閾値は、どこから来たのか

この列の第1回で、日本が「地域を分母にする」試みを何度もしてきたこと、そして分母の多くが実は制度の名簿だったことを見た。今回は、その上に引かれている線のほうを見る。

これまでこのサイトは、命題を検証してきた（高齢化は医療費増加の主犯か、専門医偏重は非効率か）。そして四つの人文系分野の接続を検証してきた。どちらの作業でも、同じ場所で繰り返し詰まった。——「その指標が本当に何かを測っているのか」を確かめようとすると、確かめるための材料が無い。

だから、道具の側から始めることにした。そして道具の中で最初に見るべきものは、線だと思う。

腹囲85cm。血圧130/80。HbA1c 6.5%。HDS-R 20点。MoCA 26点。この数字の一方の側にいるか他方の側にいるかで、次の行動と分類が変わる。保健指導の対象になり、精査に進み、経過観察に回る。

（公開時の本文は「人は患者になったりならなかったりする」「薬が始まり、診断名がつく」と書いたが、過大である^※訂正。130/80は高値血圧という分類であって高血圧の診断基準ではなく、HDS-RとMoCAはスクリーニングであり、HbA1cも単独の一回で常に確定診断になるわけではない。）

では、その線はどこから来たのか。日本で使われている五つの線を、原典まで辿った。

先に結論を書く。五つとも、来歴が違った。そして違い方には、ある規則があった。

腹囲——回帰の答えは84.4と92.5だった

日本のメタボリックシンドローム診断基準は、腹囲を必須項目にしている。血圧も脂質も血糖も、腹囲の線を越えていなければ、そもそも診断に進まない。男性85cm、女性90cm。

この線の導出は、2005年の診断基準検討委員会報告に書かれている。三文である¹。

内臓脂肪面積100平方cmに相当するウエスト周囲径を求める、という筋道自体は明快だ。問題はその先で、回帰式が示されていない。感度も特異度も無い。ROC曲線も無い。95%信頼区間も無い。

そして根拠として挙げられた図のうち三点に、こう付されている。

（投稿準備中）

診断基準が公表された時点で、それを支えるデータが未発表だった。

さらに、基になった回帰の答えは男性84.4cm・女性92.5cmである。公表された基準は85と90。男性は+0.6切り上げ、女性は−2.5切り下げ。この非対称な丸めの理由は、どちらの原報告にも書かれていない。

標本は、健診受診者と肥満外来受診者を合わせた便宜標本（n=1,193）だった。

2010年に、国自身が引き直している

この基準については、厚生労働科学研究（門脇孝班）が2010年に大規模な再検討を行っている。横断33,975人（男性16,215／女性17,760）²。

「感度と特異度の和を最大にするポイント」を求めた結果は、男性85cm前後・女性80cm前後だった。女性の線が10cm動く。

ここまでは報道もされた。だがこの報告書には、もっと重要なことが書いてある。

心血管疾患発症を予測するウエスト周囲径…ROC 曲線がほぼフラットであったため…カットオフ値の決定は困難であった

「女性80cm」は、心血管疾患を予測する線ではない。リスク因子の重積を予測する線である。心血管イベントを outcome にすると、ROC曲線は平らになる。腹囲の値をどこで切っても、イベントの予測はほとんど変わらない。

そして報告書の結論は「女性の基準を80cmにすべきだ」ではない。「再検討すべきものであると判断する」までである。

（この経緯を「2010年に判明したのに国が放置した」と書くのは正確ではない。後続研究で女性の値は82〜84cmに動き、2016年の検討会で現行基準は維持されている。動かなかったのではなく、動かす先が定まらなかった。）

血圧——拡張期の80は、予後ではなく整合性から来た

日本高血圧学会のガイドラインは、130-139/80-89 を「高値血圧」と呼ぶ。この区分がなぜこの数字なのか、ガイドライン自身が書いている³。

各々の拡張期血圧区分は、本ガイドラインにおける降圧目標との整合性を保つ観点から、80 mmHg 未満、80-89 mmHg とした

前版では、同じ位置の拡張期は85だった。85→80 の変更根拠は、新しい予後データではない。ガイドラインの内部での整合性である。

正直に言えば、これは責められる種類の記述ではない。むしろ、書いてあるだけ誠実だ。理由を書かずに数字だけ変えることもできたのに、そうしなかった。

そして同じガイドライン（JSH2019）は、米国が採った130/80という診断基準を、明示的に退けている^※追記。（以下はJSH2019についての記述である。日本高血圧学会の現行版は2025年版であり、この80という区分が維持されたか変更されたかを、私はまだ確かめていない。）

根拠として用いられている RCT にわが国のものはほとんど存在しない。そこで本ガイドラインにおいても Ⅰ度高血圧以上の高血圧の基準は従来通り 140/90 mmHg 以上とした

外国のRCTで日本人の線を引かない、と言っている。これは指標の扱いとして、かなり厳しい態度である。

ただし、その厳しさは自分の側にも向く。降圧目標130/80の根拠とされたメタ解析14試験のうち、日本の3試験（JATOS・VALISH・HOMED-BP）はいずれも主要評価項目で有意差を示していない。ただしこれは効果がないことを意味しない^※訂正。効果量と信頼区間、あるいは国による交互作用を見ないかぎり、「日本人には効かない」とは言えない。言えるのは、日本で行われた試験は有意差を出せなかった、というところまでである。そしてガイドライン自身がこう書いている。

降圧目標の下限については、これを目的とした臨床研究は行われておらず

HbA1c——学会自身が「網膜症の観点からは低めだ」と書いている

三つ目は、日本糖尿病学会の2010年報告である。この線は、上の二つとまったく違う。導出が全部書いてある⁴。

60歳未満のOGTT受診者6,658例で、空腹時血糖とHbA1cの相関を取り、回帰式まで示している。

相関係数 r＝0.854 と極めて高い相関がみられ、HbA1c（JDS値）＝1.869＋0.0333×（空腹時血糖値）の回帰式から、空腹時血糖値 126mg/dl に対応する HbA1c（JDS値）は 6.1％ と計算された

ここは見習うべき記述である。回帰式も、標本数も、相関係数も出ている。腹囲基準とは比較にならない。

だが、導出されたものが何かをよく見たい。この6.1%は、空腹時血糖126という既存の線から引き写された値である。網膜症から引かれた線ではない。

網膜症のデータ（36,267例）は、この後に出てくる。そして役割が違う。

少なくとも HbA1c（JDS値）のカットオフ値を 6.1％ にすることに矛盾しないと考えられた

導出ではなく、追認である。原文の語順がそうなっている。

報告書は、自分の線が低いと認めている

同じ報告書の後半に、こう書いてある。

横断調査における10分位法の内外のデータから見ると、網膜症のリスクが著明に増加するのは…HbA1c（国際標準値）6.9％（HbA1c（JDS）値 6.5％）程度からであり、これを糖尿病（型）と判定する基準値とすべきとの意見もある。すなわち現在の基準値である空腹時血糖値≧126mg/dl…というのは網膜症のリスクという観点からは低めに設定されている

では、なぜ低いほうを採ったのか。理由も書いてある。

にもかかわらず今回この基準値を採用したのは①糖尿病（型）と判定する基準値はなるべく国際基準値に合わせる必要があること、②…網膜症のリスクが著明に高まる以前から治療を開始し…望ましい、と考えたからである

②は臨床判断として理解できる。問題は①である。——では、その「国際基準値」は、どこから来たのか。

国際基準の最大の構成要素は、広島だった

HbA1c 6.5% を国際基準にしたのは、2009年の International Expert Committee 報告である。その根拠として挙げられているのが、DETECT-2 という統合解析だった⁵。

ところが、2009年の時点でその解析は公刊されていない。報告書自身が、出典をこう書いている。

(S. Colagiuri, personal communication)

私信である。世界の糖尿病診断基準が変わった根拠が、当時まだ未発表だった。

公刊されたのは2年後の2011年。その構成コホートの表を見ると、9研究のうち最大は広島（n=12,873）で、44,623例の約29%を占める。そしてその広島データの原論文は、日本の委員会報告が文献43として引いている伊藤千賀子らの論文と、同一である⁶。

論文自身も、この偏りに触れている。そして、その次の一文を公開時の本文は落としていた^※訂正。

the Hiroshima study, with its large sample size, and the Pima Indian study, with its high prevalence of diabetes-specific retinopathy, may have influenced the results. However, sensitivity analyses that excluded these two studies did not alter the overall results.

広島とピマを除いた感度分析でも、全体の結論は変わらなかった。

つまり、こういう構図になっている。

日本の学会は「国際基準に合わせる」ために、自国の網膜症データが示す線より低い値を採った。その国際基準の最大の構成要素は、日本のデータだった。

したがって公開時の本文が書いた「独立した外部の基準に従ったという含意は、事実とずれている」は、強すぎる^※訂正。書ける範囲はこうである。循環しているように見える。だが除外解析では結論が維持されている。

なお構成比の分母にも注意が要る。広島の12,873人は、総数44,623人に対しては約29%だが、HbA1cを持つ解析対象（約2万8千人）に対しては約46%である。

（この経路には、孫引きで再生産される食い違いもある。2009年報告は「nine countries」と書くが公刊版は「five countries」、「∼28,000」は総数44,623ではなくHbA1cを持つ部分集合である。そしてROC解析の最適点は公刊版では6.4%である。ただし6.5%はROCだけから出た値でもない。公刊版は連続分布（6.5〜6.9%）、20分位解析（6.3〜6.7%）、ROC（6.4%）の三つを組み合わせて6.5%を推奨している。「ROCが6.4%と出したのに6.5%にした」という単純な話ではない。）

認知症の二つの線——一方は導出が読めず、一方は輸入された

診療報酬の点数表には、認知機能検査が並んでいる。その代表が HDS-R（改訂長谷川式）と MoCA-J である。線の来歴は、正反対だった。

HDS-R 20/21——著者自身の記述に、ROCが現れない

HDS-R の感度0.93・特異度0.86 は、非常によく引かれる。だがこの数値の帰属が、流布しているものと違う。

0.93/0.86 は1992年の補遺（認知症117例・非認知症83例）の値であり、1991年の原著のものではない。原著の筆頭著者である加藤伸司自身が、2023年の総説で補遺に帰属させている⁷。英文の一次報告（1994年、n=157）の値は 0.90/0.82 で、これはまた別のデータセットである⁸。

では、20/21というカットオフはどう導かれたのか。

加藤の総説には、こう書いてある。

cut off point（鑑別点）は、21 点／ 20 点である。21 点以上を正常、20 点以下を認知症の疑いと判定した場合にもっとも高い弁別性を示す

「もっとも高い弁別性を示す」——それだけである。ROC も AUC も Youden 指数も 95%信頼区間も出てこない。到達できた著者自身の記述（補遺の公式抄録、この総説）の、どこにも現れない。

ここは限界を明記しておく。1991年の日本語原著の本文には到達できていない。（老年精神医学雑誌 2(11):1339-1347。現行刊行誌のため国立国会図書館デジタル・J-STAGE・CiNii・大学リポジトリのいずれにも本文がない。）だから「原著にROCは無い」と断定はできない。書けるのは、「到達できた著者自身の記述のどこにも現れない」というところまでである。

線が別のアウトカムでどう振る舞うかを見た研究がある。TAVR（経カテーテル大動脈弁植込み術）を受けた455人で、3年全死亡の予測を調べたものだ⁹。数値を分けて書く。

• 20/21：AUC 0.52（95%CI 0.39–0.65、p=0.713）
• 23/24：AUC 0.63（95%CI 0.50–0.76、p=0.047）

ただし公開時の本文は、ここから「働いていないのは、線のほうである」と結論した。評価の枠組みが違う^※訂正。20/21は認知症のスクリーニング用に定められた線であり、この研究が評価しているのはTAVR後3年死亡の予測である。目的変数が変われば最適な閾値が変わるのは当然で、これは線の失敗ではない。（原著も23/24を死亡予測用の閾値として評価している。）

書ける範囲はこうである。認知症スクリーニング用の20/21を、TAVR後死亡の予測閾値としてそのまま転用することはできない。

そのうえで、この研究の結論は「HDS-R は使えない」ではない。多変量解析では HDS-R は全死亡と独立に関連しており（ハザード比 2.11）、論文の結論は「HDS-R は TAVR 後の中期予後を独立に予測しうる」である。尺度と、特定の目的のために引かれた線は、別に評価する必要がある。

MoCA-J 26——線は同じ値のまま日本標本で検証された

MoCA-J は、日本語版として項目が丁寧に翻案されている。語想起の頭文字も、単語リストも、日本語に合わせて作り直されている。

だが、合計点の閾値は北米の原版と同じ値である。26点という閾値も、教育年数12年以下に1点を加える補正も、原版と同一である¹⁰。

ここで公開時の本文は「線は翻案されなかった」とだけ書いたが、それは片面である^※訂正。同じ25/26を日本の標本で検証してもいる。もの忘れ外来と地域健診の混合96名（AD 30／MCI 30／健常36）で、MCIの弁別のAUCは0.95（95%CI 0.90–1.00）、25/26で感度93.0%・特異度87.0%と報告されている¹¹。標本内では、この線は働いている。

問題は別のところにある。この標本はMCIの有病割合が人為的に約31%になっており、それは主に陽性的中率と一般化可能性の問題である。そして——九州の地域在住高齢者1,977人にこの線を当てると、平均21.8点、82.6%が26点未満になる¹²。これが、この節の中心である。文化・年齢・教育年数の違う集団へ、線がそのまま移送できるとは限らない。

では、アウトカムから引かれた線は、どう見えるか

ここまで五つ見て、「日本の線はいい加減だ」という結論に行くのは早い。比較対象が要る。「その線を越えたら何をするか」から逆算された線を、二つ置く。

PERC 1.8%——害と益の釣り合いから計算された

肺塞栓を疑ったとき、検査をせずに帰していいか。PERCルールは8項目すべて陰性なら「検査不要」とする。その根拠になった閾値が、1.8%である¹³。

The test threshold was estimated at 1.8% using the method of Pauker and Kassirer

この1.8%は、集団の分布から来ていない。Pauker-Kassirer 法は、検査の害と、見逃しの害と、治療の益を突き合わせて「これ以下なら検査しないほうが得」という点を計算する方法である。

「どこで切ると人数が半分になるか」ではなく、「どこで切ると損得が釣り合うか」で引いた線である。

（ここも限界を書いておく。この一文を確認できたのは抄録である。本文が購読契約下にあり、1.8%を計算する際に何の値を代入したのか——CTの合併症率、被曝発癌のリスク、抗凝固の出血率をいくつと置いたのか——私は確認できていない。書けるのは「アウトカムから逆算したと著者が述べている」ところまでで、「その計算を検算した」とは書けない。）

家庭血圧 137/84——原著が、この記事の論点を先に書いていた

日本にも同じ形の線がある。大迫研究が、地域住民1,913人を平均5.0年追跡し、141の死亡から家庭血圧の基準値を導いた¹⁴。

そして原著が、この記事が言おうとしていることを、1997年に書いている。

All previous studies proposing reference values for home BP measurement, derived from cross-sectional observations, were based on the statistical distribution of home BP values. The reference value must, however, be the one that best predicts the risk for morbidity and mortality from hypertension-related complications. This is the first report proposing reference values for home BP measurement based on prognostic criteria.

「従来の基準値は、家庭血圧の統計的分布に基づいていた。しかし基準値は、リスクを最もよく予測するものでなければならない」。——分布由来と予後由来の区別を、当事者が名指ししている。

ただし、ここで一つ注意が要る。導出された値は137/84であって、今使われている135/85ではない。

学会の指針は、137/84（総死亡基準）と138/83（心血管死基準）を並べたうえで、こう書く¹⁵。

the JSH 2004 proposed a home BP of 135/85 mm Hg as a criterion of hypertension. This criterion is consistent with that of the international guidelines

ここを公開時の本文は「理由は国際整合性だけ」と読んだ。狭すぎる^※訂正。引用文をよく見ると、「大迫研究で138/83から相対リスクが有意に上昇したため、JSH2004は135/85を提案した」と、予後データを理由として先に挙げている。そのうえで国際的ガイドラインとの整合にも触れている。

正確にはこうである。135/85には、大迫研究の予後データと国際整合性の双方が関与している。ただし、137/84または138/83を135/85へ変換した具体的な手続きは、どこにも明記されていない。

そして現行のガイドライン本文を全文検索すると、この日本発の原著は引用されていない（0件）。日本で導出された世界初の予後基準の線が、その後のガイドラインに典拠として残らなかった、という事実は変わらない。

（なお、その研究の中心にいた今井潤が後の総説¹⁶に書いた「There is no evidence to support these target HBP levels」という一文を、公開時の本文はこの直後に置いていた^※訂正。これは診断基準についてではなく、年齢別の降圧目標についての文である。診断基準の議論に続けて置くと、135/85という診断基準に根拠がないように読めてしまう。位置づけを分けておく。）

分布から引く線は、怠慢ではないかもしれない

ここまでを、「アウトカムから引いた線は良く、分布から引いた線は悪い」とまとめたくなる。だが、それでは説明がつかないことがある。

PERCの1.8%を、なぜアウトカムに固定できたのか。対象を絞ったからである。

PERCが当てはまるのは「医師が臨床的に低リスクと判断した患者」だけだ。その部分集合の中でなら、害と益を計算できる。だがその代わり、この指標は「誰に当てはめるか」を医師の判断に預けている。——測定の失敗の型で言えば、分母が構造的に不完全である。

逆を見る。腹囲基準は、40歳から74歳の全員に当てはまる。特定健診の対象は約5,210万人。

公開時の本文は、ここから「全員に当てはめると決めた瞬間に、線は分布からしか引けなくなる」と結論した。撤回する^※撤回。この記事自身が、その反例を載せている。大迫研究は地域一般住民1,913人を追跡し、そこから予後基準を導いた。対象を絞った部分集合ではない。対象人数が5,210万人でも、個人単位の期待利益と害をモデル化することは原理的に可能である。

書ける範囲は、こうである。

対象集団が広く異質になるほど、単一のアウトカムに固定した閾値の移送可能性は下がり、実際の線は予後・診断性能・実装の容易さ・国際整合性の折衷になりやすい。

「分布から逆算された閾値」は、必ずしも怠慢の産物ではない。だが「全員に当てはめるから分布しかない」という必然でもない。

ただし、代価を払っていることを、払う側が言っていない

これは弁護ではない。腹囲基準は「内臓脂肪面積100平方cmに相当する線」として提示された。「5,210万人に当てるために分布から引いた線」としては提示されていない。

比較になる例がある。ヨーロッパのサルコペニア診断基準（EWGSOP2, 2019）は、閾値の決め方をこう説明している¹⁷。

cut-off points usually set at −2 standard deviations compared to the mean reference value

健常な若年成人の分布から −2SD。アウトカムではない。握力の男性27kg・女性16kgは、英国の規準データの T-score ≤ −2.5 から来ている。

そして、そのすぐ後にこう書いてある。

For EWGSOP2 cut-off points, we opted to use round figures, with the confidence that the minor reduction in accuracy will be overcome by ease of use.

「切りのいい数字を使うことにした。精度がわずかに落ちるぶんは、使いやすさで埋め合わされると確信している」。

腹囲基準の非対称な丸めには、理由が書かれていなかった。EWGSOP2 は、丸めたことも、丸めた理由も、そのために何を諦めたかも書いている。——同じ「分布から引いて丸めた線」でも、記述の誠実さはここまで違いうる。

（ただし EWGSOP2 の閾値がすべて分布由来だと書くのは正確でない。歩行速度 ≤0.8 m/s は、歩行速度と生存を結びつけた研究を典拠にしている。一つのガイドラインの中に、両方の来歴が混在している。）

そしてもう一つ。五つを並べて、線の理由に「整合性」が三回出てきた。血圧の80はガイドライン内部との整合性から、HbA1cの6.1%は国際基準との整合性から、家庭血圧の135/85も国際的ガイドラインとの整合から来ている。

整合性は、線の理由になりうる。バラバラの数字を覚えさせられる現場の負担は本物だし、国際比較ができなくなる不利益も本物だ。だが整合性は、その線の外側にある何かを参照している。「この値を超えた人に何が起きるか」ではなく、「他の数字とどう揃うか」を見ている。

参照先が患者の予後ではなく、他の数字であるとき、その線は何を測っているのか。

総合診療にとって

三つ、持ち帰れることがある。

第一に、線を見たら来歴を訊く。「男性85cm」と「1.8%」は、同じ見た目をしているが、同じ種類のものではない。

ただし公開時の本文は、これを「前者は分布の位置であり、後者は損得の均衡点である」と対比した。前者の説明が、記事の前半と整合していない^※訂正。腹囲85cmは単純な分布上の位置ではなく、内臓脂肪面積100平方cmという代理構成概念への回帰から得られた値である（そのうえで非対称に丸められている）。五つの線を性格で並べ直すと、こうなる。

閾値	主な性格
腹囲85cm	代理構成概念（内臓脂肪面積）への対応値
血圧130/80	分類とガイドライン内部の整合
HbA1c 6.5%	合併症データ＋国際的な調整
HDS-R 20/21・MoCA 25/26	診断群を分けるスクリーニングの弁別点
PERC 1.8%	害と益から計算された行動の閾値
家庭血圧135/85	予後の閾値＋実装上の調整

患者に説明するとき、この違いは説明の内容を変える。「85を超えたから危ない」と「85を超えたから保健指導の対象になる」は、違うことを言っている。

第二に、「この指標は妥当か」という問いは、形をなしていない。問いは常に「何の代理指標として妥当か」である。HDS-R は認知症のスクリーニングでは働き、TAVR後の3年死亡では標準の線がほぼ何も予測しない。同じ道具、同じ線、違うアウトカム。そして尺度が働いていても線が働かないことがある——これは、線と尺度を分けて考える必要があるということでもある。

第三に、総合診療は「広く異質な集団に当てはめる線」を最も多く使う科である。健診も、保健指導も、認知機能のスクリーニングも、対象を絞らずに当てる。そして集団が広く異質になるほど、一つのアウトカムに固定した線の移送可能性は下がる。MoCAの26点が九州の地域高齢者の82.6%を陽性にしたのは、その形をしている。

専門科は対象を絞れるから、線をアウトカムに固定しやすい。総合診療は絞りにくい。絞りにくいことが、この分野の指標が弱く見える理由の一部かもしれない。

そして最後に、この記事全体の問いを言い直しておく。「分布から引いたか、アウトカムから引いたか」という二分法では足りなかった。訊くべきはこうである。

その線は、何を目的変数にし、どの損失を最小化し、どんな実装上の理由で調整されたのか。

五つの線は、どれもこの三つを全部は書いていなかった。

---

この列では、これから指標を一つずつ点検していく。優先順位は指標監査のページに置いた。今の首位は受診回数（優先度27.0）である。「日本人はかかりすぎだ」という語が、どの数字の上に乗っているのかを、いずれ辿る。