エビデンスの質と推奨の強さは同じではない
エビデンスの「質」と推奨の「強さ」を分けて考えるという提案
GRADE: an emerging consensus on rating quality of evidence and strength of recommendations
Framework / Classification ｜ 2008 ｜ 方法論
エビデンスの質と推奨の強さを分けて読む — GRADEという共通言語
30秒でつかむ
- 何を調べた？
- ガイドラインを作る人たちの間で、「エビデンスの質」と「推奨の強さ」の格付け方法がばらばらで、読む側が何を伝えられているのか分かりにくい、という問題がありました。この論文は、その解決策として提案されたGRADEという体系の考え方と用語を、5編シリーズの第1編として解説しています。
- 何が分かった？
- GRADEでは、エビデンスの質を high／moderate／low／very low の4段階、推奨の強さを strong／weak の2段階として、両者を明確に分離して扱います。そして著者らは、質が高くても弱い推奨になりうるし、質が低くても強い推奨になりうると述べています。つまり「エビデンスが強い＝そうすべき」という読み方は、この体系では成り立ちません。
- 何を言ってはいけない？
- これは「GRADEを使うと良いガイドラインができる」ことを比較検証した研究ではありません。格付けの枠組みを説明した解説記事であり、採用組織数（当時25以上）やBMJの推奨も普及状況の記述であって、有効性の証拠ではありません。
重要ポイント
- エビデンスの質は high／moderate／low／very low の4段階、推奨の強さは strong／weak の2段階として、別々に評定される。
- RCT由来のエビデンスは high から出発し、study limitations・inconsistency・indirectness・imprecision・reporting bias によって格下げされうる。
- 観察研究は low から出発するが、効果量が非常に大きい・用量反応関係がある・想定されるバイアスがすべて効果を過小評価する方向に働く、といった場合には格上げされうる。
- 推奨の強さには、質だけでなく、望ましい効果と望ましくない効果のバランスの不確実性、価値観・好みの多様性、資源利用の妥当性が関わる。
- 著者ら自身が、質もバランスも本来は連続量であり、離散的なカテゴリに切ることには恣意性が伴うと明記している。
文書を読み解く2〜4分
この文献が生まれた問い（background）
臨床現場に届くガイドラインには「レベルI」「グレードA」「クラスIIb」など、さまざまな記号が並びます。ところがそれらの意味は作成団体ごとに違い、同じ「A」が別の意味を持つことがある。原著の導入部が問題にしているのはこの点です。作成者間で格付けの方法が一致していないため、利用者は「何が伝えられているのか」を理解しにくい。この論文は、その混乱に対して形式的な格付けシステムが必要な理由を説明し、GRADEのアプローチを紹介する目的で書かれた、全5編シリーズの第1編です。
この論文の位置づけ（purpose・研究デザインではない）
独自の被験者もデータ収集も統計解析もありません。GRADE Working Group の合意に基づいて枠組みの構造・カテゴリ・用語を解説した記事です（外部査読あり、依頼原稿ではない）。したがってここから取り出せるのは「効果」ではなく「読み方の設計図」です。療法士にとっては、ガイドラインの表を見たときに何を確認すればよいかを決める道具になります。
概念構造：質の評定と推奨の決定を分ける
GRADEの中核は、エビデンスの質を評定する作業と、推奨するかどうか・どれだけ強く推奨するかを決める作業を、明確に切り離すことです。原著はこれを、良い格付けシステムの条件として挙げています。この分離があるために、「高い質のエビデンスに基づく弱い推奨」（原著の例：初回特発性DVT後のワルファリン長期継続）や「低い質のエビデンスに基づく強い推奨」（原著の例：水痘の小児にアスピリンではなくパラセタモール）が成立しうると説明されています。
用語と4段階の定義（terminology・components）
質は4段階で、原著の定義は次のとおりです。high＝さらなる研究が効果推定への確信を変える可能性は非常に低い。moderate＝さらなる研究が確信に重要な影響を与える可能性が高く、推定値が変わりうる。low＝その可能性が非常に高く、推定値が変わる可能性が高い。very low＝いかなる効果推定も非常に不確実。ここで注目したいのは、4段階が「研究の立派さ」の順位ではなく、「今後の研究で推定値が動く見込み」という言い方で定義されている点です。推奨は strong／weak の2段階で、パネルは weak の代わりに conditional／discretionary という語を使うこともあると記されています。
格下げ・格上げの要因（components）
RCT由来のエビデンスは high から出発し、study limitations（研究の限界）、inconsistency（結果の不一致）、indirectness（対象・介入・アウトカムの間接性）、imprecision（精度の低さ）、reporting bias によって格下げされうる。観察研究は low から出発しますが、効果量が非常に大きい場合、用量反応関係がある場合、想定されるすべての妥当なバイアスが効果を過小評価する方向に働く場合には格上げされうる。デザイン名だけで質が決まるわけではない、という設計がここに表れています。リハビリテーション領域の文献を読むとき、indirectness（surrogateアウトカム、対象集団の違い）は特に確認したい列です。
推奨の強さを左右するもの（factors affecting strength）
原著のTable 1では、推奨の強さに関わる要因として、エビデンスの質、望ましい効果と望ましくない効果のバランスの不確実性、価値観・好みの不確実性や多様性、資源利用が賢明かどうかの不確実性が挙げられています。価値観の多様性が要因に含まれていることは、療法士の実践に直接関わります。同じデータでも、患者が何を大事にしているかによって推奨の強さが変わりうるという設計だからです。
expert opinion をどう扱うかという論点（what it does NOT test）
原著は、expert opinion を独立したエビデンスのカテゴリとして置くシステムは混乱を生むと述べ、専門家の臨床経験の報告は症例報告などと同様に very low quality と明示的にラベルすべきだと主張しています。これはGRADEの明文仕様というより、他システム批判を伴う規範的な提言として書かれた部分です。「経験は無価値」と言っているのではなく、「経験に基づく主張を、確信の度合いのラベルなしに流通させない」という趣旨として読むのが原文に近い読み方です。
原著が自ら認めている限界（limitations）
著者らは、エビデンスの質は本来連続量であり離散的な4分類には恣意性が伴うこと、望ましい効果と望ましくない効果のバランスも連続量であって strong／weak の二分にも恣意性が残ることを明記しています。さらに、格付けシステムが多数乱立していること自体が最前線の臨床家の利用を難しくしているとも述べています。加えて利益相反の記載として、著者全員がGRADEの普及に関与し、その成功が学術的キャリアに好影響を与えることが開示されています。枠組みを紹介する論文を読むときに、この開示を併せて見る習慣は持っておきたいところです。
原典から臨床へ
① 原典で提示されていること原典
この論文は新しい試験結果を報告したものではありません。提示されているのは体系の構造です。エビデンスの質を high／moderate／low／very low の4段階、推奨の強さを strong／weak の2段階とし、両者の評定を分離すること。RCTは high から出発して5つの要因で格下げされ、観察研究は low から出発して3つの条件で格上げされうること。推奨の強さには質・効果のバランスの不確実性・価値観の多様性・資源利用が関わること。原著時点で25以上の組織（WHO、American College of Physicians、American Thoracic Society、UpToDate、Cochrane Collaboration など）が採用し、2006年以降BMJが投稿時のGRADE使用を推奨していると記載されています。
①′ 原典での位置づけ原典・著者の考察
著者らは、GRADEがエビデンスの質と推奨の強さの格付けについて、明示的・包括的・透明で実用的な体系を提供しており、採用が世界的に広がっていると述べています。そして、ガイドラインは根拠の質と、推奨が強いか弱いかを、臨床家に伝えるべきだと結論しています。同時に、カテゴリ化に恣意性が残ることも自ら認めています。
② 療活ではどう考えるか療活編集部の整理・ここからは原典そのものではありません
この文献が療法士にくれるのは、治療の答えではなく「ガイドラインの読み口」です。ガイドラインの表を見たとき、確認したい列が2つあります。ひとつは質のラベル、もうひとつは推奨の強さのラベル。そして両者がずれている行こそ、いちばん情報量が多い行です。
質が高くて推奨が弱いなら、効果の見積もりは固まっているが、益と害のバランスや価値観の幅が推奨をためらわせている、という読みが立ちます。逆に質が低くて推奨が強いなら、データは薄いが、それでも判断が一方に寄る理由（害の大きさなど）があると読める。どちらの場合も、臨床では「患者が何を望んでいるか」を確かめる余地が大きくなります。
もうひとつ、療活編集部として立ち止まりたいのは downgrading の indirectness です。運動療法の文献では、対象集団が自分の患者と違う、アウトカムが筋力や関節可動域といった代理指標にとどまる、といったずれが起こりやすい。同じ「RCTである」という事実の下で、確信の度合いは変わりうる。この論文は、その変わりうる理由を言葉にしてくれます。
③ 臨床で観察するとしたら療活編集部
ガイドラインを一つ手元に置いて、次を確認してみることが観察の入口になります。質のラベルと推奨の強さのラベルが両方書かれているか。両者がずれている推奨はどれか。その推奨の対象集団は自分の担当患者と重なるか。アウトカムは活動や参加のレベルか、それとも代理指標か。害や負担についてどう書かれているか。そして、その推奨に対して目の前の患者が何を大事にしていそうか。カルテや患者との会話から拾えるのはこの最後の一点で、ここは文献の側からは埋められません。
④ まだ言えないこと
この文献からは、「GRADEを使えばガイドラインの質が上がる」「GRADEで strong とされた介入は目の前の患者に効く」とは言えません。比較検証がなされていないうえ、GRADEはあくまで確信の度合いを伝えるための表記の体系です。また、25以上の組織が採用という記述は2008年時点のものであり、現在の状況として引用することはできません。expert opinion の扱いについても、原著は規範的な提言として述べており、そこから「臨床経験を根拠にしてはならない」という運用ルールを直接導くことはできません。4段階・2段階という区切り自体に恣意性が残ることも、著者ら自身が述べています。
この研究と臨床の距離
この文献は、エビデンスの確信度と推奨の強さをどう表記するかという枠組みの提案です。枠組みが整うことと、その表記が自分の患者への判断に翻訳できることの間には、対象集団のずれ、アウトカムのずれ、そして本人が何を望むかという段差が残ります。枠組みは判断の材料を整理する道具で、判断そのものを代行はしません。
格付けの概念枠組み → ガイドライン文書への実装 → 対象集団と自分の患者の一致（indirectness） → 代理指標から活動・参加レベルのアウトカムへ → 個別患者の価値観を踏まえた判断
逆の視点から読んでみる
「エビデンスの質が low なら、その推奨は無視していい」——この読み方が、GRADEの設計と最も正面からぶつかります。原著は、低い質のエビデンスに基づく強い推奨の例（水痘の小児にアスピリンではなくパラセタモール）を挙げています。害が明確に大きい場面では、データの確信度が低くても判断は一方に寄る。逆に「質が high なら強く推奨されているはずだ」も成り立ちません。原著は高い質に基づく弱い推奨の例も挙げています。質のラベルは推奨の強さの言い換えではなく、別の情報です。2つの列をそれぞれ読むこと自体が、この体系の使い方になります。
この文献を読んだあと、何を見る？
次に開くガイドラインで、質のラベルと推奨の強さのラベルがどこに書かれているかを探してみてください。書かれていない場合、その空白も一つの情報です。
考えてみましょう
自分が普段の判断のよりどころにしている推奨は、質のラベルと強さのラベルのどちらに支えられているだろうか。
この患者にとって、その推奨が扱っている「望ましい効果」は、本人が望んでいることと同じだろうか。
答えを急ぐ必要はありません。次の臨床で、少し観察してみてください。
次に読むなら
- 臨床の問いによって、適した研究デザインは変わる 同じ問いを別方法で｜GRADEが「確信の度合いをどう伝えるか」を扱うのに対し、OCEBMは「どの問いにどのデザインが適するか」を整理します。同じエビデンス評価という課題を別の切り口から見ることで、デザイン名だけで質が決まらない理由が立体的になります。
原典・書誌情報
Guyatt GH, Oxman AD, Vist GE, et al. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008;336:924-926.
原典照合：大塚 久（原典照合＝AI・PMC全文（著者原稿HTML）・2026-08-17）／最終確認日：2026-08-17
確認状況：書誌確認・抄録確認・全文入手可・全文照合・主要数値確認・臨床Bridge確認