前回、専門科の境界を引いたのは道具ではなく分類だった、というところに着いた。今回は、その分類を実際に記入している人を見る。
指標監査の日本側で、同じ構造を持つものが三つ集まった。重症度、医療・看護必要度。リハビリテーション実績指数。在宅復帰率。
三つとも入院料を左右する。そして三つとも、病院が自分で測る。
誰が記入してよいか
まず看護必要度から。評価者についての規定は、これで全部である1。
評価は、院内研修を受けた者が行うこと。なお、医師、薬剤師、理学療法士等が一部の項目の評価を行う場合も院内研修を受けること。
「看護師でなければならない」とは書かれていない。むしろ他職種が評価することを明示的に想定している。
一方で、同じ手引きの別の箇所にはこうある。
当該病棟で実施しなければならない処置・介助等の実施者…は、当該病棟に所属する看護職員でなければならない。
ケアを実施する者は看護職員に限られ、評価票を記入する者は限られない。
「院内研修」の中身は、規定されていない
では「院内研修」とは何か。別紙7の全文（約930行）を機械走査した。「研修」という語が現れるのは、2箇所4行だけである1。
| 項目 | 規定の有無 |
|---|---|
| 誰が実施するか | 規定なし |
| 時間・回数 | 規定なし（「年1回以上」すら無い） |
| カリキュラム | 規定なし |
| 修了証 | 規定なし |
| 外部機関の関与 | 規定なし |
そして、同じ通知の中に、こう書かれた評価票がある2。
院内研修は、次に掲げる所定の研修を修了したもの（修了証が交付されているもの）又は評価に習熟したものが行う研修であることが望ましい。 ア 国又は医療関係団体等が主催する研修であること（１日程度） イ 講義及び演習により、次の項目を行う研修であること…
日常生活機能評価票である。主催者も、日数も、カリキュラムも書かれている。
同じ通知の中で、支払いへの影響が桁違いに大きいほうに、規定が無い。
そしてFIMも同じだった。回復期リハ病棟の施設基準が求めるのは、これだけである1。
ＦＩＭの測定に関わる職員を対象としたＦＩＭの測定に関する研修会を年１回以上開催すること。
開催すればよい。記入する人が受講している必要は、条文上書かれていない。
実際に、受講していない人が記入していた
東北厚生局が公表している、令和6年度の適時調査での指摘事項3。
重症度、医療・看護必要度Ⅰについて、院内研修を受講していない者により評価が行われている不適切な例が認められたので改めること。
ちなみに適時調査の実施要領を全文走査したが、「看護必要度」の語は0件だった4。調査方法は「関係書類を閲覧し、面接懇談方式により調査を実施する」であって、患者を独立に再評価して一致を測る仕組みではない。
基準未満の左裾が、薄い
ここからが数字の話になる。
急性期一般入院料1の該当患者割合について、厚生労働省がDPCデータで分布を出している5。200床以上・必要度Ⅱの群を見る。
| 施設数 | 平均 | 25%点 | 中央値 | 基準未満割合 | |
|---|---|---|---|---|---|
| 令和3年（基準29%） | 717 | 37.3% | 34.4% | 37.1% | 2.0% |
| 令和4年（基準28%） | 865 | 33.7% | 30.7% | 33.5% | 6.6% |
717施設のうち、基準を割っていたのは2.0%。
ただし公開時の本文は、この節を「分布の下半分が、存在しない」と題した。二重に誤りである※撤回。
第一に、中央値37.1%より下の施設は実際に半数ある。消えているのは下半分ではなく、基準未満の左裾である。
第二に、この集計対象は「急性期一般入院料1を届け出ている施設」である。そもそも基準を満たすことが届出の要件なのだから、この集団だけを集計すれば基準未満が少ないのは制度上当然でもある。この分布から、自己採点による上方への操作を推論することはできない。必要なのは、全病院を含む分布、入院料を変更した施設、同一施設の変更前後、そして閾値近傍の等幅ビンによる集積の分析である。
そして「基準を1ポイント下げると、分布全体がその分だけ動く」も数字と合わない※撤回。基準は29%→28%で1ポイント下がっているが、平均は37.3%→33.7%、中央値は37.1%→33.5%で、いずれも3.6ポイント動いている。施設数も717→865で、同一施設のパネルではない。年度間の患者構成、改定内容、COVID-19、対象施設の入れ替わりを分離できないので、この記述は撤回する。
同じ形は、別の指標にも出た。地域包括ケア病棟入院料1（基準72.5%）の在宅復帰率の分布6。
| 区分 | 令和5年 | 令和6年 |
|---|---|---|
| 70%未満 | 4.2% | 4.8% |
| 70〜72.5%未満（基準の直下） | 0.6% | 1.8% |
ただしこの二つの区間は、幅が違う※訂正。「70%未満」は最大70ポイント幅、「70〜72.5%未満」は2.5ポイント幅である。等幅でない区間を比べて分布の切断を判断することはできない。65〜67.5、67.5〜70、70〜72.5のような等幅のビンが要る。そしてここでも、集計対象は入院料1を届け出た施設に条件づけられている。
人が判断すると、高く出る
看護必要度には二つの測り方がある。必要度Ⅰは人が評価票を記入し、必要度Ⅱはレセプト電算処理システム用コードで機械的に判定する1。
同じ患者集団を両方で測った研究がある。750施設・6,105病棟・26,294,407件7。
| 病床規模 | 必要度Ⅰ − 必要度Ⅱ |
|---|---|
| 800床以上 | 2.3 |
| 600〜799床 | 2.9 |
| 400〜599床 | 3.0 |
| 200〜399床 | 4.5 |
| 200床未満 | 5.8 |
評価法Iと評価法IIでは前者のほうが看護必要度評価基準を満たす患者割合が高く…これらの差異は施設特性も影響していることが明らかになった
必要度Ⅰのほうが系統的に高く、その差は病院が小さいほど大きい。
ただし公開時の本文は、これを「人が判断すると高く出る」と読み、「成り立ちの違いだけでは説明されない」と書いた。どちらも言いすぎである※訂正。
必要度Ⅱは、必要度Ⅰの正解を機械で再現したものではない。診療実績コードから構成され、項目定義もデータの生成過程も違う。どちらが患者の「真の必要度」に近いかは、この比較だけでは分からない。そして診療内容・患者構成・コード入力・病棟構成が病床規模と関連していれば、成り立ちの違いから単調な差は生じうる。
書ける範囲はこうである。必要度Ⅰは必要度Ⅱより一貫して高い。ただし、評価者の裁量・患者構成・診療記録・コード対応のどれが差を生んだかは分離されていない。
ここまでで言えることと、言えないこと
公開時の本文は、ここに「ばらつきではなく、方向がある」という節を置き、「ランダムな雑さはこの形を作らない」「測定が制度に応答している」と結論した。撤回する※撤回。
- 必要度Ⅰと必要度Ⅱの差は一方向だが、どの要因が差を生んだかは分離されていない。
- 分布の左裾が薄いのは、その入院料を届け出ている施設だけを集計しているからでもある。
- 「基準を1ポイント下げると分布がその分動く」は、数字と合わない。
- 「ランダムな雑さなら上下にばらける」も、閾値化・床効果・天井効果・非対称な誤分類があれば成立しない。
分布の形から操作を証明することは、この材料ではできない。言えるのは別のことである——支払いに使われるこれらの指標は、支払いを受ける施設が生成した記録に依存しており、実際の採点を外部と突き合わせる仕組みを確認できなかった。
ただし「忙しさが原因の一部でない」とも言えない。両方あり得る。それを分けるデータを、私は持っていない。
一致度は、一度だけ測られた
では、人が付ける必要度Ⅰの一致度はどれくらいなのか。
現行の評価票については、報告が見つからない。英語で22の検索式、日本語で CiNii の23語と J-STAGE を走らせた。「看護必要度 評価者間」は0件である。
ただし、一度だけ測られている。2001年、厚生省のプレテストの段階で8。
同じ患者を、婦長・その日のリーダー看護婦・受け持ち看護婦の3人が評価した。
一致度が低かった項目は、順に「31. 不安」36％、「12. 状態」51.6％、「21. 洗髪」55.9％、「6. 血圧測定」61.3％、「19. 移動方法」65.2％、「36. 看護必要度」65.4％、「13. 安静度」65.6％、「16. 起き上がり」70.6％であった
項目36「看護必要度」の一致度が、65.4%。
公開時の本稿は、これを「総合判定である『看護必要度』そのものの一致度」と書いた。原典より強い※訂正。抄録が示しているのは「一致度が低かった項目」8つの列挙で、65.4%はその6番目である。全体一致率でもκでもない。そして列の筆頭は「31. 不安」の36%である。抄録に「総合判定」という語は無く、項目36が票全体の総合評価にあたるかどうかも、抄録からは確かめられない。
原因の第2に挙げられているのは、こうである。
判断の際に評価者の内的基準を用いることによるばらつき
重要な限定を書いておく。これは2001年のプレテスト版で、項目構成が現行とまったく違う。現行の評価票のデータとして引いてはいけない。そして報告されているのは単純一致率であって、偶然の一致を補正すればκはこれより低くなる。
それでも、時系列の形は残る。支払いに直結する前に測られた記録はあり、私が検索できた範囲では、現行票の評価者間信頼性を報告した研究を確認できなかった※訂正。（医中誌Webは検索できていない。「測られていない」と書くと意図的な不測定を連想させるが、確認できるのは公開研究を見つけられなかったというところまでである。）
開発に携わった研究者の2019年の総説を全文（約61,000字）走査したが、日本の看護必要度の信頼性データへの言及は無かった9。代わりにカリフォルニアについてこう書いている。
その患者分類の妥当性と信頼性を示す研究は、ささやかな研究が一つあるのみで
そして、その次の段落。
同時にシステムの妥当性や信頼性を検証することにも、人的資源や管理に関するコストが必要となる。
悪化の直前で、評価期間を打ち切れる
二つ目の指標に移る。リハビリテーション実績指数である。
分子はFIM運動項目の改善、分母は在棟日数を上限日数で割ったもの。そして条文に、こういう規定がある10。
在棟中又は在室中にＦＩＭ運動項目の得点が１週間で10点以上低下したものについては、リハビリテーション実績指数の算出においては、当該低下の直前の時点をもって退棟又は退室したものとみなすことができる。
指数の計算上、悪化した患者を悪化する直前で切って評価期間を終えられる※訂正。令和6年度版と一字一句同じで、令和8年度改定でも残った。（公開時の見出しは「悪化を、なかったことにできる」だったが、これは指数の計算規定であって、診療記録上の悪化が消えるわけではない。）
除外規定もある。死亡した患者は必ず除外され、さらに入棟患者数の20%を上限に、FIM運動20点以下・76点以上・FIM認知14点以下・心大血管疾患の患者を除外できる。
その除外が、どれだけ使えるか
厚生労働省が、1,535施設のDPCデータで数えた11。
いずれかの除外項目が該当する患者の割合が70%を超える施設は、全体の約86%であった。
ここは「除外可能」と「実際に除外された」を分ける必要がある※訂正。除外の候補が70%を超えていても、実際に除外できるのは当時30%、現行制度では20%が上限である。したがって「除外規定が事実上ほぼ全患者に及ぶ」ではなく、多くの施設で除外候補が非常に広く、施設側がその中から上限まで選択できる、が正確である。
そしてこの86%は、旧基準の「80歳以上」「FIM認知24点以下」を用いた2022〜2024年のデータである。2026年度には年齢要件が削除され、認知FIMも14点以下へ狭められた。現在の適格割合として使うことはできない。
そのうえで、除外の前提について指摘がある。
「年齢が80歳以上のもの」、「FIM認知項目の得点が24点以下のもの」に該当する患者のFIM利得は、患者全体と比較して、大きな差は見られなかった。
この二つの群については、FIM利得に大きな差が見られなかった※訂正。（すべての除外条件について示されたわけではない。また未調整の比較なので、「除外に合理性がない」と確定するものでもない。）
分科会のとりまとめが、こう書いている12。
ほぼ全ての患者が実績指数の計算除外基準に該当している施設もあり、現行の基準で病棟の機能を正しく評価されているのか疑問であるため、除外基準を見直すべきではないかとの意見があった。
「80歳以上」や「認知機能が低い」患者と患者全体とで FIM 利得に大きな差はなく、FIM が改善しないから受け入れていないかというとそうではないことから、実績指数の計算対象から除外する必要性は乏しいのではないかとの意見があった。
厚生労働省の分科会が、自分の指標についてこう書いている。その結果、令和8年度改定で「年齢が80歳以上のもの」の除外事由は削除された。
入口の点数も、動きうる
実績指数は「退棟時FIM − 入棟時FIM」で決まる。入棟時を低く付ければ、伸びしろが増える。
これについて、厚生労働省の資料が一枚だけある13。
入院時日常生活機能評価点数が同一の患者について、第三者評価の認定の無い病院と認定を受けている病院とで比較すると、認定の無い病院の方が運動FIMが低い傾向にあった。
差は最大2.6点とされている。
ただし、この一枚がどれだけ薄い土台の上にあるかも書いておく。調整されているのは入院時日常生活機能評価点数のみで、年齢も疾患も発症からの日数も調整されていない。標本数も期間も施設数も図に書かれていない。信頼区間も無い。そして図中の統計量 F(2,38)=3.0, P<0.0005 は内部矛盾している——自由度(2,38)でF=3.0なら、pは概ね0.06である。
FIM そのものが、どれだけ一致するか
FIMの評価者間信頼性については、日常臨床で測った研究がある14。密接に連携する2施設の間で転院した患者143名を、両施設が独立に採点した記録である。
| 統計量 | 対象 | 値 |
|---|---|---|
| ICC（級内相関） | FIM総得点 | .872 |
| 重み付きκ | FIM総得点 | .521 |
| 単純κ | FIM運動下位尺度 | −.007 |
公開時の表は、この三つを同じ対象のものとして並べていた。単純κだけ対象が違う※訂正。
そして統計量は好みの問題でもない。ICCは患者の順位がどれだけ保たれるか、単純κは完全に同じ値になったか、重み付きκは違いの大きさを考慮した一致、Bland–Altmanは絶対的な差と偏り——それぞれ別の問いに答えている。多数の値を取る合計点に単純κを使えば、1点違うだけで完全な不一致になるので低く出る。
原論文の結論も、両面を書いておく。順位相関は高いが絶対的な一致は悪い。そして系統的な採点のバイアスは認められなかった。
著者らの結論。
These findings have implications for the use of the FIM and any patient classification or funding system based on the FIM, especially if poor levels of agreement were found in the presence of all staff being FIM credentialed
全員がFIM認定を持っていた環境で、これだった。
項目レベルの続報では、項目ごとの素点の一致率が平均54%である15。そして令和8年度改定で新設された分子への「+1点」は、「歩行・車椅子」「トイレ動作」が5点以下から6点以上になったかという、まさに項目単位の判定に依存している10。
三つ目——「在宅復帰率」は、一つの指標ではない
条文を当たると、入院料ごとに名前も計算式も違った16。
| 入院料 | 条文上の名称 | 基準 |
|---|---|---|
| 回復期リハ | 他の保険医療機関へ転院した者等を除く者の割合 | 七割 |
| 地域包括ケア | 在宅等に退院するものの割合 | 七割二分五厘 |
| 療養（加算） | 在宅に退院した患者の割合 | 五割 |
| 急性期一般1 | 自宅等に退院するものの割合 | 八割 |
回復期リハの告示・通知の本文に「在宅復帰率」という語は出てこない。届出様式の欄名としてだけ存在する。
そして急性期の「自宅等」に何が入るか。届出様式10の5が、計算式を項目ごとに書いている。
（１）在宅（自宅及び居住系介護施設等）＋（２）介護老人保健施設＋（３）有床診療所＋（４）他院の療養病棟＋（５）他院の回復期リハビリテーション病棟＋（６）他院の特定機能病院リハビリテーション病棟＋（７）他院の地域包括ケア病棟
他院の療養病棟に移った患者も、老健に入所した患者も、「自宅等に退院」に数えられる※追記。
ただしこれを「自宅を偽装している」と読むのは違う。厚生労働省の資料は、自宅以外の病棟への転院も含める理由を「在宅復帰に向けた流れに沿った連携を促すため」と明示している。問題は自己採点の精度ではなく、何をアウトカムと定義したかである。この指標は「自宅帰還率」ではなく、より低い医療強度への移行を含む複合指標である。
そして地域包括ケア病棟では、老健入所を0.5人と数える（施設の種別により0.5または0）。在宅復帰の重みが、行政的に設定されている。
死亡退院は、どの指標でも分母・分子の両方から消える。さらに状態悪化による急性期への転院は、回復期リハと療養病棟では分母から外せる（患者ごとに症状詳記を添付する）。地域包括ケアでは外せない。同じ「在宅復帰率」と呼ばれながら、扱いが逆である。
日本だけの話ではない
ここは慎重に書きたい。同じ構造は各国で実証されている。
英国のQOFを分析した経済学の論文が、一行でまとめている17。
Faced with ratio performance indicators, providers acted on denominators as well as numerators.
比の指標を与えられると、分子だけでなく分母にも手が及ぶ。
そして、分母から外された患者がどうなったか。約246万人の追跡18。
Exempted patients had a higher adjusted risk of death in the following year… (hazard ratio 1.37 … for contraindication, 1.20 … for informed dissent)
除外された患者のほうが、翌年死にやすい。
最も純度が高いのは、米国のリスク調整の研究である19。
enrollees in private Medicare plans generate 6% to 16% higher diagnosis-based risk scores than they would under fee-for-service Medicare, where diagnoses do not affect most provider payments.
同じ患者が、診断名が支払いに効く制度の下では6〜16%「重症」になる。
自己申告指標の精度そのものも測られている。ナーシングホームが公表指標に報告した転倒を請求データと突き合わせると、報告されていたのは57.5%、相関は0.22だった20。
反証も置いておく
「ゲーミングが広く起きている」と言い切るのは、文献の状態を超える。
QOFの除外報告について最も引用される研究は、こう結論している21。
In England, rates of exception reporting have generally been low, with little evidence of widespread gaming.
そして米国の再入院削減プログラムでは、改善とされたものの48%が、電子請求様式の変更で1件あたりに書ける診断名が増えたことで説明される22。故意の操作ではない。
測定が制度に応答することと、誰かが不正をすることは、別のことである。この回で書きたいのは前者だけである。
解決の方向
診断だけで終えたくないので、考えたことを書いておく。ここから先は確かめられた事実ではなく、私の案である。
① 精度の確保を、法令上の義務にする。前例は、同じ法律の中にある23。
病院、診療所又は助産所の管理者は…検体検査の業務を行う場合は、検体検査の業務を行う施設の構造設備、管理組織、検体検査の精度の確保の方法その他の事項を…厚生労働省令で定める基準に適合させなければならない。
医療法第十五条の二である。そして検体検査には、実際に動いている仕組みがある24。共通の試料を全国の施設に配り、報告値を突き合わせる。凍乾血清と凍乾尿で49項目。各施設に返るのは自分の測定値ではなく、SDIと評点、そして「全施設における自施設の評価位置」である。参加は3,223施設。
同じ医療法の下で、検体検査には精度の確保が義務づけられ、看護必要度とFIMには何も義務づけられていない。
評価尺度でこれをやるなら、配るのは血清ではなく共通の症例（紙上、あるいは映像）になる。そして返すのは水準ではなく一致度である。いま施設基準が要求しているのは「該当患者割合が28%以上」という水準だけで、一致度はどこにも要求されていない。
② 悉皆でなく、標本の再評価。全患者を独立に測り直すのは無理でも、無作為に抽出した患者を再評価して乖離率を出すことはできる。適時調査は原則年1回・書面と面接で既に行われているので4、枠組み自体はある。足りないのは、現に測られている値を独立に測り直す一段である。
③ 閾値の崖をなくす。分布が切り落とされる形は、28%で支払いが階段状に変わることの帰結である。連続的にすれば、崖の直上に留まる誘因が消える。
令和8年度改定は算式のほうを変えた。該当患者割合に「救急患者応需係数」——病床当たりの年間救急搬送受入件数に0.005を掛けたもの、上限1割——を足した「割合指数」が基準になった1。厚生労働省の試算では、1,110病院の平均が28.3%から35.4%へ動く25。
目の前の患者の状態とは別の量が、指標に加算されたことになる。そして崖は残した。
④ 測るために作られていない記録を使う。この列の準備として進めている指標監査で、七つの型を全部通った日本の指標は乳児死亡率だけだった。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である。測る動機と無関係に生成される記録は、動機に汚染されにくい。
機械化については、実験がもう走っていることを書いておきたい。必要度Ⅱがそれである。そして結果は出ている——機械判定のほうが、一方向に低い。したがって問いは「機械化できるか」ではなく、「機械化した値と人の値がずれると分かっているのに、なぜ両方が併存しているのか」になる。加えて、AIを導入し運用するのは病院である。測る主体が変わらなければ、同じ勾配がかかり得る。
最後に、支払いから外すという選択肢もある。急性期一般入院料6は「継続的に測定を行い、その結果に基づき評価を行っていること」だけを求め、閾値を持たない1。ただし分科会のデータでは、実績指数の要件がない入院料2・4に低い値が溜まっている11。外せば歪みは消えるが、動かす力も消える。取引である。
この列にとって
指標を目標にすると壊れる、という話はよく知られている。ただ、より正確な言い方が査読誌にある26。
Assumptions underlying governance by targets represent synecdoche (taking a part to stand for a whole)
提喩——部分を全体の代わりに取ること。
看護必要度は看護の必要量の代わりに置かれ、実績指数はリハビリの効果の代わりに置かれ、在宅復帰率は在宅に帰れたかどうかの代わりに置かれた。そして代わりに置かれた側だけが、支払いに接続された。
ただし三つは、問題の種類が違う※追記。
| 指標 | 主な論点 |
|---|---|
| 看護必要度 | 評価者間の一致と、二方式の差 |
| リハ実績指数 | 除外の裁量とリスク調整 |
| 在宅復帰率 | アウトカムの操作的定義 |
一つにまとめて「自己採点だから歪む」と言うと、この違いが消える。
この列が準備しようとしているのは、何を測るかの合意である。今回の三つは、合意の手前にもう一つ問いがあることを示している——誰が記入するのか。
この記事から堅く言えるのは、こうである※撤回。
支払いに使われる三つの指標は、支払いを受ける施設が生成した記録に依存している。一方、看護必要度とFIMについて、実際の採点を外部評価と突き合わせる制度的な仕組みは確認できず、現行票の再現性に関する公開データも、私の検索範囲では見つからなかった。
分布の形から操作を証明したのではない。独立した検証が欠けている、というのがこの記事の所見である。
条文の側から見ると、答えは薄い。看護必要度の記入者は職種不問で、研修の中身は規定されていない。FIMは研修会の開催義務だけで、記入者の受講は求められていない。同じ通知の中で、日常生活機能評価票だけが主催者と日数とカリキュラムを持っている。
そして、こういう構造がある。
急性期一般入院料1の該当患者割合が基準を割ると、翌月から下位の入院料になる1。認められている緩衝は「暦月で３か月を超えない期間の１割以内の一時的な変動」だけである。
評価票を記入する人は、その病棟に勤めている。
この記事で最も確信度が低い箇所を明記しておく。
① 2001年の一致度データは、現行の評価票のものではない。厚生省プレテスト版で、項目構成がまったく違う。「65.4%」を現行の数字として読んではいけない。
② 「評価者間信頼性の報告が無い」は、私の検索範囲での不在である。医中誌Webは購読が必要で検索できていない。
③ 分布の図から読み取った数値には、目盛からの読み取り誤差がある。数値表がある令和5年度分科会資料の数字（基準未満2.0%など）は資料に明記されたものだが、地域包括ケア病棟の分布は図からの読み取りである。
④ 第三者評価と入棟時FIMの2.6点差は、中医協のスライド1枚が公表されている全てである。査読論文版は見つからず、統計量には内部矛盾がある。
⑤ 森脇2020は本文に到達できていない。抄録の数値のみを使った。
⑥ 「解決の方向」の節は、私の案である※追記。引いた条文と資料は一次資料で確認したが、それを評価尺度に適用できるかどうかを検討した研究は探していない。そして案そのものにも留保が要る。
- 共通症例による試験が測れるのは採点知識の標準化までで、実際の病棟での観察・記録・採点の一致までは保証しない。
- 閾値の連続化は崖を減らすが、操作の誘因が消えるとは限らない。全範囲に勾配が生じる。
- 必要度Ⅱが低いことは、機械判定が正しいことを意味しない。二つは成り立ちが違う。
- 入院料2・4に低い実績指数が多いことは、患者構成や病棟機能の違いでも説明でき、「支払いから外すと改善への力が消える」という因果の証拠にはならない。