フレイル改善の定義方法 — 先行研究の方法論調査

介護予防C型データ（n=75）の分析に向けた文献レビュー｜2026-03-27

調査の背景と問題

1. フレイル改善の定義パターン（先行研究の網羅的整理）

定義パターン 具体的な判定方法 使用文献 メリット デメリット 感度
A. カテゴリカル移行
現行方式		 フレイル→プレフレイル、プレフレイル→ロバストへのカテゴリ移行 Fried 2001; 多数の介入研究 臨床的に直感的。リスク層別との対応が明確 3点カットオフで天井効果。プレフレイル内変化を検出不能。イベント数が少なくなる 低
B. 連続変数（得点変化量）
推奨候補		 CHS基準の該当項目数（0-5点）の変化量を連続変数として分析 Cameron 2013 (RCT, n=216); Theou 2011 変化の方向と大きさを定量化。統計的検出力が高い。全参加者の変化を捕捉 0.5点の変化の臨床的意味が不明確。0点（ロバスト）に天井効果 中〜高
C. 1項目以上の改善
推奨候補		 フレイル該当項目数が1つ以上減少した場合を「改善」と定義 Dedeyne 2020 (SR); Cameron 2013 プレフレイル内の改善も検出。イベント数増加。二値アウトカムとして分析可能 1項目改善の臨床的重要性が議論の余地あり 中
D. フレイルインデックス（FI） 30-70項目の累積欠損モデル（0-1の連続変数）の変化量 Mitnitski 2001; Rockwood 2005; Theou 2020 最も高い統計的感度。必要サンプルサイズが最小（n=51/群）。連続変数で分析容易 項目数が多く評価負担大。既存J-CHSデータからの変換困難 最高
E. MCID基準 フレイル表現型: 小変化0.097〜0.249点、大変化0.607〜0.623点
FI: 小変化0.028〜0.030、大変化0.067〜0.076		 Theou 2020 (J Gerontol A) 変化の臨床的意味が明確。アンカーベースとの対応 フレイル表現型のMCIDは整数スケールと合わない。FIで実用的 —（基準値）
F. 複合アウトカム フレイル進行 + 死亡 + 試験脱落の複合エンドポイント Brundle 2020 (BMC Geriatr) イベント数増加。臨床的妥当性。小サンプルで使用可能 改善の方向の検出が間接的 中
G. 構成要素別分析 5項目（体重減少・筋力・疲労感・歩行速度・活動量）の個別変化を分析 多数の介入研究 介入のメカニズムが明確。どの要素が改善したか特定可能 多重検定問題。全体像の把握が難しい 要素により異なる

2. カテゴリカル vs 連続変数の比較

必要サンプルサイズの比較（80%検出力、α=0.05、2群比較）

尺度小変化の検出大変化の検出出典
フレイルインデックス（38項目）51人/群9人/群Theou 2020
フレイル表現型（0-5点）2,294人/群62人/群Theou 2020
FRAIL Scale236人/群133人/群Theou 2020
SOF Index7,272人/群71人/群Theou 2020

出典: Theou et al. (2020) J Gerontol A

カテゴリカルの利点

  • 臨床的解釈が直感的（「フレイルが治った」）
  • リスク層別化との整合性
  • 臨床現場での実装が容易

カテゴリカルの欠点

  • 3項目カットオフで天井効果
  • 情報の損失（2→1も2→0も同じ「改善」）
  • プレフレイル内変化を見逃す
  • 小サンプルでイベント数不足（n=75で改善11人）

連続変数の利点

  • 全参加者の変化を捕捉
  • 変化の大きさを定量化
  • 統計的検出力が大幅に高い
  • 回帰分析で予測因子の検討が容易

連続変数の欠点

  • 0-5点スケールは粗い（MCIDが整数未満）
  • 0点の人は改善方向に変化できない
  • 「臨床的に意味がある変化」の閾値が不明確

3. プレフレイル内での改善の扱い

先行研究のエビデンス

あなたのデータの構造的問題

得点0-2点の人（ロバスト+プレフレイル）の改善率が0%になるのは以下の理由:

→ プレフレイル2点の人の改善が完全に見逃されている

4. 構成要素数の変化を用いた定義

アプローチ先行研究方法適用条件
1項目以上の改善 Dedeyne 2020; Cameron 2013 ベースラインから該当項目数が1つ以上減少した場合を「改善」と定義 ベースライン1点以上の人が対象（0点は除外）
得点変化量の平均 Cameron 2013 (n=216) 群間の平均得点変化量を比較（介入群-0.80 vs 対照群-0.41） 全参加者対象可能
ロバスト除外分析 複数の介入研究 ベースラインでロバスト（0点）の人を除外し、改善可能な集団のみを分析 天井効果の回避に有効
構成要素別の改善 多数のRCT 握力・歩行速度等の個別指標の改善を評価 介入メカニズムの検証に有効

5. 国際的なガイドライン・コアアウトカムセット

FOCUS（Frailty Outcomes Consensus Project）

出典: Muscedere et al. (2022) BMC Geriatr

RCTでの使用実態（415試験のスコーピングレビュー）

出典: Scoping review of frailty measurement in RCTs (2024)

6. n=75・イベント数が少ない場合の推奨

推奨1（主要分析）: 連続変数として得点変化量を分析

推奨2（副次分析）: 「1項目以上の改善」を二値アウトカムとして分析

推奨3（感度分析）: ベースライン層別化

分析設計のまとめ

分析アウトカム定義対象者統計手法根拠
主要 J-CHS得点の変化量（連続変数） 全75名 Wilcoxon検定 / paired t-test / 重回帰 Cameron 2013; Theou 2020
副次1 1項目以上の改善（二値） ベースライン1点以上 McNemar検定 / ロジスティック回帰 Dedeyne 2020
副次2 カテゴリカル移行（現行） 全75名 記述統計 / Fisher正確検定 Fried 2001
感度 ベースライン層別の得点変化 層別（0 / 1-2 / 3-5点） Kruskal-Wallis / 記述統計 複数の介入研究
感度 5構成要素の個別変化 全75名 McNemar検定（各要素） 多数のRCT

7. MCID（最小臨床的重要差）の参考値

尺度小変化（分布ベース）小変化（アンカーベース）大変化（分布ベース）大変化（アンカーベース）
フレイル表現型（0-5点） 0.249 0.097 0.623 0.607
FI 38項目（0-1） 0.019 0.030 0.049 0.076
FI 43項目（0-1） 0.023 0.028 0.057 0.067

出典: Theou et al. (2020) J Gerontol A

フレイル表現型の大変化MCIDは約0.6点 → 整数スケールでは1点の変化が「大きな臨床的変化」に相当

8. 主要参考文献

  1. Theou et al. (2020) — フレイル尺度のMCIDと必要サンプルサイズ。FIの優位性を実証
  2. Reproducibility and responsiveness of FI vs FP (2021) — FIの再現性・反応性がFPより優れることを示す
  3. Cameron et al. (2013) — 多因子介入RCT (n=216)。得点を連続変数として分析し効果を検出
  4. Dedeyne et al. (2020) — フレイル改善介入のSR。カテゴリ変化に達しない改善も評価するスコアリング
  5. Brundle et al. (2020) — フレイル予防試験の複合アウトカム。サンプルサイズ比較
  6. Scoping review of frailty in RCTs (2024) — 415試験のフレイル測定方法を網羅的レビュー
  7. FOCUS Delphi (2022) — フレイルのコアアウトカムセット国際合意
  8. Continuous Frailty Scale (2018) — 連続変数としてのフレイルスケール開発

[AI-Structure] 本資料の構成・表形式はAIが先行研究を整理して作成