Restricted cubic spline (RCS) を用いたメタ分析で、身体活動量とフレイルリスクの間に非線形の用量反応関係が確認されている。リスク低減率は活動量の増加に伴い「最初は急速に低下し、その後緩やかになる」パターンを示す。
Yang et al. (2025) のUK Biobank研究（n=78,508）でもRCSを使用し、身体活動と死亡リスクの間に非線形パターンを確認。ただし明確な閾値（ブレイクポイント）は検出されず、「連続的な関連」と結論。
Studenski et al. (2011, JAMA, n=34,485) の大規模プール解析では、歩行速度と生存率の関係はCox回帰で線形性が確認された（HR per 0.1 m/s = 0.88）。非線形の閾値効果は検出されていない。
Conicity Index とフレイルの関連を調べた研究（NHANES, 2025）では、GAMによりConicity Index = 1.35 で閾値効果を検出。0.1単位増加ごとにフレイル有病率が105%上昇する急上昇パターンが確認された。
Chen et al. (2025) は認知的フレイルの研究でRCSを使用し、年齢75歳とうつスコア20点に変曲点を検出。これらの閾値を超えるとリスクが急上昇（OR 2→4.5）するパターンが報告された。
| カットオフ値 | 根拠・基準 | 臨床的意味 | 出典 |
|---|---|---|---|
| 1.0 m/s | J-CHS基準 / AWGS 2019 | フレイル判定の歩行速度低下基準。これ以上なら生存率が年齢・性別の期待値を上回る | Satake et al.; AWGS 2019; Studenski 2011 |
| 0.9 m/s | フレイル除外基準 | 0.9 m/s以上でフレイルを除外可能（rule-out） | Van Kan et al., 2009; PMC系統レビュー |
| 0.8 m/s | サルコペニア基準 / フレイル検出 | 0.8 m/s以下でフレイル診断の確率が2倍。障害発生の強い予測因子。75歳以上のフレイル検出に推奨 | EWGSOP2; 複数のコホート研究 |
| 0.7 m/s | 転倒リスク予測 | 高齢者（平均81.4歳, n=3,340）での転倒発生カットオフ | 日本の転倒予防研究 |
| 0.6 m/s | 死亡リスク増大 | この速度未満で死亡リスクが顕著に増大 | Studenski et al., 2011 |
| 基準 | 男性 | 女性 | 対象・備考 |
|---|---|---|---|
| J-CHS | < 28 kg | < 18 kg | 日本のフレイル基準（旧基準: 男26kg, 女18kg） |
| AWGS 2019 | < 28 kg | < 18 kg | アジアのサルコペニア診断基準。旧AWGS 2014は男26kg |
| AWGS 2025 | < 28 kg (65歳以上) < 34 kg (50-64歳) |
< 18 kg (65歳以上) < 20 kg (50-64歳) |
年齢層別カットオフを新設 |
| ROC解析（CFS基準） | < 26.7 kg (AUC=0.790) | < 16 kg (AUC=0.679) | Clinical Frailty Scaleでのフレイル検出 |
| ROC解析（移動制限） | < 25.8 kgf (AUC=0.73) | < 17.4 kgf (AUC=0.68) | 地域在住高齢者の移動制限予測 |
| RA患者フレイル | 17 kg（関節症状なし）/ 14 kg（関節症状あり） | 関節リウマチ患者での特殊カットオフ | |
| 著者・年 | 雑誌 | 対象 | 手法 | 主要結果 |
|---|---|---|---|---|
| Chen H et al., 2024 | Heliyon | 15研究, n=34,754 (メタ分析) | RCS 用量反応メタ分析 | 身体活動とフレイルリスクに非線形関係。低活動域での急速なリスク低減、高活動域でプラトー |
| Yang Y et al., 2025 | BMC Medicine | UK Biobank, n=78,508 | RCS (4ノット) | 身体活動と死亡の用量反応。軽活動で「diminishing returns」パターン。明確な閾値なし |
| Chen S et al., 2025 | Frontiers in Public Health | 上海地域在住高齢者, n=1,692 | RCS | 認知的フレイルで年齢75歳・うつスコア20点に変曲点を検出 |
| NHANES研究, 2025 | Scientific Reports | 米国高齢者 (NHANES 2007-2018) | GAM + ROC | Conicity Index = 1.35に閾値効果。0.1単位増でフレイル有病率105%上昇 |
| Studenski S et al., 2011 | JAMA | 9コホート, n=34,485 | Cox回帰 + 線形性検証 | 歩行速度と生存は線形関連（HR per 0.1m/s = 0.88）。非線形性は否定的 |
| JMIR研究, 2025 | JMIR Aging | 北タイ高齢者 | 決定木 RF XGBoost | 機械学習でフレイル分類。RFとXGBoostが決定木を上回る精度 |
| 複数研究（ML系統レビュー） | 各種 | 各種コホート | RF | フレイル予測AUC=0.92。歩行速度・握力がトップ特徴量 |
| Frontiers研究, 2024 | Frontiers in Public Health | 中国高齢者 | RCS + ML | 握力フレイルの予測にRCSで非線形パターン評価 |
| 優先度 | 手法 | n=75での適用可能性 | 根拠・期待される効果 |
|---|---|---|---|
| 1 | GAM（一般化加算モデル） | 適用可能 | 少数サンプルでもスムージングパラメータの自動調整が可能。非線形パターンの可視化に最適。先行研究でフレイルの閾値検出に実績あり。Rのmgcv::gam()で実装容易 |
| 2 | Restricted Cubic Spline (RCS) | 適用可能（ノット数制限） | フレイル研究で最も多用されている非線形手法。n=75では3ノット（5th, 50th, 95thパーセンタイル）が適切。Rのrms::rcs()で実装。非線形性のWald検定も可能 |
| 3 | CART（分類回帰木） | 適用可能（過学習注意） | 自動的に閾値を検出。解釈容易。ただしn=75では木の深さを制限（maxdepth=2-3）し、交差検証必須。Rのrpartで実装 |
| 4 | ランダムフォレスト（変数重要度） | 限定的に適用可能 | 予測精度より変数重要度とPartial Dependence Plotに注目。非線形パターンの可視化に有用。RのrandomForest + pdpパッケージ |
| 5 | LOESS / ローカル回帰 | 適用可能 | 探索的に非線形パターンを確認する第一段階として有用。ggplot2::geom_smooth(method="loess")で簡便に可視化可能 |
mgcv::gam()でスムーズ項の有意性を検定。edf（有効自由度）が1に近ければ線形、1より大きければ非線形