評価方法

このサイトの「エビデンスの強さ (A〜D)」「スコア」「結論」「研究件数」「一致度」(と、本文の説明に使う「効果の大きさ」) は、すべて以下のルールに沿ってプログラムが機械的に算出しています。AI や編集者の印象で判定を変えることはありません。広告の有無や報酬額は、判定の計算に一切使っていません (計算プログラムは商品のデータを読み込みません)。

現在の評価方法のバージョン: 1.2.0 (2026-10-24 更新。変更点は 11 章)

1. 疑問を「検証できる形」に分ける

1 つの疑問を、「何を (介入) → 何に (結果)」の組み合わせに分けて、それぞれを判定します。例えば「マグネシウムは睡眠に効く？」は、「マグネシウム → 寝つくまでの時間」「マグネシウム → 睡眠時間」「マグネシウム → 睡眠の質」に分けています。ページ上の 1 枚のカードが 1 つの組み合わせです。

2. 研究の集め方

• 論文データベース PubMed (米国国立医学図書館) を中心に、教育・心理などの分野では OpenAlex も使います
• まず複数の研究をまとめた分析 (メタ解析・系統的レビュー) を探し、次に ランダム化比較試験 (RCT)、それでも足りないときに 観察研究 を探します
• 査読前の論文、撤回された論文、正誤表・コメントは使いません
• 論文の要旨から、効果の向き・効果の大きさ・信頼区間・参加人数・研究数を抜き出します。抜き出した数値は、要旨の原文と一字一句照合してから保存します
• メタ解析に含まれている個別の研究を、もう一度数えることはしません

3. 研究の種類と重み

研究の種類ごとに、結果の信頼しやすさが違います。判定では次の重みを使います。

研究の種類	重み
RCT をまとめたメタ解析	4.0
RCT	3.0
RCT と観察研究をまとめたメタ解析	3.0
観察研究をまとめたメタ解析	2.5
コホート研究 (集団を長期間追跡)	2.0
症例対照研究	1.5
横断研究 (ある時点の調査)	1.0
その他のヒトの研究	0.5
動物実験・試験管内の実験	0.1〜0.2

参加人数が多いほど、重みを最大 3 倍まで大きくします (1 + log10(1 + 人数 ÷ 100))。

4. 結論 (効果の向き) と一致度

研究ごとの結果を「良い方向」「悪い方向」「差なし」「結果がまちまち」に分け、重み付きで集計します。

• 一致度 = 最も多かった向きの重み ÷ 全体の重み
• 一致度が 50% 未満、または「結果がまちまち」が最も多い場合は「研究結果が割れている」とします
• 統計的に意味のある差がない結果 (信頼区間が「差なし」の値をまたぐ) は「差なし」として数えます

判定の言葉は「向き」だけを表します (2026-10-24)

向き	言葉 (人の試験)	言葉 (観察研究だけ)
良い方向	効く	良い関連がある
差なし	効かない (副作用を問う疑問では「大きな心配はない」)	関連はない
悪い方向	注意が必要	悪い関連がある
結果が割れている	条件による	条件による
グレード D・I	研究が足りない (向きは言いません)	研究が足りない

どれくらい確かかは、判定の言葉には混ぜず、エビデンス強度 (A 高い / B 中程度 / C 低い / D 限定的) で別に示します。「効く」と「エビデンス強度: 低い」が並ぶことがありますが、それは「研究は効くと言っているが、研究の数や質がまだ十分ではない」という意味です。記事の本文でも、確かさは「根拠の確かさは低めです」のように、強度と同じ言葉で書きます。

5. エビデンスの強さ (グレード)

グレード	条件
A 根拠が強い	RCT のメタ解析が 1 本以上、または RCT が 3 本以上あり、一致度 75% 以上、研究 3 件以上、参加者 300 人以上
B 根拠は中程度	RCT のメタ解析または RCT があり、一致度 60% 以上 (A の条件を満たさない)。または、一致度 75% 以上で研究 5 件以上・参加者 1 万人以上の観察研究
C 根拠は弱い	ヒトの研究があり、一致度 50% 以上 (A・B の条件を満たさない)
D 根拠がとても弱い	上のどれにも当てはまらない、または動物実験・試験管内の実験だけ
I 研究が不足	判断に使えるヒトの研究が見つからない

追加のルール:

• 観察研究だけの場合は B が上限です。観察研究は「関連」は示せても「原因と結果」は示せないため、判定の言葉も「効く」ではなく「良い関連がある」(悪い方向なら「悪い関連がある」、差なしなら「関連はない」) と表示します
• 研究の著者自身が、国際的な評価法 (GRADE) でエビデンスの確実性を評価している場合は、それを上限にします (高い → A、中程度 → B、低い → C、非常に低い → D。「低い〜非常に低い」のように幅がある場合は低い方)。評価している研究が複数あるときは、いちばん低い評価を上限にします
• 根拠になった研究がすべて、疑問の対象とは違う人たち (例: 一般の人についての疑問なのに、入院患者だけの研究) の場合は、B が上限です。違いは記事の中で説明します

6. スコア (0〜100)

グレードの中での位置を細かく示すための数値です。

項目	配点	内容
研究デザイン	40	最も信頼できる研究の種類 (RCT のメタ解析 40 / RCT 30〜36 / 観察研究のメタ解析 24 / コホート 20 …)
研究の量	20	研究件数と参加人数 (対数)
一致度	25	一致度 × 25
新しさ	10	最新の研究が 5 年以内 10 / 10 年以内 6 / それ以前 3
精度	5	信頼区間が「差なし」の値をまたがない 5 / またぐ 2

合計はグレードごとの範囲 (A: 75〜100、B: 55〜84、C: 30〜64、D: 5〜39) に収めます。グレードとスコアが矛盾しないようにするためです。

7. 効果の大きさ

重みの大きい研究から順に見て、大きさを判定できる最初の研究の数値を使います。この区分はページのラベルとしては表示せず (2026-10-25 から)、本文で「何が、どのくらい変わったか」を説明するときの目安に使います。

指標	ほぼなし	小さい	中くらい	大きい
標準化平均差 (SMD)	0.2 未満	0.2〜	0.5〜	0.8〜
相関係数 (r)	0.1 未満	0.1〜	0.3〜	0.5〜
リスク比・オッズ比・ハザード比	1.1 倍未満	1.1〜	1.5〜	2.0 倍〜
平均差 (MD)	臨床的に意味のある最小の差 (MCID) が出典つきで分かる場合だけ判定。0.5 MCID 未満 / 1 MCID 未満 / 2 MCID 未満 / それ以上

「差なし」の結論のときは「ほぼなし」、結果が割れているとき・判定できる数値がないときは「判定できない」とします。

8. 研究件数と参加者数

メタ解析が含む研究と、個別の研究が重なっている可能性があるため、少なめに数えます。

• 研究件数 = 「最も多くの研究をまとめたメタ解析の研究数」と「個別の研究の数」の大きい方
• 結果を統合していない文献レビューで、含まれる研究の種類がわからないものは、件数を 1 と数えます (研究の種類が混ざった文献の数を、研究の数として見せないため)
• 参加者数 = 「最大のメタ解析の参加者数」と「個別の研究の参加者の合計」の大きい方

9. 見直し

公開した判定は、原則 90 日ごとに新しい論文が出ていないか確認し、必要なら判定を更新します。評価方法を変更した場合は、このページのバージョンを更新し、すべての判定を計算し直します。

10. 限界

• 論文の要旨をもとに判定しているため、本文にしか書かれていない情報 (研究ごとのバイアスの詳細など) は反映されていない場合があります
• 判定は「研究で確かめられているか」の目安で、あなた個人に効くかどうかを保証するものではありません
• 誤りに気づいた場合は、運営者情報のページからお知らせください

11. 変更履歴

• 1.2.0 (2026-10-24): 判定の言葉を「向き」だけにしました (効く / 効かない / 条件による / 注意が必要 / 大きな心配はない / 関連がある / 研究が足りない)。それまでの「効く可能性が高い」(C) は、エビデンス強度「低い」と並ぶと逆に読めたためです。グレード・スコアの計算は変えていません。すべての判定の言葉を付け直しています
• 1.1.0 (2026-10-15): 確実性 (GRADE) の上限を、最も重みの大きい研究だけでなく、評価している研究の中でいちばん低いものにしました。対象者の違う研究だけが根拠の場合は B を上限にしました。統合していない文献レビューの件数を研究件数に数えないようにしました。すべての判定を計算し直しています
• 1.0.0 (2026-10-08): 公開