An algorithmic process to develop clinical practice guideline recommendations based on meta-analyses of the relevant evidence

あなたは、謎を解こうとしている探偵だと想像してください。その謎とは、「この特定の治療法は、本当に患者の回復に役立つのか？」というものです。理学療法の世界において、これは単なる推測ではありません。それは**臨床実践ガイドライン（CPG）**を構築することなのです。これらのガイドラインは、セラピストが人々の回復を助ける最善の方法を決めるための、究極のルールブックや地図のようなものです。優れた地図を作るには、あらゆる手がかり（科学的研究）を調べ、それらが一体何を意味しているのかを見極める必要があります。

通常、科学者たちは、これらの手がかりをメタ解析と呼ばれる手法を用いて統合しようとします。想像してみてください。ある特定の旅にどれくらいの時間がかかったかを、100人の異なる人々が報告しています。ある人は10分、ある人は12分、またある人は8分と言っています。メタ解析とは、単に「10分」と言った人が何人いるかを数える（これは誤解を招く可能性があります）のではなく、そのグループに何人の人がいたか、あるいはその話がどれほど信頼できるかに基づいて、すべての報告に重み付けを行い、一つの精密な平均的な答えを導き出す、非常に賢い計算機のようです。大きな問題は、この「超高性能な計算機」が真実を見つけるためのゴールドスタンダードであるにもかかわらず、ほとんどの理学療法のルールブックはこれを無視してきたことです。代わりに、彼らは「投票集計」法に頼ってきました。つまり、「『はい』と言った研究が『いいえ』と言った研究よりも多かったか？」と問う方法です。これは、たとえ「はい」と言った人々が暗闇の中に立っていたとしても、より多くの人が「晴れ」と言ったからといって天気が晴れだと判断するようなものです。この論文は、これらルールブック作成における乱雑で主観的な部分に対処し、人間の推測を、明確でステップ・バイ・ステップのアルゴリズムに置き換えようとする試みです。

---

アルゴリズム：手がかりをルールブックへと変える

この論文は、本質的には、推測をやめて計算を開始することに決めた理学療法専門家チームのための「ハウツー」マニュアルです。彼らは、脳卒中後の歩行再獲得を助けるための新しい、極めて信頼性の高いルールブックを作成する方法を求めていました。専門家たちがテーブルを囲んで、何が「良さそうか」について議論するのではなく、彼らは、メタ解析（超高性能な計算機）からの生の数値を入力すると、明確な推奨事項を吐き出す「意思決定マシン（アルゴリズム）」を構築しました。

彼らの新しいシステムがどのように機能するか、ステップごとに説明します。

1. エビデンスの収集と偽物のチェック
まず、彼らは脳卒中の回復に関する296の研究を見つけ出しました。しかし、すべての手がかりが信頼できるわけではありません。彼らは「バイアス（偏り）」をチェックするために、特別なチェックリスト（RoB-2と呼ばれます）を使用しました。これは、目撃者が嘘をつく動機を持っているかどうかを確認するようなものです。もし研究があまりに乱雑であったり、レッドフラッグ（警告）が多すぎたりした場合は、その研究を排除しました。彼らは高品質のエビデンスのみを保持したのです。

2. リンゴとリンゴを組み合わせる（同種の比較）
「トレッドミルでのランニング」に関する研究と「水泳」に関する研究を比較して、公平な結果を期待することはできません。チームは、全く同じことを行っている研究を慎重にグループ化しました。彼らは「歩行速度」や「6分間歩行距離」といった具体的な項目に注目しました。また、異なる歩行テスト（例えば2分間歩行）を標準的な「6分間歩行」の距離に変換するための数学的な魔法も駆使し、すべてを公平に比較できるようにしました。

3. 「超高性能な計算機」（メタ解析）
グループ分けが終わると、彼らはメタ解析を実行しました。これは単に票を集計するのではなく、すべての研究から実際の数値を組み合わせて、真の平均効果を見つけ出す作業でした。彼らは二つの大きな問いを投げかけました。

• その結果は現実的なものか？（統計的有意性）
• その結果は、意味のある大きさか？（臨床的重要度）

二つ目の問いに答えるために、彼らは「意味のある差（Meaningful Difference）」という閾値（しきい値）を用いました。これはスピードバンプ（段差）のようなものだと考えてください。もし治療によって患者の歩行速度が0.01 m/s速くなったとしても、それは数値としては実在しますが、現実生活では小さすぎて意味がありません。しかし、もしそれが0.16 m/s速くなったとしたら（これは過去の研究に基づき彼らが選んだ数値です）、それはゲームチェンジャーとなります。アルゴリズムは、治療がこのスピードバンプを越えられるかどうかをチェックします。

4. 意思決定マシン
ここが最も興味深い部分です。彼らは、数学的な結果と「信頼性」のスコア（GRADEと呼ばれます）を取り込み、自動的に推奨事項を割り当てるフローチャート（アルゴリズム）を構築しました。そこには5つの可能な結果があります。

• 強い推奨（Strong Recommendation）: 数学が「はい、効果がある」と言い、確実性が高く、改善の幅も十分に大きい場合。ルールブックの記述：「臨床医はこれを使用すべきである」。
• 条件付き推奨（Conditional Recommendation）: おそらく効果はあるが、すべての人に適しているとは限らない、あるいは確実性が100%ではない場合。ルールブックの記述：「臨床医はこれの使用を検討すべきである」。
• 推奨も反対もしない（No Recommendation For or Against）: これは彼らが考案した新しいカテゴリーです。数学の結果が、通常のケアと比較して「意味のある差」を生み出さない場合があります。「通常のケア」は患者が本来受けるべきものであるため、「それを行うな」と言うことはできません。単に、「追加の価値はないので、他に優先すべきものがあればそちらを優先してください」と言うのです。
• 反対（Against）: その治療が実際には有害であるか、あるいは何もしない場合よりも悪い結果をもたらす場合。ルールブックの記述：「これを使用してはならない」。
• エビデンス不足（Insufficient Evidence）: データが乱雑すぎるか、欠落している場合。ルールブックの記述：「さらなる研究が必要である」。

5. 葛藤の処理
もし、治療の一部は素晴らしい効果を示すが、別の部分はそうでない場合はどうなるでしょうか？ アルゴリズムには、このような場合のルールも備わっています。もし「強い推奨」の基準を満たしていても、特定の指標において効果が見られない場合、アルゴリズムは自動的に推奨レベルを「条件付き」へと格下げします。これは、効果が半分しか認められない治療に対して、チームが過度に期待してしまうのを防ぐセーフティネットのようなものです。

なぜこれが重要なのか

著者たちは、この厳格な数学ベースのアルゴリズムを使用することで、プロセスから多くの「人間の意見」を取り除くことができると発見しました。かつては、異なる専門家グループが同じデータを見ても、何をもって「十分」とするかの意見が異なるため、異なるルールブックを作成してしまうことがありました。この新しい手法は、プロセスを**再現可能（リプロダブル）**にします。もし別のチームが同じデータを与えられ、この同じアルゴリズムを使用したとしても、彼らは同じ答えを得るはずです。

彼らはまた、このアプローチには多大な労力がかかることも強調しています。彼らは186の研究からデータを抽出し、309回の異なるメタ解析を実行しなければなりませんでした！ それには多くの数学とコンピュータ・コーディングが必要でした。しかし、彼らはすべてのツールとスプレッドシートをオンラインで公開しており、他のチームも利用できるようにしています。

この論文は、医学におけるすべての問題を解決したと主張しているわけではありません。彼らは、「意味のある差」となる完璧な数値（スピードバンプ）を見つけることは依然として困難であり、プロセスに時間がかかることも認めています。しかし、彼らは、数学が意思決定を駆動するルールブックを構築することが可能であることを実証しました。単にその場にいる人々の意見によって決まるものではない、ということを。これを行うことで、彼らは理学療法によるケアが、すべての人にとってより一貫し、公平で、効果的なものになることを願っています。