました。短期と中期はすべてつながっていたのに、長期だけつながっていなかったと書かれています。著者は限界の節で、データが疎で長期の用量反応の解析は実施できなかったと明記しています。
中期では「最適」な量が増えていました
これは記事に入れる価値のある、動画から落ちた話です。
中期では、短期とパターンが違っていました。いくつかの量の変数で、最適とされた値がより大きくなっています。論文が例に挙げているのは、痛みの強さの1回の長さで、短期の30分から中期の90分へ、です。
著者はこれを、改善を保つには、のべの運動の曝露がもっと必要なのかもしれないと読んでいます。そして長期について、時間がたつにつれて運動の曝露が変わること、長期のアドヒアランスが限られること、後の時点の結果を報告している試験が比較的少ないことを、理由の候補として挙げています。
そのうえで、こう書いています。これらの所見は主に最初の運動の処方に情報を与えるもので、長く続けるときの量の指針となる証拠は限られたままである、と。
同じ段落で、著者はもう一段の限定も付けています。この用量反応の推定について、証拠の確からしさは「とても低い」から「低い」であり、だからいまのところは慎重に読むべきで、臨床での確定的な量の推奨ではなく、今後の研究を導く手がかりと見るべきだ、と書いています。この記事で紹介した中期の数字も、その限定の中にあります。
「上積みは限られていた」の意味
論文の結論と要点の欄に、繰り返し出てくる言い方があります。
- 「低い〜中くらいの量で行われた運動が短期の改善と関連していて、もっと高い曝露での上積みは限られていた」
- 「臨床的に意味のある改善が幅のある運動量にわたって達成され、大幅に高い量での短期の上積みはわずかだった」
- 「低い〜中くらいの運動量は、高い量よりもおおむね大きい短期の改善をもたらした」
- 考察:量をこれらの水準より増やすことがより大きな上積みをもたらしたという証拠はほとんどなかった
ここで取り違えやすいのは、何に対する上積みなのかです。これは運動の量どうしの上積みの話です。「何もしないことに対する上積み」でも、「別の治療に対する上積み」でもありません。
著者は曲線の形を、「広い平坦な部分と、不確かさの大きな重なり」で特徴づけられる非直線の関係と書いています。量が多いほうが悪いと示したのではありません。
だから、こう言うことはできません。
- 「運動しても何もしないのと変わらない」
- 「運動を増やすと悪くなる」
- 「週4回25分より多くやるのは無駄」
いちばん近い言い方は、こうなります。運動の量を増やしていっても、ある量を超えたあたりから短期の改善の推定値は横ばいになっていて、もっと増やしても上積みは小さかった。
要旨と本文で、言い方が食い違っているところ
著者が2か所で「1つの処方ではない」と書いています
この回の芯です。
要旨には、こう書かれています。
短期の動けなさについて、モデルが予測した最適な量は、週4回、1回25分、13週にわたるものだった。
一方、結果の節で、動けなさの結果が始まるその直前に、こう書かれています。
量の変数はそれぞれ別々にモデル化したので、推定値はひとつにまとめた処方としてではなく、別々に解釈するべきである(表1)。
さらに考察では、もっとはっきり書かれています。
運動の量の変数はそれぞれ別々にモデル化したので、これらの推定値は、それぞれのモデルの中で予測される効果がいちばん大きかった量を表している。したがってこれらは、ひとつにまとめた運動の処方の部品ではなく、処方のパラメータごとの有効な範囲を示している。
つまり、要旨が3つを並べて書いている形は、著者自身が本文で2回否定している読み方です。
さらに言うと、考察の有害事象の節では、要旨と同じ並べ方がもう一度出てきます。「低い〜中くらいの量(例えば動けなさなら『週4回、1回25分、13週』)」という書き方です。論文の中で、言い方がそろっていません。
掛け算が合いません
6つの量の変数は、それぞれ別のモデルから出ています。だから、お互いに矛盾していても構いません。実際に矛盾しています。
以下の掛け算は、この記事で計算したものです。論文はこの計算をしていません。
- 週4回 × 1回25分 = 週100分。しかし週あたりの分でいちばん良かったのは週135分
- 週4回 × 13週 = のべ52回。しかしのべ回数でいちばん良かったのはのべ12回
- 週100分 × 13週 = のべ1300分。しかしのべ分数でいちばん良かったのはのべ750分
痛みの強さの側でも同じです。
- 週3回 × 1回30分 = 週90分。しかしいちばん良かったのは週125分
- 週3回 × 8週 = のべ24回。しかしいちばん良かったのはのべ13回
どれか1つが間違っているわけではありません。6つの別々のモデルの、それぞれの頂点を並べただけなので、掛け算で整合する理由がないのです。著者が「ひとつにまとめた処方として読むな」と書いているのは、まさにこのことです。
組み合わせは、この証拠では調べられません
著者は限界の節でも、同じことを別の角度から書いています。
複数の量の構成要素が報告されていたとはいえ、この証拠の蓄積は、これらの構成要素がどのように相互に作用しうるかを確かに調べることを許さない。そうした相互作用を調べるには、量のパラメータの組み合わせを系統的に変える試験が必要になる。いまのところ、量の変数どうしの強い相関と、こうした組み合わせをじかにくらべた試験の少なさが、そうした解析を妨げている。
つまり、「週4回で25分を13週」という組み合わせがいちばん良いのかどうかは、この研究では確かめられていません。確かめるには、組み合わせを変えて割り付ける試験が必要だと著者が書いています。
ただし、著者は「役に立たない」とも書いていません
ここも落としてはいけません。結論の全文は、2つの部分からできています。
前半:モデルが予測した量は、運動の処方の手引きになる。
後半:しかし、いまある証拠はただ1つの最適な運動量を支持せず、確からしさが低いことを踏まえて慎重に解釈されるべきである。
考察では、幅が重なっていることを前向きに読んでいる箇所もあります。量のパラメータをまたいで信用区間が重なっているということは、いくつもの運動量が臨床的に意味のある改善を達成しうるということで、患者の耐えられる範囲、好み、実行のしやすさに合わせて処方する柔軟さが許される、と書かれています。
政策の節でも、「ひとつのやり方を全員に」ではなく、量を踏まえつつ適応させられる推奨を進めるべきだと書かれています。そして、量を中心に見る視点は、「いちばん良い運動」を処方することから、個々の患者の状況に合わせられる有効な量の範囲を見つけることへ、焦点を移すとまとめています。
だから、この記事の立ち位置は「この論文は役に立たない」ではありません。「3つの数字をメニューとして受け取る読み方が、著者の書いたことと合わない」というところです。
「6週から12週」という数字の出どころ
集めた試験が、実際にやっていた長さ
日本語の解説で、腰痛の運動の長さとして「6週から12週」という範囲をよく見ます。この論文を読むと、この範囲とぴったり重なる数字が1つ出てきます。
含まれた試験の、続けた週数の中央値は8週で、四分位範囲は6週から12週でした。つまり、集めた試験のちょうど半分が、6週から12週のあいだに入っていたということです。続けた週数を報告していたのは235試験(98.3%)です。
これは研究がよくやってきた長さの数字です。最適だと示された長さの数字ではありません。この論文がいちばん良かったとした週数は、動けなさで13週、痛みの強さで8週です。最小の有効量は、動けなさで6週、痛みの強さで2週です。
この論文は「6週から12週」を否定していません。動けなさでいちばん良かった13週は範囲の少し外、最小の有効量の6週は範囲の中、痛みの強さでいちばん良かった8週も範囲の中です。論文に「6週から12週は誤り」という記述はありません。
確かめたいのは、その数字の出どころのほうです。
論文の導入が、まさにその形の主張を批判しています
これは動画に入れられなかった話で、記事でいちばん書きたかったところです。
この論文の導入(3段落目)に、こう書かれています。
いくつかのレビューは、週に3回から5回、1回およそ20分から30分の運動が、痛みと動けなさのより大きな改善と関連するかもしれないと示唆しており、ほかのレビューはもっと広い範囲の回数と介入期間にわたって利益を報告している。しかし、こうした結論はサブグループ解析やメタ回帰の手法から導かれることが多く、量を恣意的に区切り、量と効果のあいだに単純な直線の関係を仮定している。
その直前にも、こう書かれています。最近のレビューのレビューは、運動の量が結果に影響しうると見いだしたが、所見は一貫しておらず、臨床の実践に落としにくいままである、と。
日本語の解説でよく見る「週3〜5回・1回20〜30分」という形の数字を、この論文の導入が名指しで引いて、その導き方を批判しています。
批判されているのは3点です。量を恣意的に区切っていること。量と効果が単純な直線だと仮定していること。そしてサブグループ解析やメタ回帰から導かれていること。
この論文がスプライン(なめらかな曲線)を使ったのは、まさに3つめの点に答えるためです。そして曲線を当てた結果が、広い平坦な部分と、不確かさの大きな重なりでした。
つまり、量を区切るのをやめて曲線を当てたら、「ここがいちばん」と言い切れる点が残らなかった、という形になっています。論文は量ごとに「いちばん大きく推定された量」を名前で挙げてはいます。ただし動けなさでは6つの量すべてで少ない量との幅が重なるので、そこを選ぶ根拠にはなりません(痛みの強さは6つのうち5つで重なっていません)。
従来の「いちばん良い運動は何か」という問いについて
関連して、著者が面白い読み方を書いています。
これまでのネットワークメタ解析は、「いちばん良い運動」の順位を出してきましたが、その順位はレビューによって大きく違っていました。著者は、これはある運動の種類が本当に優れているせいではなく、処方された訓練の変数がばらついていたことを映しているのだろうと書いています。
そして、量と種類を同時にモデル化した今回の解析は、結果が運動の種類だけではなく、量の変数の関数として理解したほうがよく説明できることを示唆するとまとめています。
運動の種類ごとの違い
論文は、運動の種類ごとにも用量反応を推定しています(表2)。動画では丸ごと落としました。
短期の動けなさで、いちばん良かった回数は種類によって違いました。ピラティス・ヨガ・東洋の伝統的な体操が週7回、筋力トレーニングと組み合わせの運動が週3回です。
1回の長さも、だいたい20分から45分のあいだでばらついていました。体幹の安定化・運動の制御が20分、そのほか・組み合わせの運動が25分、筋力トレーニングとピラティス・ヨガが30分、有酸素運動が37分、ストレッチが40分から45分です。
続けた週数は、体幹の安定化、筋力トレーニング、ピラティス・ヨガで6週から8週がもっとも多かったと書かれています。そして、中期では種類に関わらず効果が弱まったとあります。
短期の痛みの強さでは、週3回から5回、週あたり60分から120分が、大半の種類で短期の利益がいちばん大きかったとされています。1回の長さは20分から40分、続けた週数は8週から12週がもっとも多かったと書かれています。
ここで、表2の読み方に大事な注意があります。表2にはダッシュ(–)が入っている欄があります。このダッシュは「効かなかった」という意味ではありません。脚注が定義していて、その運動の種類の中で、95パーセントの信用区間が5点の線を超えた量が1つもなかったという意味です。
たとえばストレッチは、動けなさの表で多くの欄がダッシュです。しかし、これを「ストレッチは腰痛に効かない」と読むことはできません。この表は量ごとの推定であって、種類どうしを直接くらべたものではありません。
有害事象
これも動画から落ちた柱です。
有害事象を報告していたのは68試験(28.5%)でした。残りの7割強は報告していません。そして報告の中身も一貫しておらず、重さ、時期、因果についての情報が限られていたと書かれています。
報告された内容は、大半が重くない筋や骨の症状でした。例として挙げられているのは、一時的な痛みや痛みの増しで、医療の介入や介入からの脱落なしに治まったものです。ほかに頭痛、めまい、吐き気、疲れが報告されています。
重い有害事象(入院、生命を脅かす状態、重い障害、死亡に至った事象と定義されています)はまれで、大半は運動と関係ないと報告されていました。運動と関係があると判断された重い有害事象は、1件です(首の神経根症の症状が続いたもの)。運動と関係ないと判断された重い有害事象は1試験で2件報告されていて、前立腺がんの新規診断と、転倒による股関節の骨折です。
数の分布も書かれています。報告した68試験のうち、40試験は有害事象ゼロと報告しました。1件から5件が16試験、6件から10件が6試験、11件から50件が4試験、50件を超えたのが2試験です。1群あたりの平均の件数は、有酸素運動とストレッチで0件、筋力トレーニングで6.12件がいちばん多かったとあります。
ここで、著者の断りが重要です。有害事象の評価と報告がまれで一貫していないので、解釈は限られます。考察では、不完全で一貫しない報告のために、実際の起きやすさは少なく見積もられている可能性があると書かれています。報告の決まり(CONSORT の有害事象の拡張)が出てから20年たつのに、守られていないことが多いままだとも書かれています。非薬物の介入は本質的に安全だという思い込みを映しているのかもしれない、という推測も添えられています。
そして著者は、有害事象も用量反応の形をとるかもしれないと書いています。量を増やすと、一時的で重くない症状(痛みや疲れ)が起きやすくなるかもしれない、と。この推測と、効き目の上積みが小さかったことを合わせて、こう結んでいます。
量を増やして処方しても、効き目の上積みは少ないかもしれず、同時に有害事象の可能性を増やすかもしれない。
これは推測として書かれているもので、この研究が測って示した結果ではありません。有害事象については、そもそも7割強の試験が報告していません。
この研究では言えないこと
証拠の質について、著者が書いていること
201試験(84.1%)が、どれか1つでも結果について、全体として高いバイアスのリスクと判定されました。
ここは正確に書く必要があります。「84.1%の試験がまるごとバイアスのリスクが高い」ではありません。本文の言い方は「少なくとも1つの結果が、全体として高いバイアスのリスクと評価された試験が201(84.1%)」です。
いちばん重かったバイアスの出どころも書かれています。研究方法を事前に登録していないために、報告する結果を選べてしまうことです。175試験(73.2%)が、この項目で高リスクでした。
評価のしかた自体にも限界があります。バイアスの評価は、手間の都合で1試験につき1つの結果だけに対して行われました(痛み、動けなさの順に優先)。これらは患者が自分で答える評価項目なので、結果のあいだで判定が大きく違うことはないだろうという理由が書かれています。
証拠の確からしさ(GRADE)は、ほとんどが「とても低い」でした。「低い」と評価されたのは、痛みの強さについての1つだけです。確からしさを下げた理由は3つ挙げられています。高リスクの試験が大半を占めること、量の効果が間接の比較に頼っていること、そして高い量と長い追跡でデータが疎なために推定が粗いことです。
運動の記述のそろい具合(CERT)も、記事に入れておきます。よく報告されていたのは、指導者(73.5%)、指導の有無(75.7%)、場所(73.2%)、詳しい説明(80.2%)、量の変数を1つ以上(99.7%)です。一方で、使った道具(45.3%)、届け方(50.8%)、進め方(47.2%)、個別に合わせたか(37.2%)はばらついていました。そして、家でのメニューの詳しさ(28.2%)、始めるときの決まり(11.7%)、やる気を保つ工夫(11.2%)、運動を忠実にやれたか(16.5%)は、とくに乏しかったとあります。
つまり、「この量をやってください」と言うための情報が、もとの試験の側にそろっていません。
著者が挙げている限界
論文は限界を2つの節に分けて書いています。
証拠の蓄積そのものの限界
- 長期の用量反応の解析は、データが疎で実施できなかった。多くの試験が短期の追跡しか含んでいなかったため。だから長期の処方と維持の方策について示せることは限られる
- 複数の量の構成要素が報告されていても、それらがどう相互に作用しうるかを確かに調べることはできない。量の変数どうしの強い相関と、組み合わせをじかにくらべた試験の少なさのため
- 強度は用量反応の解析に入れられなかった。だからこの解析が映しているのは運動の曝露と量の面で、ふつう量と強度の組み合わせとして考えられる訓練負荷ではない
- 高リスクの試験が大半で、介入の記述も不完全なので、用量反応の推定に影響した可能性があり、一部の所見の精度への信頼は限られる
レビューの手順の限界
- 用量反応の関係は、おおむね間接の比較から得られた。参加者を異なる運動量にじかに割り付けた試験が比較的少なかったため
- 多変量のメタ回帰はできなかった。比較ごとに使える試験の数が限られていて、複数の要因を同時に入れると過剰適合と不安定な推定の恐れがあった。だから複数の研究水準の特徴の独立した効果を同時に評価できず、相関する要因どうしの交絡が残っているかもしれない
- 集団、介入、場についての残りの臨床的なばらつきが、まとめた推定の一般化しやすさを限りうる
- 治療の分類があいまいになりうる。運動、理学療法、教育、分類にもとづく治療が重なるため、きれいに分けられないところがあった
- 臨床的な重要さの解釈は、選んだ線に左右される
- 最終の検索日より後に発表された論文は入っていない
- 英語とドイツ語に限ったため、言語のかたよりが入ったかもしれない
この記事が足した限界
1つめ。比べた相手の正体が、本文からは分かりません。
すでに書いたとおり、効果の数字はすべて「この解析が基準に置いた治療」に対する差です。その治療が何だったのかは、論文の本文には書かれていません。比較の相手ごとの試験の数は補足の資料にあるとされています。
11.53点という数字の意味を完全に言うには、この情報が必要です。いまの状態で言えるのは、「ある基準に対して11.53点の改善という推定が出た」というところまでです。
2つめ。参加者の総人数が、本文のどこにも書かれていません。
試験の数(239)、報告の数(252)、群の数の内訳、運動の介入群の数(358)までは書かれています。しかし、人数がありません。試験ごとの特徴は補足の資料にあるとされています。だから、この研究について「何万人を調べた」という言い方は、本文からはできません。
3つめ。神経の症状がある腰痛については、ほとんど何も分かりません。
神経根の症状を扱った試験は2試験だけでした。著者は要旨の最後の一文で、こう書いています。神経根の症状に対する運動の訓練は、重要な証拠の空白である、と。研究の提言でも、証拠は主に原因のはっきりしない慢性腰痛の試験から来ていて、神経根痛の証拠は疎で重要な研究の空白を表しているとしています。
坐骨神経痛や脊柱管狭窄の人に、この結果をあてはめることはできません。
4つめ。原因がはっきりしている腰痛は、はじめから枠の外です。
背骨の骨折、がん、背骨の感染、体軸性脊椎関節炎、馬尾症候群は除外されています。この論文から「こういう腰痛は受診しなくてよい」という話は出てきません。受診すべき場合の線引きは、この研究が扱ったことではありません。
5つめ。この結果は、どの人にどう処方すべきかを決めたものではありません。
著者が書いているのは、幅が重なっていることが処方に柔軟さを許すということと、患者の耐えられる範囲、好み、実行のしやすさに合わせるのがよいということです。誰にどの量を、という割り振りを示したものではありません。量の目安は、医師や理学療法士と相談して決めるものです。
著者が「限界ではない」と確かめていること
公平のために、著者がきちんと確かめて「問題なかった」と報告していることも書きます。
- 移行性:ベースラインの痛みの強さ、動けなさ、症状の続いた期間の分布は、比較のあいだでおおむね似ていました。大きな偏りは見られず、移行性の前提はもっともらしいとされています
- 一貫性:ネットワークのモデルと、関係を仮定しないモデルで、残差の偏りと試験間の標準偏差が似ていました。ノード分割で食い違いを示したのは7つの比較だけで、系統的なパターンはなかったとあります。比較の数が多いので偶然のものも混じりうると、著者自身が注意を添えています
- 小規模研究の影響:ファンネルプロットはおおむね左右対称で、一貫した小規模研究の影響はありませんでした。例外は1つだけで、「運動 対 通常のケア」の短期の比較です(痛みの強さ p=0.02、動けなさ p=0.003)
- 感度分析:神経根の症状を扱った試験を除いても、標準偏差を補完した試験を除いても、主な用量反応のパターンは大きく変わりませんでした。ただし中期と長期ではばらつきが大きく、その時期にデータを出した試験が少ないせいかもしれないと書かれています
- メタ回帰:ベースラインの動けなさ、痛みの強さ、症状の続いた期間が効果を変えるという一貫した証拠は、見つかりませんでした
利益相反と資金
利益相反は「なし」と申告されています。資金はドイツ連邦教育研究省の助成(助成番号 01KG2313)です。査読は依頼によらない外部査読と書かれています。抽出したデータ、解析のコード、補足の資料は公開の保管場所に置かれています。
なお、この論文のライセンスは CC BY-NC 4.0(営利の再利用は認められない)です。このサイトはアフィリエイトのリンクを含むので、論文の図をそのまま載せることはできません。この記事の図は、本文に文字で書かれている数字から描き直したものです。論文の図3と図4の中の曲線や帯から数値を読み取ることはしていません。だから、曲線の形、平坦な部分がどこからどこまでか、帯が5点の線をまたぐ位置については、この記事では何も書いていません。
元の論文のどこを見ればよいか
論文はこちらです。
Arora NK ほか「Optimal exercise dose in adults with chronic low back pain disorders: systematic review with dose-response network meta-analysis」Br J Sports Med、2026年
DOI:10.1136/bjsports-2026-111988
本文のどこを見ればよいかを、この記事で触れた順に書きます。
- 「週4回、1回25分、13週」という3つの数字:ABSTRACT の Results。痛みの強さの「週3回、1回30分、8週」も同じ場所にあります
- 「しかし、ほとんどの量の水準の信用区間は重なっていた」:同じ ABSTRACT の Results の、すぐ次の文です。要旨の中で、3つの数字の直後に置かれています
- 「いまある証拠はただ1つの最適な運動量を支持しない」:ABSTRACT の Conclusions。その直前に「モデルが予測した量は運動の処方の手引きになる」があり、直後に確からしさについての限定が続きます。1つの文の中に前半と後半が同居しているので、どちらかだけを引くと意味が変わります
- 「神経根の症状への運動は重要な証拠の空白」:ABSTRACT の最後の一文
- 既存のレビュー(週3〜5回・1回20〜30分)への批判:INTRODUCTION の3段落目。「量を恣意的に区切り、単純な直線の関係を仮定している」という文も同じ段落にあります
- 対象と除外(骨折、がん、感染など)、比較の相手の14種類の一覧:Methods の Eligibility criteria の Population と Intervention and comparators。同じ種類で同じ量の比較を除いたことも、この節の最後にあります
- 「のべ回数」を後から足したこと:Methods の Amendments to the protocol。短い節ですが、ここだけに書かれています
- 100点への換算(9.45 と 17.06)、5点の線、その線を社会や医療制度の立場から選んだという説明:Methods の Outcomes and summary measures。5点を「小さい」利益の線と書いていることも、個人の水準では0.5標準偏差がよく使われると書いていることも、この節で確かめられます
- 2段構えのモデル、一体型が収束しなかったこと、「量は1」とみなした非運動の治療:Methods の Data synthesis and statistical analysis の、Two-stage model-based dose-response NMA、Stage 1、Stage 2 の各節
- 「基準の治療に対する差」という書き方:同じく Stage 1 の最後の段落と Stage 2 の最初の段落。基準の治療が何かは、ここにも書かれていません
- バイアスの評価を1試験1結果だけに行ったこと、割り付けどおりのデータで評価したこと:Methods の Risk of bias within individual studies
- 239試験の内訳(平均42.4歳、63.9%が女性、中央値8週・四分位範囲6〜12週、群の数、量の変数の報告状況、資金):Results の Study characteristics and network description。長期だけネットワークが切れていたことも、この節の最後にあります
- 動けなさを報告したのは213試験(224の報告):Results の Study selection の最後の文
- 84.1%と73.2%:Results の Risk of bias within studies
- CERT の報告状況:Results の Exercise intervention reporting within studies
- 「量の変数はそれぞれ別々にモデル化したので、ひとつにまとめた処方として読むべきではない」:Results の Synthesis of results の、Disability の冒頭の段落の最後の文。結果の数字が始まるその直前に置かれています
- 週4回の11.53点、週2回の8.03点、そして「これらの量の95%信用区間は重なっていた」:同じ Disability の節の Frequency の段落。1回の長さ、続けた週数、週あたりの分、のべ分数も、それぞれの見出しの段落にあります
- 表1(6つの量の、いちばん良かった量と最小の有効量)と、印の意味:Table 1 とその脚注。動けなさの列に印が1つもないことも、「この比較は記述的なもので、正式な統計の検定とみなしてはいけない」という脚注も、ここで確かめられます
- 痛みの強さの数字:Back pain intensity の各段落
- 有害事象(28.5%、重いもの1件、筋力トレーニングの6.12件):Results の Adverse events。考察のほうにもう1つ節があり、「実際の起きやすさは少なく見積もられている可能性がある」と「量を増やしても効き目の上積みは少なく、有害事象の可能性は増えるかもしれない」はそちらにあります
- 運動の種類ごとの量、表2のダッシュの意味:Results の Exercise type specific dose-response analyses と Table 2 の脚注
- 小規模研究の影響の例外(運動 対 通常のケア)、ノード分割の7つの比較、感度分析:Results の Reporting biases と Results of additional analyses
- 確からしさ(ほとんどが「とても低い」、「低い」は1つだけ):Results の Certainty of evidence
- 「ひとつにまとめた運動の処方の部品ではなく、処方のパラメータごとの有効な範囲」:DISCUSSION の2段落目
- 中期で最適な量が大きくなったこと、「最初の処方に情報を与えるもの」:DISCUSSION の3段落目
- 5点という線についての長い断り:DISCUSSION の4段落目。「効果の大きさに文脈を与えるもので、臨床的に重要かどうかの境界を定めたものではない」という文も、ここにあります
- これまでの「いちばん良い運動」の順位がばらついていた理由についての読み方、量をじかにくらべた7試験:DISCUSSION の Comparison with existing evidence
- 柔軟な処方という読み方:DISCUSSION の Implications of the results for practice and policy
- 限界:Limitations of the evidence base と Limitations of the review processes の2つの節
- 利益相反と資金、ライセンス:論文末尾の申告の欄
補足の資料(online supplemental data 1から24)には、本文に数字がない部分が置かれています。比較の相手ごとの試験の数(補足13)、量ごと・時期ごとの平均差の表(補足20)、量をじかにくらべた7試験の内訳(補足24)、試験ごとの特徴と文献リスト(補足14・15)、5点以外の線での感度分析(補足23)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。「最適」と書いてあったら、2番目の候補との幅が重なっていないかを見ること。
この論文は、ここを教材のように見せてくれます。表1に、量の変数ごとに「いちばん良かった量」と「最小の有効量」が並んでいて、幅が重なっていなかったものには印が付いています。
動けなさでは、印が1つもありません。だから「週4回」と「週2回」のどちらが良いかは、この研究からは選べません。
そして痛みの強さでは、6つのうち5つに印が付いています。同じ論文の中で、評価項目によって結論の形が違います。だから、どちらの話をしているのかを言わずに「幅が重なっていた」と言うと、片方が落ちます。
2つめ。見出しの数字が、どのモデルから出てきたのかを数えること。
「週4回、1回25分、13週」は、3つの数字ですが、3つの別のモデルの頂点です。だから掛け算が合いません。週4回と1回25分を掛けると週100分ですが、週あたりの分のモデルがいちばん良いとした値は週135分です。
この掛け算は、この記事で計算したものです。論文はこの計算をしていません。ただ、著者が「ひとつにまとめた処方として読むな」と2か所で書いている理由は、この形で目に見えます。
数字が3つ並んでいると、1つのメニューに見えます。しかし、別々に推定された値を並べただけなら、並べたこと自体に意味はありません。並んでいる数字が、同じモデルから出たのかどうかを確かめる。これが2つめです。
3つめ。範囲の数字と、最適の数字を取り違えないこと。
この論文には、「6週から12週」という範囲が出てきます。これは集めた試験が実際に続けていた長さの、真ん中の半分です。中央値は8週でした。
この数字は、研究がよくやってきた長さを表しています。良かった長さではありません。それでも「6週から12週」という範囲は、腰痛の運動の説明としてよく見かけます。
そして、この論文の導入は、まさにこの形の主張(週3回から5回、1回20分から30分)を名指しで引いて、量を恣意的に区切り、単純な直線の関係を仮定していると批判しています。区切るのをやめて曲線を当てたら、「ここがいちばん」と言い切れる点が残りませんでした。残ったのは、広い平坦な部分と、大きく重なった不確かさです。
この3つをまとめると、覚えることは1行です。
「最適」には2番目を、並んだ数字には出どころのモデルを、範囲の数字には「何の範囲か」をあてて読む。
この見方に一番近い本として、『統計でウソをつく法』を挙げておきます。グラフや数字の見せ方のトリックを扱った古典です。今回の論文では、数字そのものが間違っているわけではありません。要旨が3つの数字を並べて書き、本文が「並べて読むな」と書いている、その見せ方の落差が山場でした。「6週から12週」も、数字は正しくて、どこから来た数字かが入れ替わっています。数字を疑うのではなく、数字の置き方を疑うという練習が、この本でできます。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、原因のはっきりしない慢性腰痛の大人(平均42歳)を対象にした運動の試験を239件集め、動けなさは213試験で解析したところ、短期(3か月以内)の改善の推定がいちばん大きかったのは週4回、1回25分、13週のあたりだった、というところまでです。ただし、その半分ほどの量(週2回、1回15分、6週)との幅が重なっていたので、どちらが良いかを選ぶことはできません。著者は、6つの量の変数を別々のモデルで推定したので、この3つを1つにまとめた処方として読んではいけないと2か所で書いています。結論は「いまある証拠は、ただ1つの最適な運動量を支持しない」です。84.1%の試験は、どれか1つでも結果が偏っている恐れが高いと判定され、証拠の確からしさはほとんどが「とても低い」でした。原因のはっきりしている腰痛(骨折、がん、感染など)は対象の外で、神経の症状がある腰痛は2試験しか入っていません。量の目安は、医師や理学療法士と相談して決めるものです。
元の論文
Arora NK ら. Br J Sports Med. 2026.
https://doi.org/10.1136/bjsports-2026-111988
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。