この回の答え

ネットの書き込みから、体の変化の名前が1つ以上読み取れた人は7823人。そのうち1336人が、食欲が増えたと書いていました。割合にすると17.1%です。これが、この研究が数えた1つ1つの訴えの中で、いちばん人数の多い行です(論文の Table)。

まず、判定から書きます。

数えた中での1位だ、とは言えます。1つ1つの訴えの行で、1336人を超えるものはほかにありません。本文の Results も、多かった訴えとして最初に挙げているのが食欲が増えたです。

ただし「ずば抜けて多い」とは言えません。2位の疲れは1188人、15.2%です。差は1.9ポイントです(この引き算は、この記事がしたものです)。そして、どちらが多いかを統計で比べた結果は、論文に示されていません。

そして、ここがこの回のいちばん大事なところです。

この17.1%は、薬を使った人の17.1%ではありません。分母の7823人は、書き込みから体の変化の名前が1つ以上読み取れた人の数です。さらに、食欲が落ちる系と体重が減る系の名前は、この分母を作る前に除かれています。だから、この研究の数字から「食欲が減るより増えるほうが多かった」と言うことはできません。

この記事は、この薬を使うべきだとも、使うべきでないとも書きません。薬の名前も、量も、どこで手に入るかも書きません。書くのは、この17.1%という数字が何を指していて、どこまで言えるのかだけです。

動画で話したこと

動画では、次のことを話しました。

  • 承認されていない、やせる目的の注射薬について、書き込みから読み取れた体の変化でいちばん多かったのが食欲が増えたで、17.1%だったこと
  • その17.1%の分母は7823人で、書き込みから体の変化が読み取れた人の数だということ
  • 数えた中では1位だが、食欲が落ちたという名前は数える前に除いてあること。2位の疲れは15.2%で、どちらが多いかを統計で比べてはいないこと
  • 調べたのは、あるソーシャルメディアの投稿とコメント14万8640件だということ
  • これは副作用の一覧ではなく、元気が出た12.4%も同じ表に入っていること。薬のせいかどうかは分からないこと
  • この研究で分からないことが3つあること。何人に1人で起きるのか。薬のせいなのかどうか。書き込む人が、使う人全体と同じかどうか

ここから先は、動画で一言で済ませたところを、論文の本文にもとづいて書きます。

研究デザイン:誰を、どう集めて、何を数えたか

まず、これは薬を飲んだ人を集めて追いかけた研究ではありません。ある時点までに書かれたネットの書き込みを集めて、数えた研究です。論文は自分でも横断研究だと書いています。

集めたものは、次のとおりです。

  • あるソーシャルメディアサイトの、27のコミュニティの投稿とコメント
  • 14万8640件。書いた人は3万8936人
  • 集めた期間は2021年5月から2025年12月。ただし、解析に残った書き込みの日付は2023年3月10日から2025年12月31日です

サイトの名前は、この記事では書きません。論文自身が、Methods で一度名前を出したあとは「このソーシャルメディアサイト」と書いています。承認されていない薬の話なので、この記事もそれにならいます。

誰が、何を取り出したか

書き込みを読んで分類したのは、人ではなく大規模言語モデルです(論文は gpt-5.4-nano と書いています)。やったことは4つです。

  1. その人が自分で使っていると書いているかを判定する
  2. 用量と属性を取り出す
  3. 本人が自分で薬と結び付けて書いた体の変化を抜き出す(論文の言い方は author-attributed symptoms)
  4. それを MedDRA という、症状の名前を国際的に決めてある一覧の用語に当てはめる

ここは大事なところです。1336人は、同じ言葉で書いた人ではありません。機械が、それぞれの書き方を同じ1つの名前にまとめた結果の人数です。「腹が減って仕方ない」と書いた人と「食欲が戻ってきた」と書いた人が、同じ行に入っているかもしれません。どの書き方がどの名前に入ったかは、論文には載っていません。

人の手で確かめたのは100件です。論文は「高い精度と再現率だった」と書いていますが、その数値は本文に出てきません。詳しい方法は補足資料にあると案内されているだけです。だからこの記事は「精度は何パーセントだった」とは書けません。

数え方にも、間違えやすいところがあります。症状は、投稿ごとではなく人ごとにまとめられています。同じ人が10回書いても1人です。だから、表のすべての数字の単位は「人」です。

倫理審査は不要と判断されています(公開されていて個人が特定できないデータのため)。報告は STROBE という、観察研究の書き方の指針に沿っています。

17.1% の分母は、どこまで絞り込まれた人か

ここが、この回の芯です。論文の Results の最初の段落に、絞り込みがそのまま書かれています。

書き込みを書いた人から、割合の分母になった7823人まで

1段目は3万8936人です。27のコミュニティから集めた、14万8640件の投稿とコメントを書いた人の数です。この時点では、薬を使っている人とは限りません。話題にしているだけの人も入ります。

2段目は1万3589人です。機械が「いま自分で使っている」と判定した書き込みの書き手です。2万5347人がここで外れます。この引き算は、この記事がしたものです。

この1万3589人も、使ったことが確かめられた人ではありません。自分でそう書いた、というだけです。製品が本物かどうかも、量も、論文は確かめられないと書いています。

3段目は9699人です。書き込みから、体の変化を指す言葉が1つ以上取り出せた人です。3890人がここで外れます。使っていると書いていても、体の変化を何も書いていなければ、ここで落ちます。

4段目が7823人です。あらかじめ決めてあった、体重が減る系と食欲が落ちる系の名前を除いたあとで、名前が1つ以上残った人です。さらに1876人が外れています。この1876人には、決まった名前に当てはまらなかった人と、除外で名前が全部消えた人の両方が入ります。内訳は論文に書かれていません。

この7823人が、論文の表のすべての割合の分母です。表の見出しにも N = 7823 と書いてあります。17.1% は、この7823人のうち1336人、という意味です。

集めた投稿とコメントを書いた人38936人
いま自分で使っていると判定された人13589人
体の変化の言葉が1つ以上取り出せた人9699人
除外のあとも名前が1つ以上残った人(割合の分母)7823人

論文に書いてある数は3万8936人、1万3589人、9699人、7823人の4つです。段と段のあいだの減った数(2万5347人、3890人、1876人)は、この記事がした引き算です。論文には書かれていません。投稿の件数(14万8640件と4万5592件)は、この図には入れていません。人の数と件数は単位が違うので、同じ流れに並べると引き算が意味を持たなくなるからです。件数のことは図のすぐあとに書きました。なお、4万5592件は14万8640件の中から選ばれた数なので、1万3589人は3万8936人に含まれます。

論文のどこ:Methods の最初の段落と、Results の最初の段落。いちばん下の7823人は、Table の見出しにも出ています

投稿の件数のほうも書いておきます。14万8640件のうち、いま使っていると判定されたのは4万5592件でした。割合にすると30.7%です(この割り算は、この記事がしたものです)。

それから、7823人という数は、論文の中では57.6%とも書かれています。これは1万3589人を分母にした割合です。9699人の71.4%も同じで、分母は1万3589人です。同じ論文の中で、割合の分母が場所によって入れ替わります。17.1%の分母は7823人、57.6%と71.4%の分母は1万3589人です。読むときは、その都度どれが分母かを確かめる必要があります。

食欲が落ちる側の名前は、分母を作る前に除かれています

ここが、動画では一言しか言えなかったところです。ていねいに書きます。

論文は、3か所でこの除外にふれています。書き方が少しずつ違います。

  • Methods:あらかじめ決めておいた、体重が減る系と食欲が落ちる系の用語を除いた
  • Results:あらかじめ決めておいた、体重に関する系と食欲が落ちる系の用語を除いたあと、7823人(57.6%)に名前が1つ以上残り、これが症状の頻度の分母になった
  • 表の脚注:あらかじめ決めておいた、体重が減ることに関係する名前と食欲が落ちる名前は、分母を計算する前に除いた

大事なのは、脚注の「分母を計算する前に」です。つまり、除外は分子だけの話ではありません。分母そのものが、除外のあとに作られています。

具体的に言うと、こうなります。書き込みに「食欲が落ちた」としか書いていなかった人は、ほかに何も書いていなければ、7823人の中にいません。その人は、分子からも分母からも消えています。

だから、次のことはこの研究の数字からは言えません。

  • 食欲が減った人より、増えた人のほうが多かった
  • この薬を使うと、食欲は落ちるより増えるほうが起きやすい

言えるのは、食欲が落ちる側を数から外したうえで数えると、残った中では食欲が増えたがいちばん人数が多かった、ということだけです。

どの名前が除かれたのかは、本文には書かれていません

除いた名前の一覧は、論文の本文にありません。本文は、詳しい方法は補足資料にあると案内しているだけです。

表を見ると、事情はもう少し込み入っています。

  • 表に「食欲が落ちた」にあたる行はありません
  • けれども、食べ物を受け付けない(1.8%)のような、食欲が落ちる側とも読める名前は残っています
  • そして、体重が増えた(3.9%)と、体重が増える異常(2.4%)も残っています

最後の点が、Results の書き方と合いません。Results は「体重に関する」用語を除いたと書いていますが、体重が増える側は表に残っています。Methods と脚注の書き方(体重が減る系)のほうが、表と合います。

表の脚注には、もう1つ断りがあります。0.5%に満たない名前と、1.0%に満たない大きな分類は、紙幅のために省いた、とあります。だから、表に出てこないからといって、その訴えが除外されたとは限りません。少なかっただけかもしれません。この2つは、表を見ただけでは区別できません。

この数字は、何を指しているか

17.1%という数字を、分母を変えて見てみます。

同じ1336人でも、分母を変えると数字が変わります

上の丸は、論文の表に出ている17.1% です。分母は、体の変化の名前が1つ以上残った7823人です。

下の丸は、いま使っていると判定された1万3589人を分母にしたときの9.8% です。分子は上とまったく同じ1336人です。

分子を変えていないのに、数字は17から10に変わりました。割合は、分子だけでは決まりません。どこまでを分母に入れたかで変わります。

どちらが正しい、という話ではありません。論文の17.1% は、体の変化が読み取れた人の中での割合として正しい数字です。下の9.8% は、自分で使っていると書いた人全体の中での割合です。問いが違えば、使う分母も違います。

そして、どちらも「この薬を使った100人のうち何人」ではありません。自分で使っていると書いた人しか入っていませんし、書き込まなかった人のことは何も分かりません。

分母が7823人のとき(論文の表の17.1%)100人中 17人
分母が1万3589人のとき(この記事の計算で9.8%)100人中 10人

上も下も、食欲が増えたと書いていた同じ1336人のことです。上は論文の表に出ている17.1%で、分母は7823人です。下は、いま使っていると判定された1万3589人を分母にしたときの9.8%で、この割り算は論文ではなくこの記事がしたものです。1万3589人のうち7823人に入らなかった人は、除外のあとに残る名前が1つも無かった人なので、食欲が増えたという名前も付いていません。だから分子は上も下も1336人のままです。この読み取りも、この記事がしたものです。丸の数は整数にする必要があるので、17.1% を17、9.8% を10 に丸めました。どちらの丸も、この薬を使った100人のうち何人、という意味ではありません。 数字の見方を学ぶための図で、個人の予測ではありません。

論文のどこ:Results の最初の段落と、Table の代謝と栄養の分類の中にある「食欲が増えた」の行

ここまでをまとめると、17.1%という数字は、次の条件がすべて付いたうえでの数字です。

  • 分母は人(投稿の数ではありません)
  • 自分で使っていると書いた人(使ったことが確かめられた人ではありません)
  • そのうち、機械が体の変化の名前を1つ以上拾えた人
  • さらに、体重が減る系と食欲が落ちる系の名前を除いたあとも、名前が残った人

この4つが積み重なった結果が、7823人という分母です。

これは副作用の一覧ではありません

論文の題には「自己申告の有害作用」(Self-Reported Adverse Effects)という言葉が入っています。考察も「有害事象」という言い方をしています。けれども、Methods が実際に数えたと書いているのは、本人が自分で薬と結び付けて書いた体の変化です。良いほうも悪いほうも、区別せずに拾っています。

実際、表にはこういう行が並んでいます。

  • 元気が出た:970人(12.4%)
  • 筋肉の肥大:317人(4.1%)
  • 高揚した気分:188人(2.4%)
  • 運動がよくできるようになった:130人(1.7%)
  • 性欲が増えた:70人(0.9%)
  • コレステロールが下がった:61人(0.8%)
  • 血糖が正常:45人(0.6%)

この数字を、良い知らせとして読まないでください。この研究は、薬を使った群と使わなかった群を比べていません。書き込みを数えただけです。元気が出たと書いた人が970人いたことと、薬が元気を出させたことは、別の話です。論文自身が、報告された出来事は誤った結び付けによるものかもしれない、と書いています。

逆の向きも同じです。吐き気と書いた人が907人(11.6%)いたことも、薬が吐き気を起こしたことを示すものではありません。この表は、良い側も悪い側も、原因が確かめられていないという点では同じ立場にあります。

考察のほうも1か所、注意して読む必要があります。考察は「筋肉に関する症状も、よく報告されたものの中に入っていた」と書いています。けれども、表の中で筋肉に関する名前のうちいちばん高いのは、筋肉の肥大の4.1%です。これは、7番目に挙げられている心拍数が上がった(4.8%)より低い数字です。考察のこの言い方は、表よりも大きなくくり(図のほうのまとめ)に寄りかかっています。

「いちばん多い」と、どこまで言えるか

論文の Results は、多かった名前として7つを並べています。並びは多い順です。表のほうは器官別の分類ごとに並んでいるので、順番は違います。

  • 食欲が増えた:1336人(17.1%)
  • 疲れ:1188人(15.2%)
  • 元気が出た:970人(12.4%)
  • 吐き気:907人(11.6%)
  • 食べたくなる:571人(7.3%)
  • 眠れない:475人(6.1%)
  • 心拍数が上がった:374人(4.8%)

この並びは、ただ多い順に並べたものです。論文の Results は「多かった名前は次のとおり」としか書いていません。

表には、17.1%より大きな数字も並んでいます

論文の表を開くと、太い行に43.4%、33.0%、32.5%といった、17.1%よりずっと大きな数字が並んでいます。これは1つの訴えの数字ではありません。全身の症状、代謝と栄養、消化器といった大きなくくりごとに、そのくくりに入る名前を1つ以上持っていた人を数えた行です。表の脚注にも、この行どうしは足し合わせられないと書いてあります。

だから、「いちばん多かった訴えは43.4%だった」とは言えません。1つの訴えとして並べられるのは、細かいほうの名前の行だけです。

そして、この記事が参照した本文には、P値も、信頼区間も、有意という語も出てきません。だから、1位と2位の差が、偶然で入れ替わる程度のものなのかどうかは、この論文からは分かりません。17.1%と15.2%の差は1.9ポイントです(この引き算は、この記事がしたものです)。

ここは言葉を正確にしておきます。「この研究は検定を1つもしていない」とまでは書けません。論文にある「統計的な比較はしていない」という断りは2か所ありますが、どちらも別のことに付いています。

  • Methods の断りは、過去に行われた別の薬の研究の頻度を引いてきたことに付いています
  • 図の説明の断りは、その図で2つの集団を並べて見せていることに付いています

どちらも、「この研究の中の訴えどうしを比べたかどうか」を述べた文ではありません。言えるのは、どの訴えが多いかを統計で比べた結果は、論文に示されていない、というところまでです。

論文の図は、この記事では使いません

論文には、この研究の値と、過去の別の薬の研究の値を並べた棒グラフが載っています。並んでいると、どうしても「こちらのほうが多い」と読みたくなります。

けれども、図の説明にこう書いてあります。2つの集団は、属性をそろえて比べたものではなく、統計の比較も行っていない、と。だからこの記事は、その図の数字を引きませんし、同じ形の図も作りません。

もう1つ、論文を開いたときに混乱しやすい点があります。図と表では、名前のまとめ方の階層が違います。図のほうは、食欲に関するいくつかの名前をひとまとめにした大きなくくりで描かれているので、表の17.1%とは数字が合いません。同じ「食欲」の話でも、図の数字と表の数字は別物です。

この研究では言えないこと

動画では3つだけ挙げました。ここでは、論文自身が限界として書いていることを含めて広げます。

論文は、結果全体について「仮説を立てるためのものと考えるべきだ」と書いています。そのうえで、この解析では評価できないと名指ししているのが、次の4つです。

  1. 何人に1人に起きるのかどうか。書き込みを数えても、発生率は出せません。書かなかった人が分母に入らないからです
  2. その体の変化が、薬のせいなのかどうか。論文は別の段落で、製品や量のばらつき、ほかの承認されていない成分の併用、使っている人の顔ぶれの偏り、使う前の扱い方の違い、そして誤った結び付けが理由かもしれない、と書いています
  3. 量を増やすほど増えるのかどうか
  4. 承認されている薬と比べて、多いのか少ないのかどうか

これとは別の文で、もう1つ挙げられています。書き込む人が、使っている人全体と同じかどうかです。論文は、ここで調べた人たちが使っている人全体を代表しないかもしれないこと、そして悪い出来事のほうが書き込まれやすいかもしれないことを書いています。

さらに、研究の作りそのものから来る制約もあります。これらは「分からないこと」ではなく、なぜ分からないのかの理由にあたります。

  • 製品が何だったのかが分かりません。論文は、製品の同一性、純度、量、入れ方、使った期間、同時に使っていた薬、もともとの病気のどれも確かめられない、と書いています。正規でない流通で手に入れたものなので、中身が表示どおりとは限りません
  • 機械が取りこぼしているかもしれません。自然言語処理と MedDRA への当てはめは、症状を見落としたり、違う名前に入れたりすることがある、と論文自身が書いています
  • 1人を追いかけていません。書き込みを人ごとにまとめただけなので、いつ始まっていつ終わったのかは分かりません
  • 日本の人のことは分かりません。どの国の人が書いたかは、論文の本文に書かれていません

導入には、規制当局が、承認されていない製品が消費者に直接売られていると注意喚起していることが書かれています。研究用、あるいは人が口にするものではないと表示された製品を含む、ともあります。この記事が扱ったのは、そうした流通で手に入れたものについての書き込みを数えた結果です。

なお、考察には別の臨床試験の結果も引かれていますが、それはこの研究が測った数字ではありません。この記事では扱いません。

元の論文のどこを見ればよいか

元の論文は、次のところです。

  • Sehgal NKR, Tronieri JS, Rader B, Ungar L, Guntuku SC. JAMA Network Open. 2026;9(10):e2638929
  • DOI のリンク:https://doi.org/10.1001/jamanetworkopen.2026.38929
  • 論文の種類は研究レター(Research Letter)です。Methods、Results、Table を持つ短い報告です

この記事が使った数字は、次のところにあります。

  • Methods の最初の段落:14万8640件、3万8936人、27のコミュニティ、集めた期間。機械が何をしたか、除外、人の手での確認100件。統計の比較をしていないという断りも、この段落の後ろのほうにあります
  • Results の最初の段落:4万5592件、1万3589人、9699人(71.4%)、7823人(57.6%)
  • Table の見出し:17.1%の分母が7823人であること(N = 7823 と書かれています)
  • Table の、代謝と栄養の分類の中:食欲が増えた1336人(17.1%)
  • Table の、全身の症状の分類の中:疲れ1188人(15.2%)、元気が出た970人(12.4%)
  • Table の、消化器の分類の中:吐き気907人(11.6%)
  • Table の、筋骨格の分類の中:筋肉の肥大317人(4.1%)
  • Table の脚注:分母を作る前に除外したこと、0.5%に満たない名前を省いたこと、分類の行は足し合わせられないこと
  • Figure の説明:属性をそろえていないこと、統計の比較を行っていないこと
  • Discussion の最後から2つ目の段落:限界(発生率、原因、量との関係、承認された薬との比較)

論文の図(棒グラフ)を見るときは、横軸のくくりが Table と違うことに気をつけてください。図は、いくつかの名前をまとめた大きなくくりで描かれています。

見方を練習するために

この回で使った見方は、1つだけです。割合を見たら、分子ではなく分母を先に確かめる。

17.1%という数字は、分子の1336人を変えなくても、分母をどこに置くかで9.8%にも17.1%にもなりました。しかも今回は、その分母そのものが、ある種類の訴えを除いたあとで作られていました。分母は、たいてい本文の中にひっそり書かれています。見出しや要約には出てきません。

この見方を練習するなら、『統計でウソをつく法』が向いています。数字そのものは正しいのに、見せ方で受け取り方が変わってしまう例を、いくつも並べた本です。割合の分母の取り方も、その中の1つとして出てきます。

元の論文

Sehgal NKR ら. JAMA Netw Open. 2026.
https://doi.org/10.1001/jamanetworkopen.2026.38929

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。

『統計でウソをつく法』