十本かけて、指標の来歴を辿ってきた。閾値がどこから来たのか。分母から誰が落ちるのか。制度が実際に読んでいるものは何か。比が何と何の比なのか。
最後に、その点検表そのものを点検する。
この列は、七つの「失敗の型」を使ってきた。定義／分母／閾値／交絡／反応性／単位／空白。十本のあいだ、この七つで指標を切ってきた。
では、この七つは何なのか。
結論から書く
三つある。
第一に、七つの型のうち六つには、既存の枠組みに近接する概念がある。うち三つは固有名詞化していた。ただし、意味が完全に重なるわけではない。
第二に、採点の仕方が壊れている。閾値を持たない指標は型3に落ちようがない。「七つ全部を通った」は、いくつかの型が適用外の指標なら、それだけで達成されてしまう。
第三に、概念として新しいものは、ほとんど無かった。残るのは型3の狭い一角である。
以下、順に。
六つには、近接する既存概念があった
ただし「同じもの」ではない。重なり方に幅があるので、そこも書いておく。
| 型 | 近接する既存概念 | 対応 | 一次文献 |
|---|---|---|---|
| 1 定義 | content validity / clear standardisation | 部分的 | COSMIN1、NQF 2a12 |
| 2 分母 | the denominator problem / exclusions | 直接 | Bruckel ら 20173 |
| 3 閾値 | adequacy of the appraisal concept | 関連のみ | WHO/European Observatory4 |
| 4 交絡 | minimum bias / risk adjustment | 直接 | AHRQ5、NQF 2b42 |
| 5 反応性 | responsiveness | 部分的 | COSMIN1 |
| 6 単位 | ecological fallacy / unit of analysis | 関連のみ | Robinson 19506 |
| 7 空白 | （複数の概念に分かれる） | 対応せず | — |
表で「直接」としているのは型2と型4だけである。残りは部分的な対応か、関連にとどまる※訂正。見出しも「名前があった」から「近接する既存概念があった」に改めた。
ずれを四つ挙げておく。
content validity は、項目が測定対象の概念を十分に表現しているかを問う。私の型1は、同じ名前の下に別の構成概念が入っていることを問う。近いが、同じではない。
COSMIN の responsiveness は、主に患者報告アウトカム尺度が経時的な変化を検出できるかである。政策指標が介入で動くか（actionability）とは、対象も文脈も違う。
生態学的誤謬は、施設単位で集計すること自体を指すのではない。施設レベルの関連から個人レベルの関係を推論したときに、初めて誤謬になる。私の型6は「単位が変わること」を問うており、それは誤謬の前段にある。
型7は、無理に一語へ対応させないことにした※訂正。公開時は feasibility / content coverage を当てていたが、私が「空白」と呼んでいるものには、実行が困難で測れない／データが欠測している／構成概念そのものが欠けている／制度が測らないと決めているが混在している。既存概念が複数に分かれること自体が、この型の性格である。
型2は、論文の表題そのものだった3。
The denominator problem: national hospital quality measures for acute myocardial infarction
そして中身がこうである。
指標の除外は17.8%から90.1%まで幅があった。…除外されやすい患者は、より高齢で（78.1歳 対 50.3歳）、入院時の死亡リスクが高く、より高い院内死亡を経験していた（10.0% 対 1.6%）。
型5は、COSMIN の正式な測定特性名である1。
Responsiveness: The ability of an HR-PRO instrument to detect change over time in the construct to be measured
ただし公開時の本文は、これを「『介入しても動かない』は、この特性の裏返しにすぎない」と書いた。同一視している※訂正。
COSMIN の responsiveness は、測ろうとする構成概念が変化したとき、尺度がその変化を検出できるかである。介入がその構成概念を変えなかったこととは別である。介入が無効でも、尺度の反応性は高くありうる。
型5は、二つに分けるべきだった。
- 測定上の変化検出能力——responsiveness（COSMIN）
- 政策や介入によって改善しうるか——actionability / susceptibility to intervention
後者はCOSMINよりも、OECDやBarbazzaの指標枠組みに近い。
（型2の “the denominator problem” も、論文の表題ではあるが、それだけで標準化された固有名詞だと断定することはできない。）
型6には、75年前に名前がついていた6。
生態学的相関において、統計上の対象は人の集団である。…変数は百分率であり、集団の記述的属性であって、個人の記述的属性ではない。 …生態学的相関が個人の相関の代用として妥当に使えるかどうか。使えない。
そして医療については、Donabedian が1966年に書いている7。
最後に、アウトカムは集計としては良いケアと悪いケアを示しうるが、そのアウトカムが帰属されうる欠陥や強みの、性質と所在についての洞察を与えない。
実証も揃っている。施設の効果は、かかりつけ医の効果の少なくとも6倍6。医師の診療の違いで説明できるのは全分散の4%以下。これは単位の選び方が結果を左右することを示す分散分解であって、生態学的誤謬そのものの実証ではない。両者は近いが、別のことである。
七項目・問いの形という外形にも、類似例がある
外形の似た先行研究がある8。方法論的考慮事項が、ちょうど7項目で、各項目が問いの形をしている。
Clear standardisation. — Is the indicator clearly defined and replicable? Alignment of accountability. — Are entry points for taking action feasible? Sensitive to meaningful change. — Is the indicator sufficiently sensitive to change?
上から順に、私の型1・型6・型5に対応する。
ただし対応するのは3項目までで、残る4項目は私の型と一対一にならない。「七つ」「問いの形」という外形が似ていることは、設計全体が先行していたことの根拠にはならない。言えるのは、似た外形の先行例があるというところまでである。
そして「失敗の様式を番号付きで数える」という発想にも先行がある9。1995年に8つ——tunnel vision、sub-optimisation、myopia、measure fixation、misrepresentation、misinterpretation、gaming、ossification。
軸は違う。彼らが数えるのは使われ方の副作用で、私が数えるのは測定の妥当性の破綻である。だが「反転させた」という貢献も、そのままでは主張できない。
ただし、それらの枠組みも独立ではない
一つ、留保を置いておく。「複数の独立した枠組みが同じ基準に収束している」とは言えない。それぞれが出所を自分で書いている。
OECDの基準表は、末尾にこう記す4。
このリストは、米国医学研究所（2001年）の報告書『Envisioning the National Health Care Quality Report』から直接改変された。
AHRQも同様である5。
プロジェクトチームは、McGlynn らおよび Iezzoni らによる先行する評価と、電話面接から情報を集めて、質指標の性能の主要領域を特定した。
「新しくない」を強めるが、「独立に収束した」は弱める。
独自だと言えるのは、型3の一角だけだった
閾値の型にだけ、既存の枠組みに名前がない切り口がある。
最も近いのは WHO の統合基準の一項目である4。
Adequacy of the appraisal concept. Are reference values fit for purpose, and do they allow identification of good and bad providers?
ここは、慎重に線を引く必要がある。
型3の核——「線が分布から引かれているか、アウトカムから引かれているか」——は、独自ではない。それどころか、後で引く HbA1c 6.5% の文書が、まさにその区別を名指ししている10。旧基準は「合併症との関係ではなく、血糖値の分布に依拠していた」と。ガイドラインの定義文書が、自分で書いている。
残るのは、もっと狭い一角である。「他制度のカテゴリを流用している」「設問文が閾値を決めている」——この二つには、どの枠組みにも名前がない。
AHRQの6基準とOECDの3基準・9下位基準を全部読んでも、切断点の選び方や二値化について述べた項目は一つもない5,4。AHRQで最も近いのは「minimum bias」と「fosters real quality improvement」だが、どちらもそこには届かない。（これはこの二つの枠組みの中での不在であって、文献全体についての主張ではない。）
そして、この列が実際にやってきたのはそれだった。HbA1cの6.1%が空腹時血糖126から引き写されていたこと。認知症の重症度ランクを定めた1993年の通知が、導出について「作成したので」としか書いていないこと。日本の医療費の対GDP比が2011年に段差を持ったのが、国際専門家会合の投票（賛成23、反対8）の結果だったこと。
制度の側の来歴を辿ることは、測定特性の点検表には入っていない。
閾値については、報告指針が先に書いていた
ただし、型3の残りの部分も先行がある。臨床予測モデルの報告指針の解説文である11。
リスク群をどう作るか、そもそもいくつの群を使うかについて、明確な合意は存在しない。 こうした群分けは、恣意的でありながら、いかなる根拠も欠いたまま標準化されうる。 …しかし多くの場合、推定確率に基づくそうした明示的な指針は存在しない。
ただし公開時の本文は、これを「『多くの場合は分布由来』と、報告指針自身が書いている」とまとめた。引用を越えている※訂正。TRIPODが述べているのは、切点の作り方や、その切点に対応する臨床行動の根拠がしばしば明示されていないということである。「明示的な指針がない」ことは、「分布から決めた」ことを意味しない。
正確に書けばこうなる。多くの場合、切点と臨床行動を結ぶ根拠が明示されていない。
私が立てた命題も、一つ崩れた
この列は、こう記録していた——「型3と型2はトレードオフである。対象を絞ると閾値をアウトカムに固定できる。全員に当てはめると、線は分布からしか引けなくなる。」
反例がある。HbA1c 6.5% である10。
「あらゆる」網膜症の有病率が背景水準を超えて立ち上がり始める血糖値…そして糖尿病により特異的な「中等度」網膜症については、6.5%であった。 HbA1c値が6.5%未満であった2万人を超える対象者のうち、「中等度」網膜症はほぼ皆無であった。 同じデータのROC解析は、中等度以上の網膜症を検出する最適カットオフがHbA1c 6.5%であることを示した。
広く適用される診断閾値でありながら、分布ではなくアウトカムから引かれている。（同じ文書が適用外の集団も列挙している——妊娠、ヘモグロビン異常症、赤血球寿命の異常など。「普遍的」ではない。）
駆動因が違った。文献の定式化はこうである12。
分布基準の手法は、外部基準を必要としないため、使用が簡便であるという利点をもつ。
| 軸 | |
|---|---|
| 私の命題 | 対象を絞る → アウトカムに固定できる |
| 文献の定式化 | アンカーが取れる → アンカー法／取れない → 分布法 |
「対象の広さ」は分布法を強制しない。
ただし、この二分法でも足りない。引いた文献は患者報告アウトカムの最小重要差についてのもので、診断閾値一般を二つに分ける枠組みではない。線の由来は少なくとも七つある——疾患や合併症などのアウトカム、治療による純利益、感度と特異度、分布、資源や収容能力、専門家の合意、そして他制度からの流用。
そしてアンカーがあることは、恣意性が無いことを意味しない。HbA1c 6.5% には網膜症というアンカーがあるが、「中等度」の網膜症を選ぶこと、そして誤分類をどこまで許すことにも、価値判断が残っている。
そして、同じ論文の中に両方の線が引かれた例がある。肺塞栓の Wells ルールである13。
最初の採点体系では…その割合は元の研究で決定されたものと同様になるようにした。 第二の体系は…後者の目標は、PE unlikely とされた患者でDダイマー陰性なら、PEが2%未満になることであった。
低・中・高の三分は分布から。likely / unlikely の二分はアウトカムから。同じ患者、同じ変数、同じ論文である。
採点の仕方が、壊れていた
閾値を持たない指標は、型3に落ちようがない。集計されない指標は、型6に落ちようがない。したがって「七つ全部を通った」は、いくつかの型が適用外の指標なら、それだけで達成されてしまう。
ただしこれは、点検表そのものの破綻ではない。採点の仕方の問題である。
直し方は二つある。
第一に、点検の対象を変える。同じ指標でも、連続値として経過を追うのか、二値化して診断に使うのか、施設の順位づけに使うのか、報酬の条件にするのかで、起きる問題が違う。点検すべきは指標そのものではなく、「指標 × 用途 × 対象集団」の組み合わせである。
第二に、結果を四つに分ける。
| 合格 | 調べて、落ちなかった |
| 不合格 | 調べて、落ちた |
| 適用外 | その型が当てはまらない |
| 情報不足 | 調べたが、判定できない |
そして「適用可能な5項目中5項目」のように書く。そうすれば、適用外が自動的に合格に化けることを防げる。
この列は、それをやっていなかった。
唯一の合格例が、まさにそれだった
この列は、日本で七つ全部を通ったのは乳児死亡率だけと記録してきた。理由は、分子と分母が戸籍法の同じ台帳から来ていることだ、と。
三箇所直す。
① 同一の台帳ではなかった。人口動態調査令第3条である14。
市町村長は、戸籍法による届書又は昭和二十一年厚生省令第四十二号による届書その他の関係書類に基づいて…人口動態調査票を作成しなければならない。
原資は戸籍という台帳ではなく届書であり、出生票と死亡票は別々の調査票である。
ただしここも、書ける範囲を限定する※訂正。法令から確認できるのは、出生票と死亡票が別の調査票であることまでで、実務上まったく個票突合されていないことまでは導けない。また「同じ法律にもとづく二つの届出」も正確ではない——戸籍法上の届書と、人口動態調査令上の調査票が関係している。
正確に書けばこうなる。同じ人口動態統計制度の中で、別々に作成・集計された出生票と死亡票を用い、公表算式の上では個人単位のコホート突合を必要としない期間比である。
② 分母は「落ちている」のではなく、定義で切られている。
厚生労働省は集計客体を「日本において発生した日本人」と明記している15。令和6年の別掲は、在日外国人22,878、在外邦人10,725、前年以前発生1,103——計34,706件で、届出全体の4.81%にあたる。
当初、私はこれを「分母が4.81%落ちている」と書くつもりだった。それは誤りである。
在外邦人の出生は日本国内で発生していない。前年以前発生分はその年の事象ではない。どちらも場所または期間が定義と違うので、最初から対象外である。カバレッジの欠損ではない。
在日外国人は別の論点になる。「日本国内の全出生」を測るなら含めるべきで、「日本国内の日本人の出生」を測るなら正当な対象範囲である。どちらを測っているのかが、名前から読めないだけである。
したがって正確な言い方はこうなる——届出全体を基準にすると4.81%が本表の集計対象外だが、その大部分は地理・国籍・発生年の定義による除外であって、カバレッジ欠損率ではない。
それでも「誰を数えないか」という問いは立つ。ただし立て方が違う。定義上の対象外と、本来数えるべき対象の欠測は、分けなければならない。この列は10本かけて前者ばかり見ており、その区別を自分の合格例で外していた。
なお在日外国人だけを足し戻すと、乳児死亡率は1.845が1.846になる。分子（乳児死亡43）と分母（出生22,878）の両方を、同じ年・同じ発生地・同じ国籍区分で足したものである。在外邦人と前年以前発生分は、分子側の対応する数が公表されていないため足し戻せない。
③ 「定量した研究は見つかっていない」は誤りだった。日本語の論文が一本ある16。ただしこれは「真の補正値」ではなく、感度分析として読むべきものである。後期死産と早期新生児死亡の比を各国平均に揃えると——
| 補正前 | 補正後 | |
|---|---|---|
| 日本 | 6.0 | 7.45 |
| フィンランド | 6.5 | 6.64 |
| スウェーデン | 6.4 | 6.73 |
| 米国 | 11.9 | 11.86 |
日本の比は2.03で、米国の1.01やスウェーデンの1.24より突出して高い。
この方法は、登録実務の差だけでなく、医療水準・死産の発生率・積極的治療の方針・人工妊娠中絶の扱いまで各国で同じだと仮定している。1990年発表・1984年データ・被引用0でもある。6.0が7.45になることを「補正後の正しい値」として示すのは危険で、「ある仮定を置くと順位が動きうる」ことを示した一本、と読むのが妥当である。
現在の問題意識により近いのは、こちらである。日本を含む7か国の研究がある。22週の出生の生存率が3.7%から56.7%まで幅があり、その変動は「生産として報告される割合の違いから生じ、それ自体が積極的治療の提供と密接に結びついている」17※訂正。（公開時はこの記述に1990年のサンタマリア論文の脚注が付いていた。同じ出典項目に複数の論文を束ねていたためである。別の出典として分離した。）
逆向きの結論もある。出生体重分布を米国に揃えても日本の乳児死亡率は2.1から2.5にしかならず、日本の低さは主に医療の質による、という分析である。
国際機関は、既にそう扱っていた
OECDは、比較可能性への注記を置いている18。
乳児・新生児死亡率の国際的なばらつきの一部は、早産児の登録実務の各国間の違いによる可能性がある。
そして比較可能性を高めるため、「妊娠22週以上」に揃えた別系列も41か国から集めている。（「素の値は比較できないと判断した」とまでは、文書に書かれていない。）
WHOはさらに踏み込む。
乳児死亡率は、厳密に言えば率ではなく…生命表から導かれる死亡確率である。 …したがって、必ずしも各国の公式データと同じではない。 統計の主たる種類：調整済みかつ予測値。
両者は同じ概念——乳児の死亡——を測ろうとしている。違うのは推定の対象と算出の方法である。厚生労働省のものは未連結の年間出生数を分母とする期間比、WHOのものは国際比較のために調整・推計された死亡確率である※訂正。同じ概念を扱っているが、直接同一視はできない。
それでも、堅い部分は堅い
届出だけで完結するのは、乳児死亡率・新生児死亡率・早期新生児死亡率の3つだけである15。出生率も粗死亡率も合計特殊出生率も婚姻率も、分母に総務省の人口推計が入る。死産率と周産期死亡率は二つの法源にまたがる。妊産婦死亡率は分子がICDのO00–O99で定義され、死因分類に全面依存する。
同じ人口動態調査の中に、死因分類に依存する率と依存しない率が、両方ある。
そして回収率についての一文は、原文どおりだった。
人口動態調査は…市区町村が届出を受理した場合に調査票が作成されるため、回収率という概念は存在しない。
ただし、これは調査票を送って回収する方式ではない、という意味である。未届出・遅延届出・誤分類の可能性は、回収率ではなく登録の完全性（カバレッジ誤差）として別に評価すべきものになる。
「回収率100%に相当する」と「すべての出生が登録されている」は、別の命題である。そして後者を定量した公的資料には、到達できなかった。
落ちた指標が、何を教えるか
反例を探して、九つの候補を七つの型に当てた。旧採点法では、九つとも不合格とした※訂正。
ただしこれは、上で述べた「指標 × 用途 × 対象集団」を固定して再評価した結果ではない。旧採点法の結論をそのまま載せている。採点法を直したと書いた直後に、直す前の採点結果を使っている。再採点は、この記事ではできていない。
そのうえで、型3の姿がよく見えるものを挙げる。
Apgar——166名の専門職が同じ紙上症例を採点した結果、6が16%、7が55%、8が21%、9が7%19。同じ児が、採点者によって閾値7をまたぐ。そしてApgar自身の1953年の区分は0–2 / 3–7 / 8–10で、現行の0–3 / 4–6 / 7–10ではない。学会自身が「Apgarスコアだけでは、個々の新生児の死亡や神経学的転帰を予測しない」と書いている。ただし公平に言えば、Apgarは個人の長期予後を予測するために作られた指標ではない。想定外の用途で予測力が低いことは、指標そのものの失敗とは限らない。問題は、その用途に使われてきたことのほうにある。
出生体重2500g——1919年に提唱された際、「彼はこの特定の体重カットオフについて、いかなる正当化も示さなかった」20。翌年の論文は「我々は恣意的に2500g以下とした」と書いている。そして指標としては、低出生体重の割合が動かないまま、早産の割合が増え、SGAの割合が減った。
eGFR 60——二つの文書を並べておく21。2002年の K/DOQI が示す根拠は算術である（「成人の正常な腎機能の半分以上の喪失を表す」）。2010年の大規模プール解析は「死亡リスクはeGFR 75〜105の間では無関係で、それより低い値で増加した」（60でのハザード比は1.18、95%信頼区間1.05–1.32）とし、結論を「現行のKDOQI閾値と整合的」と書いた。
「データが60を特定した」とは書かれていない。——ただし「閾値が先に置かれ、データが後から来た」という筋書きは、どちらの文書も述べていない。発行年の並びからの、私の読みである。
そして2024年には、こう書かれている。
eGFRcr はJ字型の関連を示した…対照的に、eGFRcr-cys は分布全体を通じてはるかに線形の関連を示した。
測り方を変えると、曲線の形が変わる。——ただしこれは高い側（105超でリスクが上がって見えたこと）についての所見で、筋肉量などの影響だった可能性を示すものである。60という低い側の線が否定されたことを、直接には意味しない。そう読まないよう明記しておく。
CHA2DS2-VASc——2020年に Level A だった推奨が、2024年には Level C になった22。厳密には「同じ閾値の格下げ」とは言えない。2020年は CHA2DS2-VASc、2024年は性別項目を外した CHA2DS2-VA で、スコアの中身が違う。それでも、閾値を伴う推奨の格付けがこう動いたことは事実である。そのガイドライン自身の定義で、Level C は「専門家の意見の合意、および／または小規模研究、後ろ向き研究、レジストリ」である。そして——
年齢に関連するリスクは連続的であるが、実務上の理由から、75歳以上に2点が与えられる。
GCS——「一部の連続症例では、負傷患者の最大50%が、言語成分を欠くために解析から除外されなければならない」23。埋め方は二つ。定数を置くか（「挿管患者では、言語領域の評点は1と定義された」）、回帰で推定するか。そして——
導出されたGCSは、実際のGCSよりいくつかの指標で良好な成績を示した。
測らなかった項目を推定したほうが、観測したものより予測が良かった。
病院標準化死亡比——単位の型が数字で出る例である24。警報11件のうち少なくとも10件は誤報と推定されている。そして英国の病院で回避可能死亡の割合を実測した研究は、回避可能死亡は3.6%で、標準化死亡比との関連は「小さく、統計的に有意でない」（回帰係数0.3、95%信頼区間 −0.2〜0.7）とし、こう結論する。
死亡に基づくいかなる指標も、病院の質を反映しそうにない。
標本規模の問題もある。死亡率が2倍になったことを検出するのに必要な最小症例数は、人工股関節置換術で2,668件であり、それを満たす病院は1%未満である。
最も硬い二値ですら、分母に落ちる
この列を閉じるのに、一つの文がある。
「死んだか、死ななかったか」——医学で最も硬い二値である。観察者間のばらつきがない。それでも国際比較は歪む25。
500g未満の生産の割合は、ベルギーとアイルランドの1万出生あたり1未満から、カナダの10.8、米国の16.9まで、大きく幅があった。 極低出生体重・超早期在胎の出生の報告率の国際的な差は、おそらく出生登録の実務の違いを反映しており、周産期・乳児死亡率の国際順位の妥当性を損なう。
分母に「生産」として入るかどうかが、判断だからである。
そしてこれは、乳児死亡率を調べたときに出てきたのと同じ論文である。この列が最後の合格例として掲げようとしたものと、この列が想定しうる最も硬い試験とが、同じ一点に収束した。
この列にとって
まず、位置づけを直す。
七つの型は、新しい測定理論ではない。妥当性・分母・交絡・反応性・単位・実行可能性についての既存の概念を、日本の制度指標を使う側が、来歴まで遡って点検できるように組み直した実務的な点検表である。各型に既存の英語名がある以上、それを併記しないのは読者に対して不正確だった。
ただし「概念が既存だから独自性が無い」とは考えていない。新しさには層がある——概念そのものの新しさ／既存概念の統合／実務向けの操作化／日本の制度への適用。この点検表が主張できるのは後ろの三つで、最初の一つではない。そう書き直せばよかった。
第7回で、「道具が専門科を作った」という私の仮説は既存研究に否定された。今回問い直されたのは、その仮説を検証するのに使った道具のほうである。
そして、点検表が無駄だったとは思わない。
一つは、既存の基準がどれも英語で、指標を開発・承認する側に向けて書かれていること。NQFは指標を承認する委員会のための基準で、COSMINは尺度を評価する研究者のための分類である。目の前の数字が何でできているかを、使う側が辿るための道具としては書かれていない。
もう一つは、型3の一角である。「他制度のカテゴリを流用している」「設問文が閾値を決めている」——これは測定特性の話ではなく、制度の来歴の話である。既存の枠組みは、そこを見ない。そして日本の指標で実際に起きていたのは、ほとんどそれだった。
そして、何を測るかの合意について
この列が準備しようとしていたのは、何を測るかの合意だった。地域間で比較でき、全国に波及させられる計測項目を決めること。
十本を経て、その準備として言えることを書く。
① 名前を先に決める。同じ語が別のものを指す例を、この列は繰り返し見た。「医療費」が七通り。「レベル1」が最上位と最下位。Wellsの「代替診断」が肺塞栓版で+3、深部静脈血栓版で−2。合意は、測る前に名前で割れる。
② 誰を数えないかを、数える。Wells も Canadian C-Spine も、誰を外すかは書いているが、何人外れたかは書いていない26。除外基準は10項目あるのに、報告されているのは適格判定後の内訳だけである。研究の設計時に適格判定を記録しておけば、除外の規模の報告に追加の調査は要らない。（記録していない研究では、後から遡れない。）
③ 線を引くとき、何から引いたかを書く。HbA1c 6.5%の文書は、退けた方法を名指ししている10。「分布に依拠していた」「恣意的な決定がなされた」と。これができるなら、書かない理由はない。
④ 単位を混ぜない。個人について測ったものを施設の属性として使うこと自体は、誤りではない※訂正。問題になるのは、単位を越えて推論したときである。
個人から施設へ単位を移すとき、どの水準について推論するのかを明示する。施設レベルの関連を個人へ戻して解釈すれば、生態学的誤謬になる6。
施設の効果と医師の効果は6倍違う。
⑤ 適用外と情報不足を、合格から分ける。この列は「七つ全部を通った」と書いてきたが、通ったのか、当てはまらなかったのか、調べていないのかを区別していなかった。「適用可能な5項目中5項目」と書けば、それは防げる。
⑥ そして、自分の点検表も点検する。
最後に、この列の見取り図を書き直しておく。
七つの型は、まったく新しい測定理論ではない。妥当性・分母・交絡・反応性・単位・実行可能性についての既存の概念を、日本の制度指標を使う側が、その来歴まで遡って点検できるように組み直した実務的な点検表である。
今後は、指標そのものではなく「指標 × 用途 × 対象集団」の組み合わせを評価し、適用外と情報不足を合格から分離する必要がある。
そのうえで、この列に独自性があるとすれば、それは閾値の数値そのものではなく、その数値がどの制度・どの設問・どの分類から移植されてきたのかという、制度的な来歴を問う点にある。
この列の最初の記事は、地域を分母にすることについて書いた。分母を決めることは、誰を数えないかを決めることだった。
最後に分かったのは、その問いに使った道具のほうにも、同じ問いが立つということである。
この記事で最も確信度が低い箇所を明記しておく。
① 「七つの型を番号付きで列挙した先行分類は見つからなかった」は、検索範囲での不在である。不在の証明ではない。
② Smith 1995 の8項目は、原典に到達しておらず二次引用である。
③ 乳児死亡率の別掲の割合（4.81%）と足し戻した率（1.846）は、私の計算である。厚生労働省の公表値ではない。そして本文に書いたとおり、4.81%はカバレッジの欠損率ではない。足し戻したのは在日外国人のみで、在外邦人と前年以前発生分は分子側の対応する数が公表されていないため足し戻せない。
④ サンタマリア 1990 は、1990年発表・1984年データ・手法は比率標準化・被引用0である。「厳密な最新の定量」ではなく「存在を確かにする一本」として扱った。補正後の順位変動は論文には書かれていない。
⑤ Ottawa Ankle Rules の原著本文には到達できていない。本稿が引いたのは Canadian C-Spine Rule の側である。
⑥ Donabedian 1966 のページ範囲が、PubMed（166-206）と再録本文（166-203）で食い違う。また1988年 JAMA 論文の構造・過程・結果の定義文には到達できていない。
⑦ eGFRについて「閾値が先、データが後」という時系列の筋書きは、私の読みである。引いた文言は原本で確認したが、この順序関係を主張した文献に当たったわけではない。
⑧ 「独自だと言えるのは型3の一角だけ」は、私が調べた枠組み（NQF・PQM・COSMIN・AHRQ・OECD HCQI・WHO/European Observatory・AIRE・Barbazza・Schang）の範囲での判断である。そして本文に書いたとおり、型3の核（分布由来かアウトカム由来か）は既に名前がある。残ると考えているのは「他制度のカテゴリの流用」「設問文が閾値を決めている」という二つの角度だけで、これも「名前がない」の証明ではない。