腰痛を訴えて来院した患者のうち、数週間で回復する人と、半年後も痛みを抱えたままになる人では、何が違うのでしょうか。画像所見だけでは予測できないことは、Brinjikjiら（2015年、AJNR）の無症候性画像所見レビューが示した通りです。近年の疼痛研究は、慢性化リスクの予測において「心理社会的要因」が強力な変数になりえると報告しており、治療家がその評価をどう臨床に組み込むかが問われています。しかし「心理社会的要因を評価せよ」と言われても、具体的にどのツールで、何を予測しようとしているのかが明確でなければ、問診の形式が増えるだけです。本記事では、腰痛の慢性化リスクスクリーニングを目的として開発された代表的な2つのツール、STarT Back Screening Tool（以下STarT Back）とÖrebro筋骨格系疼痛スクリーニング質問票（Örebro Musculoskeletal Pain Screening Questionnaire、以下Örebro MPSQ）に焦点を当て、それぞれの予測妥当性研究が何を示し、臨床にどう読み替えるかを整理します。
慢性化リスクを「可視化」する——心理社会的スクリーニングの背景
腰痛の慢性化や長期休業リスクを高める心理社会的要因は、1990年代からの大規模コホート研究によって徐々に明らかにされてきました。仕事への不満・痛みへの恐怖回避思考・破局的思考・うつ・身体化傾向などが「イエローフラッグ」として体系的に整理され、Kendall、Linton、Mainによる1997年のニュージーランド・ガイドブック（以下「Kendallら1997年」）はその代表的な集成です。このガイドブックは、急性腰痛の段階でイエローフラッグを同定し、早期介入を検討することで長期慢性化を防ぐ可能性を論じました。
しかし、イエローフラッグの「概念リスト」と「臨床で使えるスクリーニングツール」の間には大きなギャップがありました。何十項目もの評価を初診で実施することは現実的ではなく、短時間で実施でき、かつ予後を予測できるツールが求められるようになります。この流れの中で登場したのが、STarT BackとÖrebro MPSQです。両ツールはともに「慢性化リスクの高い患者を早期に同定し、その後の介入戦略を層別化する」という同じ目的を持ちながら、開発背景・項目数・想定場面・予測の仕組みが異なります。
生物心理社会モデルの臨床応用という観点から考えると、スクリーニングツールが担う役割は「診断」ではなく「予後予測」です。特定のスコアが高い患者を病理的に分類するのではなく、より集中した介入が必要かもしれないという「事前確率の更新」として機能します。この点は、ツールの解釈において極めて重要な前提です。
図1: 急性腰痛の慢性化リスクを高める主なイエローフラッグのカテゴリ（Kendallら1997年のガイドラインを参考に作成）
これらのイエローフラッグを臨床で効率よく評価するために、各研究グループが短縮版の質問票開発に取り組みました。その成果として生まれたのが、以下に述べるSTarT BackとÖrebro MPSQです。
STarT Backツールの開発と構造——Hill ら（2008年）の検証研究
STarT Back Screening Tool は、英国プライマリケア環境での腰痛患者に対し、再発・慢性化リスクに基づいた「層別化ケア」を実現するために開発されました。Hillら（2008年、Arthritis Care & Research）は、ベースラインとなるツール開発・妥当性検証の論文を発表しています。
ツールの構成と採点方法
STarT Back は全9項目で構成され、0〜9点のスコアに変換されます。各項目は「そう思う（1点）/そう思わない（0点）」という二択形式です。9項目のうち項目5〜9の5項目が「心理社会的サブスケール」を構成しており、この5項目のスコアが重要なリスク分類の鍵になります。
分類ロジックは次のとおりです。総スコアが0〜3点の場合は低リスク。総スコアが4点以上であっても心理社会的サブスケールが0〜3点（4点未満）の場合は中リスク。心理社会的サブスケールが4点以上の場合は高リスクと判定されます。つまり同じ総スコア5点でも、心理社会的要因の高さによって中リスクと高リスクに分かれるという、二段階の判定構造を持っています。
Hillら（2008年）の研究では、プライマリケアを受診した腰痛患者を対象に、STarT Backスコアと6ヵ月後の機能障害スコア（Oswestry Disability Index、ODI）の関連を分析しました。研究の結果、3つのリスク群間で6ヵ月後の機能障害に有意な差が認められ、感度・特異度ともに一定の水準を示したと報告されています。特に高リスク群では、心理的要因（破局化・恐怖回避・うつ傾向）が機能障害の持続に大きく関与していることが示唆されました。
内的妥当性の検討
Hillらは、この9項目ツールが既存の長尺版評価票（TSK恐怖回避尺度、PHQ-2うつスクリーニング等）と相関していることも示しています。短い質問票で多面的な心理社会的因子を効率よく拾えるように設計されており、プライマリケアの初診時に2〜3分で実施できる点が最大の特徴です。
ただし、開発段階の研究は内部妥当性の検証にとどまりやすく、外部妥当性（別の集団や医療環境での再現性）については別途検証が必要です。この点については後述する比較研究の節で論じます。
図2: STarT Back 9項目の構成と3リスク群への分類ロジック（Hillら2008年を参考に作成）
Hillら（2008年）の研究設計における重要な特徴の一つは、ツールの予測対象を「痛みの有無」ではなく「機能障害の持続」に設定したことです。治療家の臨床的関心とも一致しており、痛みが残っても日常生活機能が維持されているかどうかを重視するという考え方は、現代の疼痛リハビリテーションの方向性と整合しています。
層別化ケアの有効性——STarT Back 無作為化比較試験（Hill ら 2011年、The Lancet）
STarT Backツールそのものの妥当性を示したのが上述の2008年論文ですが、このツールを実際に臨床で使うことが患者アウトカムを改善するかどうかは別問題です。この問いに正面から答えたのが、Hillら（2011年、The Lancet）の無作為化比較試験（RCT）です。
研究デザイン
この試験はイギリスのプライマリケア（一般家庭医）を受診した腰痛患者851名を対象としました。参加者はSTarT Backスコアに基づいた「層別化ケア群」と「通常ケア群（best current practice）」に1:1でランダムに割り付けられました。層別化ケア群では、低リスク患者には少ない介入（1〜2回の理学療法セッション＋教育）、中リスク患者には機能改善を中心とした理学療法（最大6回）、高リスク患者には心理的に知見を取り入れた理学療法（psychologically-informed physiotherapy、最大6回）が提供されました。通常ケア群の理学療法士は、同期間に同様の介入メニューを学んでいたものの、STarT Backのスコアを用いた層別化は行いませんでした。
主要アウトカムと結果
主要アウトカムは12ヵ月後のODI（機能障害指標）スコアの変化量でした。副次アウトカムには6ヵ月後のODI、腰痛特異的QOL尺度（Roland-Morris Disability Questionnaire）、痛みの強度（NRS）、心理的ウェルビーイング（SF-12）が含まれました。
結果として、層別化ケア群は通常ケア群に比べ、12ヵ月後のODI改善が統計的に有意に大きく（調整済み平均差 -1.81点、95%CI: -2.93〜-0.70）、さらに1名あたりの質調整生存年（QALY）あたりのコストは層別化ケア群の方が低いことも示されました。つまり、STarT Backを用いた層別化は、単に「合理的そう」なだけでなく、実際に患者アウトカムを改善し、かつ費用対効果にも優れていたということです。
試験の限界と解釈の注意点
この試験は、STarT Backの「ツールとしての予測妥当性」と「層別化戦略全体の有効性」の両方を同時に検証しているため、「どちらが効いたのか」という問いへの答えが難しいという構造的な課題を持ちます。高リスク群に対する心理的に知見を取り入れた理学療法は、STarT Backなしでも有効かもしれません。また、介入の効果量は中程度であり、絶対的な差は小さいという点も見落とせません。さらに、英国プライマリケアという特定の医療環境での研究であるため、日本の整骨院・鍼灸院・PT外来等への直接的な一般化には慎重さが求められます。
図3: STarT Back RCT の研究デザイン（Hill ら 2011年、The Lancet を参考に作成）
Hillら（2011年）のLancet論文が広く引用される理由は、ツールの臨床的意義を示しただけでなく、「層別化ケア」という概念が腰痛管理のパラダイムを変え得ることを大規模RCTで証明した点にあります。以降、欧米のプライマリケア腰痛ガイドラインの多くが、スクリーニングによる層別化を推奨する方向へ動き始めました。
Örebro筋骨格系疼痛スクリーニング質問票の予測妥当性——Linton と Boersma（2003年）の検証
STarT Backよりも早い時期から臨床研究で使われてきたのが、Örebro筋骨格系疼痛スクリーニング質問票（Örebro Musculoskeletal Pain Screening Questionnaire、MPSQ）です。スウェーデンの心理学者スティーヴン・リントン（Steven J. Linton）らが開発したこの質問票は、主に「長期的な就労困難・長期休業リスク」の予測を目的として設計されました。
開発の経緯と構成
Örebro MPSQは66項目版（オリジナル）と25項目版が存在し、疼痛の強度・機能障害・睡眠・職場への態度・心理的要因（恐怖回避・カタストロファイジング・うつ）など複数のドメインを網羅します。100点満点（高得点ほどリスク高）のスコアを算出し、一般的なカットオフ値として105点（スウェーデン版・12週以上の休業リスク境界）が用いられることがありますが、医療環境によって推奨カットオフは異なります。
Linton と Boersma（2003年、The Clinical Journal of Pain）の研究では、急性〜亜急性腰痛患者（発症後6ヵ月以内）を対象に、Örebro MPSQのベースラインスコアが6ヵ月後の長期病欠・慢性障害を予測できるかどうかを検証しました。この研究は、Örebro MPSQの予測妥当性を体系的に示した代表的な論文として広く引用されています。
予測妥当性の結果
Linton と Boersma（2003年）は、Örebro MPSQスコアが6ヵ月後の長期病欠・慢性障害の有意な予測因子であることを示しました。ロジスティック回帰分析において、Örebro MPSQは長期転帰の分散の相当部分を説明し、他の予測因子（年齢・性別・痛みの強度単独）に対して付加的な予測力を持つことが報告されています。ROC曲線下面積（AUC）は中程度〜良好な範囲（0.70〜0.80付近）を示したとされており、単一の臨床指標としては十分な予測精度といえます。
特筆すべきは、Örebro MPSQが痛みの強度だけでなく、仕事関連要因（仕事の要求度・職場サポート・復職見通し）を明示的に含んでいる点です。これは、就労可能年齢の腰痛患者において職場復帰を主要目標とする産業保健・職域リハビリテーション場面での強みになります。
図4: Örebro MPSQ（25項目版）の主要ドメイン構成（Linton・Boersma 2003年を参考に作成）
Örebro MPSQの強みは、多面的な心理社会的要因を網羅している点にあります。一方で、25項目版でも完全実施に5〜10分程度かかるため、多忙なプライマリケア場面よりも、職域健康管理・作業療法・疼痛専門外来など「少し時間をかけて評価できる環境」で活きやすいツールです。
STarT BackとÖrebro MPSQの相補的な関係
STarT Backが「3リスク群への迅速な分類と直後の介入選択」を目的とするのに対し、Örebro MPSQは「慢性化・長期就労困難リスクのより詳細な把握」を目的としています。前者はプライマリケアの初診フローに組み込みやすく、後者は詳細評価フェーズや職域リハビリテーション場面に向いています。どちらが「優れている」かという二択ではなく、患者の状況・医療環境・目的によって使い分けることが、現在の研究知見から導かれる実際的な結論です。
両ツールの予測精度——方法論的比較と限界
感度・特異度・AUCで読む予測妥当性
予測妥当性の評価指標として、感度（慢性化する患者を正しく「高リスク」と判定する確率）・特異度（慢性化しない患者を正しく「低リスク」と判定する確率）・AUC（ROC曲線下面積）が用いられます。
Linton（2000年、Spine）のレビューでは、心理社会的スクリーニングツール全般の予測精度はAUC 0.65〜0.80程度の範囲に分布することが多く、「中程度から良好」な予測力を示すことが示されています。この水準は、単独の疼痛指標（NRS、ODIなど）に比べて優れているものの、個人レベルでの確実な予後予測には十分ではなく、「集団レベルでのリスク推定」としての活用が適切です。
STarT BackのAUCについては、Hill ら（2008年）の開発研究で0.77〜0.83の範囲が報告されており、Örebro MPSQでもLinton と Boersma（2003年）が類似した水準を示しています。ただし、これらは発表されたときの研究集団での数値であり、異なる集団（例：アジア人・高齢者・症状期間の異なる患者）では性能が変わる可能性に注意が必要です。
予測妥当性研究に共通するバイアスの問題
予測ツールの研究には、以下のような方法論的バイアスが入り込みやすいことが指摘されています。
第一に「開発コホートでの過剰適合（overfitting）」の問題があります。同じデータでモデル開発と評価を行うと、性能が過大評価されます。外部検証（独立したコホートでの再現性確認）が実施されていない場合、報告された精度値を鵜呑みにすることは危険です。
第二に「リクルート時点の選択バイアス」です。プライマリケアを受診した患者が対象になる場合、受診行動自体がすでに一定のリスク特性と相関している可能性があり、地域在住の腰痛非受診者には同じ予測精度が当てはまらないかもしれません。
第三に、「追跡脱落のバイアス」です。12ヵ月後まで追跡できた患者と途中脱落した患者の間で特性差がある場合、長期転帰の予測精度は実際より高く報告される傾向があります。
これらのバイアスは、STarT BackもÖrebro MPSQも例外ではありません。したがって、「このスコアが高ければ必ず慢性化する」という確定的な解釈は過剰であり、確率論的なリスクフラグとして使うことが適切です。
図5: STarT BackとÖrebro MPSQの予測精度概念図（ROC曲線・AUC）
図6: STarT Back と Örebro MPSQ の特性比較
両ツールの比較から見えてくるのは、「どちらを使うか」という二択ではなく、スクリーニングの目的と実施環境に応じて選択するという視点です。短時間での初期トリアージにはSTarT Backが、詳細なリスクプロファイリングや就労支援を目標とする場面にはÖrebro MPSQが適しています。
臨床への示唆——スクリーニングを「使いこなす」ための視点
スクリーニング結果は「治療対象」ではなく「情報」として使う
心理社会的スクリーニングツールのスコアは、それ自体が治療の直接ターゲットになるものではありません。STarT Backで高リスクと判定された患者に対して「あなたは心理的問題があります」と伝えることは、治療的ではなく、むしろ恐怖回避思考や不安を強化するリスクがあります。スコアは「この患者には、機能的アプローチだけでは不十分かもしれない」という臨床判断の補助情報として位置付けるのが適切です。
Hill ら（2011年）のRCTでも、層別化ケア群の高リスク患者への介入は、心理士による正式な心理療法ではなく、「心理的に知見を取り入れた理学療法士によるセッション」でした。つまり、スコアに基づいて理学療法士・柔道整復師・鍼灸師が自分のアプローチに心理社会的な視点を加味することが、研究で有効性を示した介入の実態に近いのです。
スクリーニングと問診の統合
STarT Backの9項目は、問診票形式で患者に記入してもらう方法が最も実際的です。初診時に受付で記入してもらい、スコアを計算して面接の前に把握しておくことで、会話の焦点を定めやすくなります。高スコアであれば「最近、痛みのことが頭から離れない感じはありますか」「仕事や日常のことで気になっていることはありますか」といった開かれた問いが自然に導けます。
一方、Örebro MPSQは職域リハビリテーション場面や、作業療法士・社会福祉士が関与する多職種チームでの活用が現実的です。職場復帰を具体的な目標とする患者では、25項目の詳細な回答から職場環境・仕事の需要・本人の復職見通しを系統的に把握することで、関係機関との連携に役立つ情報が得られます。
「高リスク」でも慢性化しない患者がいる——スコアの過信を避ける
AUC 0.75〜0.80という数値は「かなりの確率で当たる」ように聞こえますが、個人レベルではFPR（偽陽性率、実際には慢性化しないのに高リスクと判定される割合）も相当数存在します。高リスクと判定されながら数週間で完全回復する患者も多くいます。スクリーニングスコアで患者を「見切る」ことは、研究の意図とも臨床倫理とも相反します。スコアは介入の密度を調整する道具であり、回復見通しそのものを左右するものではありません。
これは、Linton（2000年）のレビューでも繰り返し指摘された点であり、「スクリーニング≠診断」という原則は、研究者・臨床家の共通認識として定着しています。特に治癒可能性の断定や「あなたの慢性化確率は〇%です」という数値的な伝達は、患者の自己効力感を損なう可能性があり、避けるべき伝え方です。
ツール使用に際しての文化的・言語的配慮
STarT BackとÖrebro MPSQはともに欧米（主に英語圏・北欧）で開発され、心理社会的要因の表現が文化的文脈に依存している面があります。たとえば「仕事への不満」の評価は、日本の職場文化（我慢・自己犠牲の美徳・上下関係）の中では、欧米と同じ質問文が同じ意味を持たない可能性があります。日本語版の標準化・文化的妥当性を確認した研究は限定的であり、これらのツールを日本の臨床に導入する際は、翻訳・文化的妥当性の検証が先行している版を使用することが望ましいと言えます。
図7: 臨床場面でのスクリーニング活用フロー（STarT Backを主軸として）
このフローで重要なのは、リスク分類後の介入が「型どおりのプロトコル」ではなく、患者との対話を通じて調整されるという点です。スクリーニングは会話の起点であり、そのスコアで治療内容が機械的に決まるわけではありません。
まとめ
STarT BackとÖrebro MPSQは、腰痛患者の慢性化リスクを心理社会的観点からスクリーニングする代表的なツールです。Hillら（2008年）はSTarT Backの9項目構成と3リスク群分類の妥当性を示し、Hillら（2011年、Lancet）の大規模RCTはこのスクリーニングを用いた層別化ケアが機能障害の改善と費用対効果の向上をもたらすことを証明しました。Linton と Boersma（2003年）はÖrebro MPSQが長期休業・慢性障害リスクの有意な予測因子であることを示し、仕事関連要因まで含む多面的な評価ツールとしての位置付けを確立しました。
両ツールの予測精度はAUC 0.70〜0.83程度であり、集団レベルでのリスク識別には有用ですが、個人レベルでの確実な予後予測には限界があります。バイアスの問題・外部妥当性・文化的配慮といった方法論的課題にも目を向けながら、スクリーニングツールを「診断」ではなく「臨床判断の補助情報」として使いこなすことが、現在の研究知見から導かれる最も誠実な結論です。
心理社会的要因の評価を「問診で聞いて終わり」にしないために、このようなツールを初診フローや問診票に組み込む工夫は、治療家のアセスメント精度を高め、患者との会話の質を豊かにする可能性があります。ツールは手段であり、最終的に大切なのは、そのスコアを介して患者の経験に丁寧に目を向けることのできる臨床家の姿勢です。
参考文献
- Hill JC, Dunn KM, Lewis M, et al. (2008). A primary care back pain screening tool: identifying patient subgroups for initial treatment. Arthritis & Rheumatism (Arthritis Care & Research), 59(5), 632–641.
- Hill JC, Whitehurst DG, Lewis M, et al. (2011). Comparison of stratified primary care management for low back pain with current best practice (STarT Back): a randomised controlled trial. The Lancet, 378(9802), 1560–1571.
- Linton SJ, Boersma K. (2003). Early identification of patients at risk of developing a persistent back problem: the predictive validity of the Örebro Musculoskeletal Pain Questionnaire. The Clinical Journal of Pain, 19(2), 80–86.
- Linton SJ. (2000). A review of psychological risk factors in back and neck pain. Spine, 25(9), 1148–1156.
- Kendall NAS, Linton SJ, Main CJ. (1997). Guide to Assessing Psychosocial Yellow Flags in Acute Low Back Pain: Risk Factors for Long-Term Disability and Work Loss. Accident Rehabilitation and Compensation Insurance Corporation of New Zealand and the National Health Committee, Wellington.