Global variation in cardiometabolic risk structures: A 48-country comparative Bayesian network analysis in 146,000 participants using WHO STEPS data

本研究はベイズネットワークを用いて 48 か国の 146,000 人の参加者を分析し、心代謝性リスク構造に顕著な地域差が存在することを明らかにし、公衆衛生戦略は一般化されたモデルに依存するのではなく、特定の地理的状況に合わせて調整される必要があることを示した。

要約

心疾患や糖尿病（論文では「心代謝疾患」と呼ばれています）が、単一のスイッチの切り替えによって引き起こされるのではなく、複雑に絡み合った糸の網によって引き起こされると想像してみてください。いくつかの糸は、年齢や出生地のように変えられないものですが、他の糸は、食事、運動量、喫煙の有無のように変えられるものです。

この論文は、48 の国々において、これらの糸がどのように結びついているかを正確にマッピングしようとする探偵チームのようです。彼らは、糸を一つずつ見るのではなく、ベイズネットワークと呼ばれる特別なコンピュータツールを用いて、糸の網全体を一度に把握しました。このツールは、どの要因がどの他の要因を引きずっているかを示す「関係マップ」と考えてください。

以下に、彼らの発見を簡単に説明します。

1. マップは地域ごとに異なります

研究者たちは、リスクの「網」の姿は世界のどこにいるかによって異なっていることを発見しました。

• 比喩: 渋滞がなぜ起こるのかを理解しようとしていると想像してください。ある都市では、渋滞は主に悪い交差点（特定の道路配置）によって引き起こされているかもしれません。別の都市では、渋滞は多くの人々が同時に退社することによって引き起こされているかもしれません。結果（渋滞）は同じであっても、原因 と原因間のつながり は全く異なります。
• 発見: 欧州や南アジアなど、同じ地域の国のコンピュータマップは互いに非常に似ていました。しかし、欧州のマップは南アジアのマップとは非常に異なっていました。これは、病気になるための「レシピ」が場所によって同じではないことを意味します。

2. 同じ材料でも味が異なります

この研究は、同じ要因が地域によって逆の効果を持つことを示しました。

• 比喩: 「教育」をスパイスだと考えてください。ある国では、より多くの教育を加えることが「肥満のシチュー」の味を良くする（肥満のリスクを増加させる）かもしれません。別の国では、同じスパイスを加えることがシチューの味を悪くする（リスクを減少させる）かもしれません。
• 発見:
  • 南アジアでは、より多くの教育を受けることが、実際には肥満、糖尿病、高血圧の高い 可能性と関連していました。
  • 中東および北アフリカでは、より多くの教育を受けることが、これらすべての問題の低い 可能性と関連していました。
  • 年齢はあらゆる場所で大きな要因でしたが、欧州と中央アジアでは、年齢を重ねることが他の場所よりも肥満のリスクを劇的に上昇させました。

3. 「隠れた」相互作用

研究者たちは、二人のチームのように、二つの要因がどのように相互作用するかにも目を向けました。

• 比喩: シーソーを想像してください。時には、一人の人の重さ（年齢）は、もう一方に誰が座っているか（性別）を知っていなければ、あまり重要ではありません。
• 発見: 欧州と中央アジアでは、人の年齢と性別の組み合わせが、肥満の非常に強力な予測因子でした。例えば、年齢とともに体重が増えるリスクは、世界の他の地域と比較して、その特定の地域では男性と女性で異なって変化します。

4. ほとんど変わらないもの

いくつかのことは驚くほど一貫していました。

• 比喩: どこに行っても、重力は常にあなたを引っ張ります。
• 発見: 年齢を重ねることは、国に関係なく、ほぼ常に糖尿病や高血圧のリスク上昇と関連していました。また、驚くべきことに、すべての地域で、喫煙も飲酒もしない 人々は、現在それらを行っている人々よりも肥満である可能性が高かったのです。（論文は、これが科学における既知の謎であり、おそらく喫煙が体重調節の仕組みを変えるためであると指摘しています）。

大きな教訓

この論文の主なメッセージは、心疾患を理解するために**「万能な」マップを使うことはできない**ということです。

もし保健当局者が、欧州で機能したのと同じ戦略を南アジアの問題の解決に用いようとすれば、それは失敗するかもしれません。なぜなら、網の中の「糸」の結び方が異なるからです。この論文は、これらの健康問題を効果的に解決するためには、世界がどこでも同じように機能していると仮定するのではなく、各地域の特定のローカルなつながりの網を見る必要があると主張しています。

論文が述べていないこと:

• 医師に特定の患者をどのように治療するかを伝えているわけではありません。
• 南アジアでは教育が肥満を引き起こす と主張しているわけではありません（単に関連性を見出しました）。
• 特定の新しい薬や食事法を提案しているわけではありません。
• 単に、世界中でこれらのリスク要因がどのように結びついているかの違いをマッピングしているだけです。

技術概要

技術的概要：心代謝リスク構造の世界的な変異

問題提起
心代謝性慢性疾患（CMBCD）は、社会人口統計学的、行動的、代謝的要因間の複雑で多段階的な相互作用に起因する。リスク要因の合意セットが世界的に認識されている一方、既存の疫学研究は、多様な集団におけるこれらの変数間の構造的相互依存性を十分にモデル化することなく、主に個々のリスク要因や集団帰属分数（PAF）に焦点を当ててきた。先行研究は、特定のリスク要因の影響が地域や所得水準によって異なることを示しているが、これらのリスク要因相互作用のトポロジーが世界的にどのように異なるかを分析するために、ネットワークベースのアプローチを利用した研究は存在しない。本研究は、集団の文脈が CMBCD の結果を駆動する構造的関係や相互作用にどのように影響するかという理解のギャップを埋めるものである。

方法論
本研究は、世界保健機関（WHO）の「非感染性疾患リスク要因監視のための段階的アプローチ（STEPS）」調査（2009–2024 年）に参加する 48 か国の全国代表性横断データを用いた、比較ベイズネットワーク（BN）分析を採用した。総サンプル数は 30 歳以上の参加者 146,086 名であった。

• データ調和と変数: 14 の変数がデータセット間で調和され、階層的構造に分類された。非修正可能な社会人口統計学的変数（年齢、性別、都市/農村居住地）、修正可能な社会人口統計学的変数（教育、世帯収入）、行動的要因（タバコ、アルコール、食事、身体活動）、心代謝駆動因子（肥満、糖尿病、高血圧、高脂血症）、および心血管疾患（CVD）の既往である。国ごとに欠損率が 40% を超える変数は除外され、残りの欠損データはランダムフォレストアルゴリズムを用いて補完された。
• ネットワーク学習: 各国について、調査重みを取り入れるように修正されたヒルクライミングアルゴリズムを用いて、ブートストラップリサンプリング（n=1,000）により国固有の BN を学習した。因果的な妥当性を確保するため、下位階層から上位階層への変数間、および非修正可能な社会人口統計学的変数間のエッジを禁止するエッジブラックリストを適用した。各国について、ブートストラップネットワークの 50% 超に存在するエッジを保持した平均化合意ネットワークを導出した。
• トポロジー比較: 国間ネットワーク間の構造的差異は、構造的ハミング距離（SHD）を用いて定量化された。SHD 値は、世界銀行の地域別および所得水準別で、非対称 2 標本ウィルコクソン検定を用いて比較された。
• 推論と相互作用分析: 学習された BN は、リスク要因が心代謝結果に与える相対的影響を評価するための条件付き確率クエリに使用された。さらに、BN から導出されたシミュレーションデータセットに適合させた「完全」および「縮小」多項ロジスティック回帰モデルを比較する尤度比検定を用いて、リスク要因ペア（例：年齢と性別）間の相互作用効果が評価された。
• 感度分析: 頑健性は、代替学習アルゴリズム（タブー探索）、代替類似度指標（積率相関係数）、および代替補完方法（MICE）を用いて検証された。

主要な結果

• 地域的構造的類似性: ネットワーク構造は地域によって有意に異なり（p = 0.023）、同じ地域からのネットワークは異なる地域からのものよりも構造的に類似していた。国の所得水準（p = 0.91）またはデータ収集年に基づく有意な差異は見られなかった。
• リスク要因影響の差異: 社会人口統計学的および行動的要因が心代謝結果に与える影響は地域固有であった。
  • 年齢: 高齢（60 歳以上対 30–44 歳）は、他の地域と比較してヨーロッパおよび中央アジアにおいて肥満の確率が著しく高い（+80%）ことと関連していた。
  • 教育: 南アジアでは、より高い教育水準が肥満、糖尿病、高血圧の確率増加と関連していたのに対し、中東および北アフリカ（MENA）では、これらの状態および高脂血症の確率減少と関連していた。
  • 性別と居住地: 女性はすべての地域で肥満確率の相対的増加を示し、特にサハラ以南アフリカで顕著であった（+175%）。都市部居住は、サハラ以南アフリカおよび東アジア・太平洋地域において肥満の増加と強く関連していた。
  • 行動的要因: 喫煙歴・飲酒歴のない者は、すべての地域で現在の使用者と比較して肥満の確率が高かった。身体活動は MENA において最も強い保護効果を示した。
• 相互作用効果: 肥満の予測における年齢と性別の相互作用は、ヨーロッパおよび中央アジア内の国で最も高い割合で有意であった。高血圧の予測における年齢と性別の相互作用は、東アジア・太平洋地域で最も一般的であった。

主要な貢献

1. 初の世界的比較ネットワーク分析: 本論文は、48 か国にわたる心代謝リスク要因の国固有ベイズネットワークを学習・比較した最初の研究であり、個々のリスク要因分析を超えて、複雑で多段階的な相互依存性をモデル化するものである。
2. 方法論的進展: 本研究は、調査重みを構造学習（重み付きブートストラップリサンプリングを介して）およびパラメータ学習の両段階に統合し、複雑なサンプリングデザインを無視しがちな先行 BN 研究の限界に対処した。
3. 地域別調整の証拠: 調査結果は、CMBCD の構造的駆動因子が世界的に均一ではないことを示している。ネットワークトポロジーおよびリスク要因相互作用の顕著な地域的変異は、一般的な予防モデルでは不十分であることを示唆している。

意義と主張
本論文は、その結果が多段階的心代謝リスク構造の特定の地域パターンを明らかにすると主張している。合意されたリスク要因のセットが CMBCD を駆動する一方で、これらの要因が臨床結果に影響を与える「相互関係」および「構造的経路」は地域によって異なることを強調している。したがって、著者は、一般的で証拠に基づくモデルの適用ではなく、「地域に特化した公衆衛生戦略」の必要性を論じている。本研究は、これらの構造的駆動因子を理解することが、文化的および環境的差異を尊重して臨床ガイドラインを適応させる「超文化的化」の重要な側面であると位置づけている。著者は、BN が決定的な因果メカニズムではなく、強い統計的関連を反映しているものの、高リスク集団の特定および介入のための地域的に関連する駆動因子の特定のための堅牢な枠組みを提供すると指摘している。

著者が指摘する限界
著者は、データの横断的性質（縦断的因果推論を排除する）、1 型と 2 型糖尿病の区別がないこと、自己申告による CVD 既往への依存（低資源環境では精度が低い可能性がある）、および欠損による特定変数の除外といった限界を認めている。さらに、BN 構造学習アルゴリズムは強い関係を優先し、弱い関連を除外する可能性があること、および本研究が PAF やオッズ比のような正確な指標を生成するのではなく、傾向を説明するために条件付き確率クエリを使用していることを指摘している。