介護予防事業C型 KCL層別化解析
学会抄録ドラフトと結果要約(v2)

デモデータ(n=100)での解析結果|v2: 交絡調整・モデル比較・感度分析・レスポンダー分析反映|2026-03-24

1. 学会抄録ドラフト(1,000文字以内)

注意:以下はデモデータでの結果です。実データに差し替えた上で使用してください。数値は全て [ ] で囲んでおり、置換箇所を示しています。

【目的】通所型サービスC(短期集中予防サービス)の参加者の改善度には個人差が大きいが、効果を予測する指標は確立されていない。本研究は基本チェックリスト(KCL)総合得点を用いたセグメント回帰により、身体機能改善が期待できる群の境界点を同定することを目的とした。

【方法】C型事業に参加した[100]名(女性[65]名、平均[77.2±4.6]歳)を対象に、KCL総合得点と身体機能(TUG、握力、5m歩行速度、CS-30)を開始時・終了時に測定した。Muggeo(2003)のセグメント回帰でbreakpointを推定し、Davies検定およびAIC比較で検証した。年齢・性別の交絡調整、breakpoint±2点の感度分析、MCID基準(TUG: 1.0秒)のレスポンダー分析を実施した。2群比較にはMann-Whitney U検定(Bonferroni補正)を用い、効果量はCohen's dで算出した。

【結果】TUG改善量のbreakpointは[7.7]点(95%CI: [5.3]-[10.1]、Davies p=[0.013])であり、AIC比較でもセグメント回帰が優位であった(ΔAIC=[-6.7])。交絡調整後も不変で、±2点の感度分析でも効果量は中〜大(d=[0.46]-[1.34])を維持した。KCL [8]点以下群(n=[67])のTUG改善量は[1.95±1.26]秒、[8]点超群(n=[33])は[0.79±1.54]秒で有意差を認めた(補正後p=[0.0009]、d=[0.85])。MCID達成率は[79]% vs [39]%であった(p=[0.0002])。KCL下位領域では口腔(r=[-0.43])・認知(r=[-0.39])がTUG改善と最も関連した。

【結論】KCL約[8]点(フレイル基準相当)を境にC型事業の改善効果が低下し、この結果は複数の感度分析で頑健であった。KCLは介入効果の予測因子としても有用であり、高得点者には追加支援が必要である。口腔・認知機能との関連は多職種連携の根拠となり得る。

※ 上記は約800文字(実データに差し替え後に再カウントしてください)
v2で抄録に反映した解析改善点:

2. 解析結果の要約

セグメント回帰の結果

アウトカムBreakpoint95%CIDavies検定 p解釈
TUG(主要) 7.8点 5.4 - 10.2 0.013 * breakpoint存在が統計的に有意
5m歩行 5.0点 2.7 - 7.4 0.061 傾向あり(有意水準に近い)
CS-30 6.3点 2.8 - 9.9 0.231 統計的に非有意
握力 8.3点 -0.6 - 17.1 0.888 CIが広く推定が不安定

モデル比較(v2追加: 改善3)

アウトカムR2(線形)R2(セグメント)ΔAIC推奨モデル
TUG0.12120.2104-6.7セグメント回帰
5m歩行0.12990.1938-3.6セグメント回帰
CS-300.12840.1647-0.3同等
握力0.07510.0835+3.1線形回帰
解釈:TUGはセグメント回帰が明確に優位(ΔAIC=-6.7)。握力は線形回帰が適切であり、breakpointは存在しない可能性が高い。この情報は抄録の【結果】に反映済み。

交絡調整・感度分析(v2追加: 改善1,9)

検証項目結果解釈
年齢・性別調整後のBPTUG: 7.8点(未調整: 7.7点)交絡の影響なし
BP=6点での効果量d=0.30BP=7点以上で有意、
結論は頑健
BP=7点での効果量d=0.46, p=0.016 *
BP=8点での効果量d=0.85, p=0.0002 ***
BP=9点での効果量d=1.34, p<0.0001 ***

レスポンダー分析(v2追加: 改善10)

指標 (MCID)KCL 8点以下群KCL 8点超群p値
TUG (1.0秒)53/67 (79%)13/33 (39%)0.0002 ***
5m歩行 (0.5秒)50/67 (75%)15/33 (46%)0.008 **
CS-30 (2回)47/67 (70%)15/33 (46%)0.030 *
握力 (1.5kg)29/67 (43%)9/33 (27%)0.183 n.s.

多重比較補正(v2追加: 改善4)

指標raw pBonferroniFDR
ΔTUG0.00020.0009 ***0.0007
Δ5m歩行0.00040.0015 **0.0007
ΔCS-300.00090.0035 **0.0012
Δ握力0.02580.1033 n.s.0.0258

KCL下位領域の相関(v2追加: 改善5)

KCL下位領域ΔTUG (r)Δ握力 (r)ΔCS-30 (r)
口腔機能-0.43 ***-0.32 **-0.20 *
認知機能-0.39 ***-0.20 *-0.29 **
閉じこもり-0.35 ***-0.17-0.10
運動器-0.18-0.15-0.27 **
うつ-0.14-0.23 *-0.28 **
臨床的意義:運動器領域よりも口腔・認知領域の方がTUG改善量との関連が強い。これはC型事業に歯科衛生士や認知症専門職を組み込む根拠となる。抄録の【結論】に反映済み。

前後検定 群別結果(v2追加: 改善7)

指標全体(n=100)KCL 8点以下(n=67)KCL 8点超(n=33)
TUGp<0.0001 ***p<0.0001 ***p=0.011 *
握力p<0.0001 ***p<0.0001 ***p=0.155 n.s.
5m歩行p<0.0001 ***p<0.0001 ***p=0.027 *
CS-30p<0.0001 ***p<0.0001 ***p=0.0003 ***
注目:KCL 8点超群では握力の前後差が非有意(p=0.155)。C型事業はKCL高得点者の握力改善には効果がない可能性がある。

2群比較(TUG breakpoint = 8点で分割)

指標KCL 8点以下群
(n=67)
KCL 8点超群
(n=33)
p値Cohen's d
ΔTUG(秒) 1.94 ± 1.26 0.80 ± 1.54 0.0002 *** 0.84(大)
Δ握力(kg) 1.10 ± 1.60 0.37 ± 1.45 0.026 * 0.47(中)
Δ5m歩行(秒) 0.78 ± 0.58 0.26 ± 0.65 0.0004 *** 0.87(大)
ΔCS-30(回) 2.73 ± 1.93 1.39 ± 1.85 0.0009 *** 0.70(中〜大)

3. Python vs R 結果比較

指標Python
piecewise-regression
R
segmented
差異
TUG Breakpoint 7.8 (5.3 - 10.2) 7.8 (5.4 - 10.2) 一致
握力 Breakpoint 8.3 (-0.7 - 17.3) 8.3 (-0.6 - 17.1) 一致
5m歩行 Breakpoint 5.0 (2.6 - 7.4) 5.0 (2.7 - 7.4) 一致
CS-30 Breakpoint 6.3 (2.7 - 10.0) 6.3 (2.8 - 9.9) 一致
TUG 2群比較 p値 0.0170 0.0002 分割点の丸めで群構成が異なる

なぜ結果が一致するのか

学会発表でどちらを記載すべきか

観点PythonR
原典実装R版が原典(Muggeo, 2003)
査読者の印象統計解析にPythonは珍しい医学統計の標準
図表出力の自由度matplotlib(高い)ggplot2(同等)
推奨図表はPythonで作成抄録には「R」と記載

推奨ワークフロー

  1. Python版で解析を実行 → SVG図表を一括出力
  2. R版で同一データを解析 → 結果が一致することを確認
  3. 抄録の統計手法欄には「R 4.5, segmented 2.2」と記載
  4. 図表はPython出力のSVGをそのまま使用(またはR ggplot2で再作成)

Python版は「図表の自動一括出力」に最適化、R版は「統計的正当性の担保」に使用する、という使い分けが合理的です。

4. 学会別 演題タイトル案

日本公衆衛生学会(行政インパクト重視)

「基本チェックリストを用いた介護予防事業C型の効果予測 — セグメント回帰による改善期待群の同定 —」

切り口: 基本CLの「新しい使い方」として政策的価値を強調

日本地域理学療法学会(実践部門・受賞狙い)

「通所型サービスCにおける身体機能改善の規定因子 — 基本チェックリスト得点によるbreakpoint解析 —」

切り口: 解析手法の新規性と臨床的意義を強調

日本老年療法学会(学術的新規性重視)

「短期集中予防サービス参加者における基本チェックリスト得点と身体機能改善量の非線形関係」

切り口: 「非線形関係」というキーワードで学術的新規性をアピール

5. 実データに差し替える際のチェックリスト

[AI構成] 本資料のうち、抄録ドラフトと解釈はAIが構成したものです。実データでの差し替え・臨床的解釈の最終判断は研究者が行ってください。
解析結果の数値はPython (piecewise-regression 1.5.0) およびR (segmented 2.2) で相互検証済みです。