Predicting poor physical fitness among university students using five-year repeated campus surveillance data: development and temporal validation of a risk model

フィットネス予報：なぜ身体の「ゴルディロックス・ゾーン」が重要なのか

天気を予測しようとしている場面を想像してみてください。空をたった一時間眺めるだけでは不十分でしょう。気温、湿度、風速、そしてそれらが数日あるいは数週間でどのように変化するかを確認するはずです。健康科学の世界において、研究者たちは「身体的フィットネス（体力）」を研究する際、これと同様のことを行います。これは単にどれだけ速く1マイル走れるかという話ではありません。心臓の強さから気分、さらには学校や職場での成績に至るまで、あなたの将来の健康を暗示する強力な「水晶玉」なのです。

長い間、科学者たちは一つの特定の数値、すなわちBMI（ボディマス指数）に執着してきました。BMIを、低体重、普通、過体重、肥満を測定するための単純な定規だと考えてください。かつての物語は非常に単純でした。「重すぎることはフィットネスにとって悪いことだ」というものです。しかし、人生は決して直線ではありません。時には、軽すぎることが同様に厄つらいこともあります。本論文は、より優れた「天気予報」を構築できるかどうかを確認するために、大学生から得られた5年間にわたる膨大なデータの宝庫を掘り下げます。単なるスナップショットを撮るのではなく、彼らは同じ学生を時間の経過とともに観察し、その記録をバラバラの写真の集まりではなく、連続した映画のように扱いました。彼らが知りたかったのは、「誰がテストを受ける前にフィットネスに苦戦するかを予測できるのか？」ということ、そして「『完璧な』体重とは、実は狭いスイートスポットなのか、それとも危険はスケールの両端に潜んでいるのか？」ということでした。

5年間のフィットネス・ムービー

この研究は、まるでタイムトラベルする探偵物語のようです。ただし、犯罪を解決するのではなく、探偵たちは学生のフィットネスという謎を解こうとしています。研究者たちは、2020年から2024年までの5年間にわたる中国の大学からの膨大なデータセットを集めました。彼らは45,000人以上のユニークな学生の記録を保持しており、合計で107,000件以上のテスト結果がありました。匿名化されたID番号を使用していたため、彼らは同じ学生を年ごとに追跡し、加齢や身体の変化に伴ってフィットネスがどのように変化するかを見ることができました。

目標は、「リスクモデル」――一種のデジタルな水晶玉――を構築することでした。彼らは、学生がフィットネス・テストを受ける前に、その学生の基本情報（性別、年齢、学年、BMIなど）を見て、その学生が不合格になるかどうかを予測できるツールを作りたいと考えました。ここでの「不十分なフィットネス」の定義は厳格で、国家学生身体健康標準の60点未満とされました。

「ゴルディロックス」の発見

研究者が数字を分析し始めると、従来の「ただ体重を減らせばよい」という物語に異を唱える、非常に興味深い事実が判明しました。彼らは、BMIとフィットネスの関係が直線ではなく、「J」の形をしていることを発見したのです。

シーソーを想像してください。真ん中が最も安全な場所です。研究によると、BMIが「普通」の範囲（18.5から23.9）にある学生は、フィットネス・テストで不合格になるリスクが最も低いことがわかりました。しかし、ここにひねりがあります。リスクは重い側に向かって上がるだけではありませんでした。軽い側に向かっても上がっていたのです。

• 低体重の学生は、普通体重の学生と比較して、不十分なフィットネスとなる可能性が1.54倍高くなりました。
• 過体重の学生は、苦戦する可能性が2.68倍高くなりました。
• 肥満の学生は甚大なリスクに直面しており、不十分なフィットネスとなる可能性が7.58倍も高くなっていました。

研究者たちは、「制限付きスプライン（restricted cubic spline）」と呼ばれる特別な数学的ツールを使用して、これをマッピングしました。それは、このグループの学生にとっての絶対的な最低リスクが、BMIが約20 kg/m²の時に見られ、「安全地帯」はおよそ19から21 kg/m²の範囲に広がっていることを示しました。ここで重要なのは、著者たちが非常に慎重である点です。これは、平均的な地形を示す地図のような、集団レベルのリファレンス（基準）です。個々の学生に対して、正確に20 kg/m²を目指すべきだという個人的な指示ではありません。単に、このグループにおけるフィットネスの「ゴルディロックス・ゾーン」は、まさにその中間領域にあり、軽すぎても重すぎても問題が生じることを示唆しているのです。

水晶玉：予測の精度はどの程度だったのか？

チームは、不合格者を予測するために2つの異なるモデルを構築しました。

モデルA：プレテスト・スキャナー
このモデルは、学生がトラックに踏み出す前に利用可能な情報、すなわち性別、年齢、学年、年度、およびBMIのみを使用しました。

• 結果： モデルが構築された年（2020〜2023年）において、このモデルは仕事に対して適度に優秀であり、フィットしている学生とフィットしていない学生を約75.5%の確率で正しく区別できました（AUC 0.755）。
• 現実的な検証： このモデルを、まだ見ていない将来のデータである2024年のデータでテストしたところ、その精度は67.5%に低下しました。なぜでしょうか？ それは「天気」が変わったからです。2024年には、実際にテストに不合格となった学生が少なかったためです（以前の年よりも低い5.1%）。モデルは不合格者が多かった時期に学習していたため、実際よりも多くの学生が不合格になると予測し始める、「空振りの予測（over-prediction）」が起こりました。これは、優れたモデルであっても、世界が変わった際には再調整（キャリブレーション）が必要であることを思い出させてくれます。しかし、モデルは「不合格にならない人」を特定することにおいては非常に優れており（高い陰性的的中率）、これはスクリーニングに有用です。

モデルB：カンニングをした水晶玉
研究者たちは、フィットネス・テストの実際の測定結果（走行速度や跳躍距離など）を予測因子として含む、第2のモデルも試みました。

• 結果： このモデルはほぼ完璧で、94.5%の精度を示しました。
• 落とし穴： 著者らは、これが「循環的（circular）」であると明確に警告しています。これは、レースが始まる前に、ゴールラインの通過タイムを見てレースの勝者を予測しようとするようなものです。これらのフィットネス構成要素は最終スコアの一部であるため、このモデルは単に答えを繰り返しているに過ぎません。彼らはこれを、理論的に可能な上限を示すための「上限リファレンス」として報告しており、現実世界のツールとして提示しているわけではありません。

実社会における意味

本研究は、フィットネスを特定するツールを構築することは可能であるが、それは魔法の杖ではないと結論付けています。最も正直な教訓は、低体重であることも肥満であることも、どちらも身体的フィットネスの低下に関連しており、そのリスク曲線はJ字型であるということです。

著者らは、大学は肥満だけに焦点を当てるべきではないと示唆しています。低体重の学生もまた、二重のリスクに直面しているため、注意を払う必要があります。「プレテスト」モデル（モデルA）は、学生がトラックに立つ前に、追加のサポートや評価が必要な学生を特定するための有用なツールになり得ます。しかし、モデルは完璧ではなく、現在の学生層のフィットネスレベルに合わせて毎年調整（再校正）される必要があります。

要約すると、本論文は5年間のデータを用いて、フィットネスとは両端に注意を要する複雑な物語であることを示しています。また、学生を長期間にわたって観察することで、単発のスナップショットよりも明確な全体像が得られることを証明すると同時に、予測はそれに基づいたデータがいかに優れているかに依存しており、精度を保つためには絶え間ない更新が必要であることも警告しています。