PubMed URL：　https://pubmed.ncbi.nlm.nih.gov/40230182/　　　　　

タイトル： Chronic kidney disease risk assessment: Findings from backward-looking study using annual health check-up data in Japan

＜概要（意訳）＞

1. 序論(Introduction)

高齢化社会において医療費への懸念が高まっている。

末期腎不全(ESKD)患者の血液透析は、高額な費用と継続的なケアの必要性により、医療予算の圧迫に大きく寄与している。

腎疾患(KD)は代謝障害や心血管疾患を加速させる一方、慢性腎臓病(CKD)は発症時から合併症リスクを増加させ、ESKDへ進行する前の段階でもその影響は大きい。

性別、年齢、喫煙習慣に加えて、メタボリックシンドローム(MetS)はKDにおいて重要な役割を果たすことが知られている。

臨床研究の多くは、症状がより明確で臨床現場でのデータ収集が容易なMetSの進行段階にあるKD患者に焦点を当ててきたが、効果的な早期介入を実施するためには、MetSの初期段階におけるKDのリスク因子を理解することも重要である。

 

早期発見・介入の必要性

CKDの兆候を示す患者を早期に特定し、特定健診を含む介入を行うことは、CKD発症を予防する上で極めて重要である。

CKDのステージは、eGFRまたは尿中アルブミン/クレアチニン比(UACR)によって決定される重症度に基づいて分類されており、特に疾患が進行した段階では腎障害が不可逆的となるため、早期介入が不可欠である。

MetSの定義と構成要素

MetSとは、生活習慣に関連する以下の4つの病態を指す:

肥満 – BMI、腹囲(WC)、内臓脂肪測定により診断

高血糖 – 糸球体血管損傷を引き起こし、腎濾過機能を低下させる

脂質異常症 – コレステロールとTGの上昇により血管壁への付着と動脈硬化に寄与

高血圧 – SBPで測定され、動脈硬化性変化を通じて腎障害に寄与

これらの因子は個別に、また相乗的にCKDリスクを増加させる。

研究の背景と必要性

年次健診を通じた腎機能の長期的変化を追跡する研究もあるが、多くは短期間の集中的検査に依存している。

さらに、MetSの診断基準は国によって異なり、CKD発症リスクは民族間で差があることが報告されている。

そのため、未だMetSを発症していない日本人の年次健診データを用いた、日本におけるKDメカニズムに関するさらなる研究が必要である。

 

本研究の目的

本研究は、健診データの分析を通じて日本人におけるMetS早期段階でのKDメカニズムに関する知見を得ることを目的とした。

目標は、人口アプローチとしての特定健診を通じて自治体の視点から、年次健診値に基づく高精度KD予測モデルを開発するための知識基盤を強化することであった。

また、以下の2つの交互作用を検証することで、MetS早期段階でのCKD発症メカニズムを解明することを目指した：

– 性別によってMetS因子の影響が異なるか（性別×MetS因子の交互作用）

– 肥満の有無によって他のMetS因子の影響が変わるか（肥満×他MetS因子の交互作用）

2. 方法(Methods)

2.1 データ

本研究は、国保データベース(KDB)を用いた後ろ向き研究としてデザインされた。

KDBには、自営業者、その家族、退職した成人の保険診療報酬請求データ(診断名と処方)および年次健康診断が含まれている。

CKD発症の定義

CKD発症は以下の2つのステージとして定義した:

• CKD発症：eGFR <60 mL/min/1.73m²
• ESKD発症：eGFR <15 mL/min/1.73m²

また、フォローアップ期間中に異なるCKDステージが発症する可能性を考慮し、以下の2つのシナリオを追加分析した:

• CKDステージ3b発症：eGFR <45 mL/min/1.73m²
• CKDステージ4発症：eGFR <30 mL/min/1.73m²

発症は、eGFRが各カットオフ値を初めて下回った時点と定義した。

 

研究対象者

佐賀県において2012年4月から2023年5月の間に少なくとも1回の健診を受けた40歳以上の被保険者191,408名のデータにアクセスし、観察期間中に2回以上のeGFR測定を受けた141,665名を本研究に含めた。

指標日は観察期間中に記録された初回健診の月と定義し、フォローアップ期間は観察期間内に記録された最終健診までの月数と定義した。

被験者は、初回健診前に各CKDステージのカットオフ値を満たしていた場合は除外され、ベースラインeGFR値に基づいて以下のように分類した:

• no-CKD (eGFR ≥60 mL/min/1.73m²)
• no-CKDステージ3b (eGFR ≥45 mL/min/1.73m²)
• no-CKDステージ4 (eGFR ≥30 mL/min/1.73m²)
• no-ESKD (eGFR ≥15 mL/min/1.73m²)

本研究はヘルシンキ宣言に従って実施され、多摩センター未来クリニック(承認番号2024002)の承認を得た。

2.2 モデル開発

統計ソフトウェアR (4.0.2)をデータ分析に使用した。

健診データ(eGFRを除く)の欠損値は、Expectation-Maximization with Bootstrappingアルゴリズムを用いた単一代入法により補完し、完全なデータセットを作成した。

予測変数の選択

MetS因子の予測変数として、ベースライン健診値に基づき以下を採用した:

• 肥満：BMI
• 高血糖：HbA1c
• 脂質異常症：TG
• 高血圧：SBP

これらは、肥満、高血糖、脂質異常症、高血圧という主要なMetSがすべてのCKDステージ発症に与える影響を評価するために選択された。

追加の予測変数として年齢と血清クレアチニン(SCr)を加えた。

モデルは性別ごとに別々に開発し、RのsurvivalパッケージでCox回帰分析を実施した。

 

生存時間の定義:

• 初回健診から各CKDステージ発症までの月数
• eGFRがカットオフ値を下回る月は線形補間で推定
• カットオフ値未達の場合は打ち切りとして処理

この方法により、ハザード比(HR)でMetS因子のリスクを評価した。

 

追加モデルによる検証

目的: 健診値を用いたCKD発症リスク評価の正確性を検証

検証方法（3つのモデル）:

1. 診断ベースモデル
   • 医療記録からの診断に基づくMetS因子
2. 検査値+薬剤ベースモデル
   • 検査値および薬剤使用に基づくMetS定義
3. 健診値ベースモデル（本研究の主要モデル）
   • 年次健診データのみ使用

データマッチング:

• 健診データと診療報酬請求データを統合
• マッチング枠：健診実施月とその前後1か月（計3か月間）
• 目的：参加者の健康状態傾向を適切に反映

追加変数（交絡因子の調整）

データマッチングにより、以下の重要な変数を解析に組み込みました：

1. 生活習慣

• 含まれる項目：飲酒習慣、喫煙習慣
• 臨床的意義：CKDリスクに影響する生活習慣要因を調整

2. 腎機能マーカー

• 含まれる項目：尿酸、尿蛋白レベル
• 臨床的意義：腎機能低下の早期指標として重要

3. 薬剤関連

• 含まれる項目：各種処方薬の使用状況
• 臨床的意義：
  • 基礎疾患の重症度を反映
  • 薬物療法による腎保護効果を評価
  • 特にSGLT2阻害薬、ARB、利尿薬などの影響を考慮

この手法の利点

1. 包括的な評価：健診データだけでは把握できない治療状況や生活習慣を含めた総合的なリスク評価が可能
2. バイアスの軽減：薬物治療による影響を適切に調整することで、MetS因子の真の影響を評価
3. 時間的整合性：3か月の時間枠により、健診時点の健康状態と医療介入の関連を適切に把握

 

CKD発症予測の検証

検証方法: 回帰分析

アウトカム: 3年後のeGFRレベル

予測変数: 各MetS因子

性別特異的モデル: 男女別々に作成

対象者の選定:

適格基準:

1. 複数の健診記録あり
2. 初回健診から3年後に健診記録あり
3. 3年後のeGFRが性別特異的平均の±3標準偏差内

最終サンプルサイズ:

• 男性：36,918名
• 女性：47,595名

2.3 モデル検証

CKDリスク予測モデルの評価には、3つの重要な統計指標を使用した。

1. ハザード比（HR）

• 意味：各変数（BMI、HbA1c、血圧など）がCKD発症リスクにどの程度影響するかを示す数値
• 評価方法：95%信頼区間とp値で統計的有意性を判定
• 解釈例：HR=1.156なら、その因子が1単位増加すると、CKDリスクが15.6%増加することを意味

2. 正規化ハザード比

• 意味：異なる単位の変数を標準化（標準偏差1単位あたり）して比較可能にした指標
• 評価方法：因子間の影響度の大きさを直接比較
• 解釈例：BMI（kg/m²単位）とHbA1c（%単位）など、異なる単位の因子の影響を公平に比較できる

3. C統計量

• 意味：モデル全体の予測精度（判別能力）を示す指標
• 評価基準：
  • 0.5 = 予測能力なし（コイン投げと同じ）
  • 0.7以上 = 臨床的に許容可能な精度
  • 0.8以上 = 優れた予測精度
  • 0.9以上 = 極めて高い予測精度

実践的な意味

これらの指標により、開発したCKD予測モデルが：

• どの因子が最も重要か（ハザード比）
• 因子間の相対的重要性（正規化HR）
• 全体としてどの程度正確に予測できるか（C統計量）

 

2.4 サブグループ分析

性別および内臓脂肪型肥満(VFO)の有無に基づくMetS因子のCKD発症への影響の違いを検討するため、サブグループ分析を実施した。

性別によるサブグループ

全サンプル(n=118,658)を女性(n=67,980)と男性(n=50,678)に分けて性別ベースのサブグループ分析を実施した。

VFOによるサブグループ

VFOの有無に基づくサブグループ分析では、健診時に測定された腹囲(WC)に基づいて個人をVFO陽性(WC:男性≥85 cm、女性≥90 cm)と陰性グループに分類し、各グループにおける高血糖、脂質異常症、高血圧のCKD発症リスクへの影響を評価した。

各サブグループのCox回帰からのHRを算出し、95%信頼区間(CI)およびWald検定によるp値に基づいて評価した。

3. 結果(Results)

3.1 健診データとCKDステージ発症

ベースラインでno-CKD (eGFR ≥60 mL/min/1.73m²)の118,658名およびno-ESKD (eGFR ≥15 mL/min/1.73m²)の141,526名から、平均73.5か月のフォローアップ期間中に、参加者1人あたり5.8回の健康診断を実施し、27,176名のCKD発症例と304名のESKD発症例を特定した

【表1の解説】CKD・ESKD発症のハザード比

主要な知見:

1. CKD発症グループ (eGFR <60 mL/min/1.73m²)
   • BMI: HR 1.013 (95% CI: 1.009-1.017) – BMIの増加はCKDリスクを増加
   • HbA1c: HR 1.156 (95% CI: 1.134-1.178) – 高血糖は最も強いリスク因子の一つ
   • TG: HR 1.139 (95% CI: 1.110-1.170) – 脂質異常症もリスク増加に寄与
   • SBP: HR 1.007 (95% CI: 1.006-1.008) – 高血圧もリスク因子
   • C統計量: 0.835 – 優れた予測精度
2. ESKD発症グループ (eGFR <15 mL/min/1.73m²)
   • BMI: HR 1.058 (95% CI: 1.022-1.094)
   • HbA1c: HR 1.402 (95% CI: 1.219-1.612) – より進行した段階でのリスクはさらに高い
   • TG: HR 1.789 (95% CI: 1.378-2.322) – 脂質異常症の影響がより顕著
   • SBP: HR 1.009 (95% CI: 1.003-1.016)
   • C統計量: 0.937 – 非常に高い予測精度

 

臨床的意義:

• すべてのMetS因子がCKDおよびESKDリスクを増加させることが明確に示された
• 疾患が進行するほど、MetS因子の影響がより顕著になる
• 正規化HRでも同様の傾向が観察され、標準偏差1単位あたりのリスク増加が確認された

【表2の解説】CKDステージ3b・4発症のハザード比

ベースラインでno-CKDステージ3b (eGFR ≥45 mL/min/1.73m²)の137,650名およびno-CKDステージ4 (eGFR ≥30 mL/min/1.73m²)の140,989名から、7,874名のCKDステージ3b発症例と1,726名のCKDステージ4発症例を特定した。

主要な知見:

1. CKDステージ3b発症 (eGFR <45 mL/min/1.73m²)
   • BMI: HR 1.022 (95% CI: 1.014-1.029)
   • HbA1c: HR 1.322 (95% CI: 1.282-1.364)
   • TG: HR 1.183 (95% CI: 1.125-1.244)
   • SBP: HR 1.012 (95% CI: 1.011-1.014)
   • C統計量: 0.906– 非常に高い予測精度
2. CKDステージ4発症 (eGFR <30 mL/min/1.73m²)
   • BMI: HR 1.022 (95% CI: 1.007-1.038)
   • HbA1c: HR 1.324 (95% CI: 1.244-1.410)
   • TG: HR 1.220 (95% CI: 1.095-1.359)
   • SBP: HR 1.017 (95% CI: 1.015-1.020)
   • C統計量: 0.942– 非常に高い予測精度

 

臨床的意義:

• 表1と表2の比較から、BMI、HbA1c、TGはCKDステージが進行するにつれてHRの増加がより強くなることが判明
• 日本では75歳以上の人口の40%以上がCKDステージ3a以上であり、ステージ3bおよびステージ4への進行を防ぐ早期介入が高齢者の健康プログラムにおいて極めて重要
• ステージ3bまたはステージ4への進行リスクが高い個人を特定する予測モデルの開発が可能

 

追加の健診項目とCKD発症

追加の健診項目は、CKD発症のHR増加を示した:

• 尿酸: HR 1.021
• 尿蛋白: HR 1.104
• 喫煙: HR 1.021

ESKD発症に対しては、より強い影響が見られた:

• 尿酸: HR 1.203
• 尿蛋白レベル: HR 2.316

これらの知見は、CKDリスクと尿蛋白(低下する腎機能を反映)および喫煙を結びつける先行報告と一致している。

男性では3年後のeGFRに対してHbA1c、TG、SBPが負の影響を示し、女性ではBMI、HbA1c、TG、SBPが負の影響を示した。

3.2 医療記録とCKDステージ発症

【表3の解説】医療記録に基づくMetS診断とCKD発症

MetS診断とCKD発症リスクの相関について、以下の疾患でHR増加が観察された:

• 高血圧: HR 1.149 (95% CI: 1.084-1.218)
• 高尿酸血症: HR 1.202 (95% CI: 1.140-1.268)
• 心疾患: HR 1.100 (95% CI: 1.037-1.167)

一方、脂質異常症ではHRの減少が認められた:

• 脂質異常症: HR 0.965 (95% CI: 0.938-0.991)

 

臨床的意義: この結果は、診断に基づくMetS定義では高血圧のみがCKDリスク増加と関連している一方、検査値と薬剤使用状況に基づく定義では、すべてのMetS因子がリスクを示すことを意味する。これは、検査値ベースの測定が診断ベースの定義よりもMetS影響をより正確に検出することを示唆している。

【表4の解説】健診値および処方情報に基づくMetS定義

健診値と薬剤使用状況に基づくMetS定義により、以下の因子がCKD発症リスク増加と関連することが確認された:

• 年齢: HR 1.073 (95% CI: 1.071-1.074)
• 内臓脂肪型肥満(VFO): HR 1.041 (95% CI: 1.014-1.068)
• 高血糖: HR 1.150 (95% CI: 1.115-1.186)
• 脂質異常症: HR 1.105 (95% CI: 1.078-1.133)
• 高血圧: HR 1.350 (95% CI: 1.315-1.386)
• SCr: HR 1,004,500 (95% CI: 840,620-1,200,328)

 

臨床的意義:

• 客観的な検査値を用いることで、疾患の発現が最小限の個人でもMetS因子によるCKDリスクを正確に評価できる
• 重度の疾患進行前にリスクの高い個人を早期に特定できる

 

薬剤とCKD発症

集約された薬剤変数でHRが増加:

• 糖尿病薬: HR 1.097
• 降圧薬: HR 1.146

個別の薬剤で増加したハザードは以下を含む:

• ビグアナイド: HR 1.196
• インスリン: HR 1.177
• ARB: HR 1.115
• 利尿薬: HR 1.438
• ベータ遮断薬: HR 1.286
• 血管拡張薬: HR 1.305

一方、SGLT2阻害薬はHRを減少させた:

• SGLT2阻害薬: HR 0.737

実診療への示唆: SGLT2阻害薬の保護効果は先行研究と一致しており、CKD進行リスクが高い患者への使用を支持する重要なエビデンスである。

3.3 変数間の交互作用

本研究では、性別やVFO（内臓脂肪型肥満）の有無によって、MetS因子のCKDリスクへの影響度が変わるかを検証した。

【図1の詳細解説】性別とMetS因子の交互作用

分析方法:
健診値と薬剤使用状況を用いたMetS定義によるサブグループ分析で、性別ごとのハザード比(HR)を比較した。

【図1の詳細解説】性別とMetS因子の交互作用

分析方法:
健診値と薬剤使用状況を用いたMetS定義によるサブグループ分析で、性別ごとのハザード比(HR)を比較した。

① 内臓脂肪型肥満(VFO)と性別の交互作用

ハザード比の結果:

女性のVFO影響: HR 1.067（95%信頼区間あり、p<0.05で統計的に有意）
→ 明確なCKDリスク増加を確認

男性のVFO影響: HR 1.023（p=0.23で統計的に有意ではない）
→ CKDリスク増加は認められず

性差の存在を確認:
VFOによるCKDリスク増加は、女性で有意だが男性では有意でない。

これは統計的交互作用が存在することを意味する。

メカニズムの解釈:

女性は一般的に体脂肪率が高いという体組成的特徴がある。

そのため、同じBMI値であっても女性の方が実際の体脂肪量が多くなる。

これにより内臓脂肪の蓄積がより顕著となり、結果としてCKDリスクが高くなると考えられる。

先行研究との整合性:
性別による体組成の違いがCKDリスクに影響することは、複数の疫学研究で報告されており、本研究の結果はこれらと一致している。

実践への示唆:

• 女性では特に腹囲(WC)管理が重要である
• 同じBMIでも女性の方がリスクが高いことを認識すべき
• 性別特異的なカットオフ値の設定を検討する価値がある

② 高血糖と性別の交互作用

ハザード比の結果:

男性の高血糖影響: HR 1.206
→ より強いCKDリスク増加を示した

女性の高血糖影響: HR 1.061
→ リスク増加はあるが、男性より小さい

性差の存在を確認:
高血糖によるCKDリスク増加は、男性で女性より約14%高い。

これも統計的交互作用が存在することを示している。

性差が生じるメカニズム:

この性差は以下のような段階的なメカニズムで説明できる。

Step 1: ホルモン環境の変化
男性は加齢とともにテストステロン欠乏症を発症しやすい。

これがインスリン感受性の低下を引き起こす。

Step 2: 血糖コントロールの悪化
インスリン抵抗性が増大することで、HbA1cが持続的に上昇し、糖尿病状態が長期化する。

Step 3: 腎障害の進行
慢性高血糖が持続すると、糸球体過剰濾過が起こり、最終的に糸球体硬化症へと進展する。これによりCKDリスクが増加する。

 

先行研究との整合性:
糖尿病の長期化がCKDリスクを増加させることは、DCCT/EDIC研究をはじめとする大規模臨床試験で確立されたエビデンスである。

実践への示唆:

• 男性ではHbA1c管理を最優先事項とすべきである
• 加齢男性のテストステロン値モニタリングも考慮に値する
• より厳格な血糖管理目標の設定を検討すべきである

③ 脂質異常症と性別の交互作用

ハザード比の結果:

男性の脂質異常症影響: HR 1.115
女性の脂質異常症影響: HR 1.078

両性でリスク増加を認める。男性でやや高い傾向があるが、統計的に有意な交互作用とは言えない程度の差である。

臨床的意義:

• 脂質異常症は性別に関わらずCKDリスク因子である
• 男女ともにTG（トリグリセライド）管理が重要
• 性別による介入戦略の大きな違いは不要

④ 高血圧と性別の交互作用

ハザード比の結果:

男性の高血圧影響: HR 1.372（強いリスク増加）
女性の高血圧影響: HR 1.284（強いリスク増加）

両性で強いリスク増加を認め、男性でやや高い傾向がある。

高血圧は性別に関わらず最も重要なCKDリスク因子の一つである。

臨床的意義:

• 高血圧管理はすべての患者で最優先課題である
• 男女ともに収縮期血圧(SBP)の厳格な管理が必要
• 降圧目標値の達成が腎保護に直結する

性別×MetS因子の交互作用：

本研究により、MetS因子と性別の間にCKD発症リスクにおける有意な統計的交互作用が確認された。

交互作用の臨床的意味:

統計的意味: 性別によってMetS因子のCKDリスクへの影響度が異なる

生物学的意味: 性別と代謝状態が組み合わさってリスクを修飾する

実践的意味: 性別を考慮した個別化介入が必要

主要な寄与因子の性差:

女性の場合、内臓脂肪型肥満(VFO)が主要リスク因子となる（HR 1.067で有意）。

一方、男性の場合は高血糖が主要リスク因子となる（HR 1.206で最も高い値）。

メカニズムの示唆:
性別と代謝状態が交互作用してCKDリスクを上昇させる。

これは、単純な足し算ではなく、掛け算的な効果があることを意味する。

【実践ポイント】性別を考慮した介入戦略

女性への介入優先順位:

1. 第一優先: 体重管理・腹囲管理（VFO対策）
2. 第二優先: 血糖・脂質・血圧管理
3. 総合的なMetS管理

男性への介入優先順位:

1. 第一優先: 血糖管理（HbA1c厳格コントロール）
2. 第二優先: 血圧管理
3. 第三優先: 体重・脂質管理

CKD予測モデル開発への示唆:

• 性別特異的なリスク因子を考慮すべき
• 性別ごとに異なる重み付けを設定
• パーソナライズド医療の実現に貢献

VFO(内臓脂肪型肥満)と他のMetS因子の交互作用

研究の背景

既存文献での議論:
肥満の影響について意見が分かれている。

1. 肥満独立説の立場:
   MetS状態に関係なく肥満はリスク因子であるとする考え方（Framingham研究など）
2. 代謝優位説の立場:
   代謝異常がBMIと独立してKDを誘発する可能性を示唆する考え方（CARDIA研究など）

本研究での検証:
BMIはすべてのCKDステージでHR増加を示したが、他のMetS因子（高血糖、脂質異常症、高血圧）がより優勢なCKD寄与因子として浮上した。

VFO有無別のMetS因子の影響

分析結果の詳細:

高血糖の影響:
VFO陽性群でHR 1.119、VFO陰性群でHR 1.186と、ほぼ類似した値を示した。

脂質異常症の影響:
VFO陽性群でHR 1.110、VFO陰性群でHR 1.098と、ほぼ類似した値を示した。

高血圧の影響:
VFO陽性群でHR 1.333、VFO陰性群でHR 1.341と、ほぼ類似した値を示した。

【重要な発見】統計的交互作用なし:

VFO（内臓脂肪型肥満）の有無にかかわらず、高血糖・脂質異常症・高血圧のCKDリスクへの影響は類似していた。

この結果が意味すること:

肥満がない状態（VFO陰性）であっても、高血糖・脂質異常・高血圧があればCKDリスクは同程度に増加する。

つまり、肥満による修飾効果（交互作用）は認められなかった。

臨床的意義の詳細解説

① 代謝異常と高血圧が肥満単独の影響を凌駕

重要な洞察:

従来の考え方では「肥満がCKDリスクを増加させる」と単純に捉えられていた。

しかし、本研究の発見により、代謝異常・高血圧の影響が肥満単独の影響を大きく上回ることが明らかになった。

これは、肥満がなくても代謝異常・高血圧があればリスクが高いことを意味する。

実例での理解:

例えばAさんというBMI 28の肥満の方がいて、代謝状態は正常だとする。

この場合CKDリスクは中等度である。

一方、BさんというBMI 22の標準体重の方がいて、高血糖と高血圧を持っているとする。この場合、Bさんの方がCKDリスクが高いのである。

つまり、Bさんは「痩せているから安心」というわけではない。これは臨床上、非常に重要な発見である。

② CKDリスク評価における複数MetS因子考慮の重要性

【実践ポイント】包括的評価の必要性

不十分なアプローチの例:
BMIだけをチェックして、正常であれば安心してしまう。

推奨されるアプローチ:
すべてのMetS因子を評価する。

具体的には、BMI + HbA1c + TG(トリグリセライド) + SBP(収縮期血圧)を総合的にリスク判定に用いる。

評価すべき4因子とその重要性:

肥満（測定指標: BMI、腹囲） – 重要度: 高い
体格と内臓脂肪の総合的な評価に使用する。

高血糖（測定指標: HbA1c） – 重要度: 非常に高い
糖代謝の長期的な状態を反映し、CKDリスクと強く関連する。

脂質異常（測定指標: TG） – 重要度: 非常に高い
脂質代謝異常の代表的指標であり、腎障害進行に影響する。

高血圧（測定指標: SBP） – 重要度: 最も高い
本研究で最もHRが高く、すべての患者で厳格な管理が必要。

③ 「痩せていても安心できない」というメッセージ

臨床現場でよくある誤解:

患者さんから「私は痩せているから大丈夫ですよね？」という質問を受けることがある。

しかし、本研究の知見によれば、痩せていても（VFO陰性でも）高血糖・脂質異常・高血圧があればCKDリスクは同程度に高いのである。

保健指導での活用:

• BMI正常でも安心させてはいけない
• 血糖・脂質・血圧の重要性を強調する必要がある
• 「見た目の肥満」だけでなく「代謝の健康」に注目すべきである

④ 多面的介入の必要性

効果的な介入戦略:

体重管理だけでは不十分である。

血糖管理、脂質管理、血圧管理をすべて同時に最適化する包括的アプローチが必要である。

優先順位の考え方:

第1位: 血圧管理
HRが最も高い値（1.333-1.341）を示しており、すべての患者で最優先課題となる。

第2位: 血糖管理
HRが高い値（1.119-1.186）を示しており、特に男性で重要である。

第3位: 脂質管理
HRの増加（1.098-1.110）が確認されており、無視できないリスク因子である。

第4位: 体重管理
他の因子と組み合わせることで効果を発揮する。単独では他因子ほど強い影響はない。

本研究の独自性

先行研究との違い:

対象者の違い:
先行研究は進行したMetS患者を対象としていたが、本研究は早期段階のMetSを対象とした。

評価項目の違い:
先行研究はCKD発症のみを評価していたが、本研究は複数のCKDステージを評価した。

交互作用の検討:
先行研究では限定的な検討にとどまっていたが、本研究では詳細な層別解析を実施した。

本研究の貢献:

• VFOと他MetS因子の交互作用を詳細に検証した
• 肥満の修飾効果がないことを実証した
• 代謝異常の独立した重要性を明確化した

まとめ：交互作用分析から得られた知見

3つの重要な発見:

発見1: 性別とMetS因子の交互作用

女性ではVFOが主要リスク因子となり、男性では高血糖が主要リスク因子となる。

このため、性別を考慮した介入戦略が必要である。

発見2: VFOと他MetS因子の交互作用

統計的交互作用は認められなかった。

つまり、肥満の有無に関わらず代謝異常がリスクを増加させる。

これは包括的評価の重要性を強調するものである。

発見3: 代謝異常の優位性

代謝異常・高血圧の影響が肥満単独の影響を上回る。

「痩せていても安心できない」ことが明確になり、多面的介入の必要性が示された。

実践への示唆:

これらの知見は、CKD予防戦略において、単一因子だけでなく複数のMetS因子を包括的に評価し、性別を考慮した個別化された介入を行うことの重要性を強く支持している。

特に重要なのは、「痩せているから安心」「肥満だから危険」という単純な二分法ではなく、各個人の代謝状態を総合的に評価することである。

BMI正常であっても高血糖・脂質異常・高血圧があればCKDリスクは高く、反対に肥満があっても代謝状態が良好であればリスクは相対的に低い可能性がある。

この理解に基づき、健康診断の結果を総合的に評価し、個々の患者に最適化された介入を提供することが、効果的なCKD予防につながると考えられる。

4. 考察(Discussion)

4.1 MetSとCKD/ESKD発症の関係

本研究は、自治体の観点からMetSの早期段階でのKDメカニズムに関する知見を得ることを目的とし、健診で測定された4つのMetS因子—BMI、TG、HbA1c、SBP—がCKD発症およびESKD発症のリスク増加と関連していることを実証した。

これらの知見は、これらの因子とCKD発症リスクの関係を同様に確立してきた先行研究と一致している。

年齢も各CKDステージの発症のリスク因子であることが確認され、これは先行研究と一致している。

さらに、SCr(モデルにコントロールとして含まれた)はHRの有意な増加と関連していた。これは、eGFRがSCrに基づいて計算されるため、生存時間との密接な関係によるものと考えられる。

 

中間ステージCKDにおけるMetS因子の影響

本研究は、MetS因子がCKDの中間ステージ、特にCKDステージ3bおよびステージ4でも腎機能障害と強く関連していることを示した。

さらに、表1と表2のHRの比較から、BMI、HbA1c、TGの増加がCKDステージの進行を促進することが明らかになった。

実践ポイント:

日本では75歳以上の人口の40%以上がCKDステージ3a以上であり、したがってCKDステージ3bおよびステージ4への進行を防ぐ早期介入が高齢者の健康プログラムにおいて極めて重要である。

これらの知見に基づいて、CKDステージ3bまたはステージ4への進行リスクが高い個人を特定するための予測モデルを開発することができる。

3年後のeGFR回帰係数は、男性のBMIを除くすべての変数、および女性のすべての変数で負の影響を示し、MetS因子が健診後数年にわたってKD進行に継続的に影響を与えることを確認した。

健診値と薬剤使用状況に基づくVFO(WCで測定)、高血糖、脂質異常症、高血圧のバイナリーMetS定義も、CKD発症リスクの上昇と関連していた。

 

薬剤の影響に関する考察

先行研究では、基礎病理学的状態と医療介入の影響を考慮するために、診断と薬剤使用状況を用いることが多く、糖尿病、高血糖、脂質異常症、高血圧、心不全の診断がCKD発症予測モデルに頻繁に組み込まれてきた。

薬剤分析では、SGLT2阻害薬を除き、糖尿病薬と降圧薬でCKDリスクが増加した。

これらの知見は、ARB、利尿薬、ビグアナイド、SGLT2阻害薬に関する先行研究と一致しており、予測モデルにおける薬剤変数が疾患重症度をコントロールするのに役立つことを示唆している。

本研究のデータは、尿酸および蛋白尿の上昇、喫煙、その他の健診パラメータでCKDおよびESKDリスクが増加することを確認した。

これらの知見は、CKDリスクと蛋白尿(腎機能低下を反映)および喫煙を結びつける先行報告と一致している。

【実践ポイント】エビデンスに基づく早期介入の重要性

本研究の結果は、MetS患者に関する既存の文献を支持し、以下を強調している:

1. 主要なMetS構成要素(肥満、高血糖、脂質異常症、高血圧)がすべてのCKDステージにわたってKDリスク増加に寄与すること
2. MetSを持つ個人の早期発見と介入がCKD発症の予防または遅延に役立つ重要性
3. 重度の基礎疾患を持つ患者のCKDリスクを軽減するため、薬剤効果を慎重に考慮する必要性

 

4.2 モデリングアプローチ

 

本研究では、年次健診値に基づくさまざまなステージでのCKD発症を予測するモデルのC統計量がすべて0.7を超えた。

この精度レベルは、月次フォローアップデータを用いて0.77のC統計量を達成した先行研究と同等である。

したがって、本研究のモデルは、頻度の低い健診データを使用しても先行研究と同様の精度を示し、予測モデルの頑健性を強化している。

 

診断ベースvs検査値ベースのMetS定義

診断ベースのMetS定義を使用した場合、高血圧のみがCKDリスク増加と関連していたが、健診値と薬剤使用状況を用いると、すべてのMetS因子でリスクが明らかになった。

これは、BMI、TG、HbA1c、SBPがCKDステージ全体で観察された影響と一致しており、検査値ベースの測定が診断ベースの定義よりもMetS影響をより正確に検出することを示唆している。

糖尿病と脂質異常症をCKD予測因子として特定した先行研究とは異なり、本研究ではMetS診断のみを用いた場合、リスク増加は認められなかった。

この不一致は、本研究が進行度の低いMetSを持つ個人を含んでいることに起因すると考えられる。

疾患の存在が必ずしも重症度を示すわけではなく、これは、より重度の発現に焦点を当てた先行研究とは異なる。

様々なMetS重症度にわたってCKDリスクを評価する場合、疾患発現の考慮が不可欠である。

 

アルブミン尿の欠如と今後の展望

先行研究とは異なり、本研究の分析には、日常的な健診データにアルブミン尿測定が含まれていなかった。

これは、確立された腎機能マーカーであるアルブミン尿を組み込むことで予測力を高めることができることを示唆しており、今後のCKDモデルはこの測定を含めるべきである。

本研究の結果は、年次健診データがMetS因子のCKD発症リスクへの寄与を捉える信頼できる情報源であることを示している。

診断ではなく客観的な検査値を採用することで、疾患の発現が最小限の個人でもMetS因子によるCKD発症リスクを正確に評価できるだけでなく、重度の疾患進行が起こる前にリスクの高い個人を早期に特定することができる。

4.3 CKD発症リスクにおけるMetS因子に対する性差

VFOの影響によるHR増加は女性でより顕著であり、3年後のeGFR係数は男性のBMIを除くすべての変数で負の影響を示した。

これは、肥満による女性のCKDリスクが高いことを示唆しており、体組成の性差によって説明できる可能性が高い。

女性は一般的に体脂肪率が高く、同じBMIでも女性の方が体脂肪が多いため、CKDリスクが高くなる。

逆に、高血糖は男性でCKDリスクをより有意に増加させた。

この性差は糖尿病状態の持続期間に関連する可能性があり、男性は加齢とともにテストステロン欠乏症になりやすく、HbA1cの持続的上昇につながる。

報告によれば、糖尿病の長期化はCKDリスクを増加させるため、男性は慢性高血糖による腎障害を受けやすい可能性がある。

性別とCKD発症リスクの交互作用

本研究では、MetS因子と性別の間にCKD発症リスクにおける有意な交互作用を特定した。女性ではVFO、男性では高血糖が主要な寄与因子として浮上し、性別と代謝状態が相互作用してCKDリスクを上昇させるメカニズムを示唆している。

したがって、CKD予測モデルを開発する際には、性別特異的なリスク因子を考慮すべきである。

4.4 VFOと他のMetS因子のCKD発症リスクにおける交互作用

BMIはすべてのCKDステージでHR増加を示したが、他のMetS因子がより優勢なCKD寄与因子として浮上した。

文献では肥満の影響について意見が分かれており、一部の研究ではMetS状態に関係なくリスク因子としているが、他の研究では代謝異常がBMIと独立してKDを誘発する可能性を示唆している。

本研究の分析では、代謝異常と高血圧が肥満単独の影響を凌駕する可能性があることが示され、CKDリスク評価における複数のMetS因子の考慮の重要性を強調している。

 

4.5 研究の限界

本研究はMetSの早期段階でのKDメカニズムに関する知見を提供するが、いくつかの限界が存在する:

1. 一般化可能性の限界: KDBは地方自治体により管理されており、日本の人口よりも高齢者の割合が高いため、日本人口全体への一般化可能性は限られる可能性がある
2. 定義の問題: 本研究では、3か月の枠内で診療報酬請求データとマッチングした初回健診データを使用し、この枠外の診療報酬請求データは分析から除外された。また、観察期間中に健診を受けなかった者を含めることができなかった
3. バイアスの可能性: 健康状態に注意を払わない可能性がある者が含まれておらず、脱落バイアスや選択バイアスが発生した可能性があり、結果の過大評価につながる可能性がある
4. 時間依存変数の未使用: 時間依存変数を使用しなかったため、不死期間バイアスおよび保証期間バイアスが生じる可能性がある。ただし、人口アプローチとしての特定健診の観点から、SHG受診者は通常、単年度の健診結果に基づいて選択されるため、本研究では初回健診結果のみを用いた生存分析を実施した
5. COVID-19の影響: データの制限により、COVID-19が腎機能に与える影響を評価できなかった。パンデミックが始まった2020年度のKDBでは関連する診療報酬請求が検出不可能であり、COVID-19感染により腎機能が損なわれた個人が含まれている可能性がある

5. 結論(Conclusion)

CKDは、効果的なリスク評価のためにMetS因子の包括的評価を必要とする多面的な病態である。

本研究は以下を明らかにした:

1. MetS因子がすべてのCKDステージにわたってKDに一貫して影響すること
2. 軽度または未診断のMetSを持つ個人でも、年次健診データを利用してCKD発症リスクを評価することが有効であること
3. 性別によるリスクの違いに関する知見は、MetSとCKD進行の複雑な相互作用に関する新たな洞察を提供すること

これらの結果は、個別化された早期介入戦略とリスク評価モデルの開発に重要な意義を持ち、日本の健診システムの枠組み内でのCKD予防を強化する可能性がある。

今後の研究への示唆

今後の研究では、以下を目指すべきである:

• これらの知見を多様な集団で検証すること
• リスク評価モデルに基づく早期介入の長期的影響を探索すること
• 複数のCKDステージを考慮したリスク評価アプローチの臨床実装を進めること

 

【実践ポイント】超高齢社会における糖尿病ケアへの示唆

本研究は、人口高齢化が急速に進む日本において、SGLT2阻害薬とGLP-1受容体作動薬の処方率が新たなエビデンスに従って着実に増加していることを示した。

本研究の知見は、今後の超高齢社会時代における糖尿病ケアに貴重な洞察を提供する可能性がある。