※小説ではない※専門書 要約資料集 為替(換算)3.9万円でもらう 紐解集生成 専門 初入門 資料 作：｛作者名｝
> 学問の宇宙・生命の惑星群 第1章(続の続の続の続の続の続の続の続の続の続の続の続の続)。
> トーン規約: GAKUMON_UNIVERSE.md準拠。専門用語は初出で必ず説明する。
> 重要注記: 本冊は学問の読み物であり、**流行の予測を行うための手引きではない**。実際の対策は、公的機関が最新の情報と専門的判断に基づいて決定するものである。
> 数値注記: 本冊の再生産数・期間などの数値は**考え方を示すための代表値**である。実際の値は病原体・集団・時代・対策の有無によって大きく変わる。
> 第10冊が設計、第11冊が偏り、第12冊が数の扱い、第13冊が判断を扱った。**本冊は「先を読む」を扱い、これで関門二(開発に入れる)が閉じる。**
> **語の衝突についての断り**: 「モデル」を裸では使わない。蔵書で「モデル」に近い一般語(「グラフ」「決定性」など)は分野をまたいで水準が大きく割れており、同じ札を立てると別の概念と混ざる。本冊では一貫して**数理モデル**と書く。
---
----------------------------------------ΩΩΩ あっ流れ星！
# BOOK-0011n 衛生学 — その式はどこから来たのか 第14冊
> 学問の宇宙・生命の惑星群 第1章(続の続の続の続の続の続の続の続の続の続の続の続の続)。
> トーン規約: GAKUMON_UNIVERSE.md準拠。専門用語は初出で必ず説明する。
> 重要注記: 本冊は学問の読み物であり、**流行の予測を行うための手引きではない**。実際の対策は、公的機関が最新の情報と専門的判断に基づいて決定するものである。
> 数値注記: 本冊の再生産数・期間などの数値は**考え方を示すための代表値**である。実際の値は病原体・集団・時代・対策の有無によって大きく変わる。
> 第10冊が設計、第11冊が偏り、第12冊が数の扱い、第13冊が判断を扱った。**本冊は「先を読む」を扱い、これで関門二(開発に入れる)が閉じる。**
> **語の衝突についての断り**: 「モデル」を裸では使わない。蔵書で「モデル」に近い一般語(「グラフ」「決定性」など)は分野をまたいで水準が大きく割れており、同じ札を立てると別の概念と混ざる。本冊では一貫して**数理モデル**と書く。
---
## 入口の物語 — 第2冊の式には、出どころが書いていなかった
第2冊で、次の式を出した。
```
集団免疫閾値 = 1 − 1/R₀
麻疹は R₀ ≈ 15 なので、1 − 1/15 ≈ 0.933 → **約93%**
```
そして第2冊は、**この式がどこから来たのかを書かなかった。** 結論だけを渡して、導出を先送りにした。
**なぜ93%なのか。** なぜ90%では足りないのか。なぜ「R₀ が大きいほど高い割合が要る」のか。**そして、この式はいつ成り立たないのか。**
十二冊を挟んで、いま返す。
> **この式は、たった二行の掛け算から出る。** そして二行しかないということは、**置いた前提もごく少ない**ということである。
> **前提が少ない式は、外れやすい。** だから本冊は、式を導いたあとで**前提を一つずつ数え直す**。
第12冊で「統計は何を言っていないかを覚えるほうが役に立つ」と書いた。**数理モデルについては、もっと強く言える。**
> **数理モデルは予言をしない。** 「置いた前提のもとでは、こうなる」しか言わない。
> **だから読むときは、結論より前提を見る。**
> **一. 数理モデルは何をする道具なのか。** ——**前提と結論の距離**。
> **二. 人を何に分けるのか。** ——**区画モデルとSIR**。
> **三. R₀ は何で決まるのか。** ——**接触率×感染確率×期間**。
> **四. なぜ 1 − 1/R₀ なのか。** ——**閾値定理**。
> **五. 流行はどんな形になるのか。** ——**流行曲線と最終規模**。
> **六. 平均で考えると何が隠れるのか。** ——**スーパースプレッディング**。
---
## 第一章: 数理モデルは何をする道具か
### 定義と、役目
**数理モデル(すうりモデル、mathematical model、水準三: 現実の仕組みのうち大事だと考えた部分だけを、数と式の関係として書き表したもの)**。
「大事だと考えた部分だけ」が要点である。**モデルは現実の縮小版ではなく、現実の一部を切り取った別物である。**
役目は三つある。
```
一. **前提の帰結を計算する** … 「R₀が3なら何%が免疫を持てば止まるか」
二. **前提の矛盾を見つける** … 「その仮定だと感染者が人口を超える」
三. **どの手が効くかを比べる** … 「接触を半分にするのと期間を半分にするのは同じか」
```
**三つとも「前提を与えたうえで」の話である。** 前提が現実と違えば、答えも違う。
### 二つの作り方
**決定論的モデル(けっていろんてきモデル、deterministic model、水準五: 同じ前提から同じ答えが必ず出る形の数理モデル。人を割合として連続量で扱う)**。
**確率的モデル(かくりつてきモデル、stochastic model、水準五: 偶然の要素を含み、同じ前提から走らせるたびに違う答えが出る形の数理モデル。人を一人ずつ数える)**。
**使い分けの目安がある。**
```
人数が多い → 決定論的でよい。偶然のばらつきは平均に埋もれる
人数が少ない → **確率的でなければならない**
```
理由は単純である。**決定論的モデルでは、感染者が「0.3人」になる。** そして0.3人は次の人にうつす。**現実では、0.3人はいない**——0人なら流行は終わり、1人なら続く。**流行の始まりと終わりでは、この違いが結果を左右する。**
> **「対策で感染者が0.4人になったので終息する」という計算は、決定論的モデルの数え方の産物である。**
> 終息するかどうかは、**確率の問題**になる。
---
## 第二章: 人を三つの箱に分ける
### 区画モデル
**区画モデル(くかくモデル、compartmental model、水準四: 集団を、感染症に対する状態ごとのいくつかの箱に分け、箱から箱へ人が移る流れとして流行を表す数理モデル)**。
いちばん単純な形は、箱が三つである。
**感受性者(かんじゅせいしゃ、susceptible、水準三: まだ感染しておらず、感染しうる人)**。
**感染者(かんせんしゃ、infectious、水準三: 感染していて、他の人にうつしうる人)**。
**回復者(かいふくしゃ、removed、recovered、水準三: 回復して免疫を得た人、あるいは死亡した人。いずれにせよ、もう感染もうつしもしない人)**。
**SIRモデル(SIRモデル、SIR model、水準五: 集団を感受性者〈S〉・感染者〈I〉・回復者〈R〉の三つに分け、S→I→R の一方向の流れだけを考える区画モデル)**。
```
S(感受性者) ──感染──▶ I(感染者) ──回復/死亡──▶ R(回復者)
▲ 戻る矢印が無い = **一度免疫を得たら二度と感受性者に戻らない**という前提
```
### 矢印が二本しかないということ
**この図の単純さが、そのまま前提の一覧になっている。**
```
S から I への矢印一本 … 感染経路は一つ。誰から誰へも同じ確率でうつる(**均一混合**)
I から R への矢印一本 … 回復したら免疫が続く。再感染しない
R から S への矢印が無い … 免疫は減衰しない
外から入る矢印が無い … 人口は出入りしない(短期の流行を見るとき)
箱が三つだけ … 潜伏期・無症状・重症の区別がない
```
**均一混合(きんいつこんごう、homogeneous mixing、水準五: 集団の誰と誰の接触も、同じ確率で起こると仮定すること)**。
**これは明らかに現実と違う。** 人は家族と多く、隣の県の人とはほとんど接触しない。**にもかかわらずSIRが使われるのは、簡単な式で「だいたいの形」が出るからである。**
> **前提が現実と違うことは、モデルが無意味であることを意味しない。**
> **意味するのは、「どこまで信じてよいかの範囲が決まる」ということである。**
### 箱を増やす
前提が現実と違うなら、**箱を増やして近づける。**
**SEIRモデル(SEIRモデル、SEIR model、水準五: SIRの間に「曝露済みだがまだうつさない」状態の箱を足し、S→E→I→R とした区画モデル)**。
**曝露済み(ばくろずみ、exposed、水準四: 感染したが、まだ他の人にうつす状態には至っていない人)**。
```
S ──▶ E ──▶ I ──▶ R
▲
この箱の滞在時間が**潜伏期間**(第10冊で定義済み)にあたる
```
**この箱一つで、流行の形が変わる。** E に滞在する時間があると、**流行の立ち上がりが遅くなり、ピークが後ろにずれる。** 同じ R₀ でも曲線の形が違う——**R₀ は「何人にうつすか」であって「いつうつすか」は含んでいない。**
他にも足せる箱がある。
```
無症状の箱 … うつすが気づかれない → 接触追跡が効きにくい
隔離の箱 … 見つかって隔離された → 感染性期間が実質的に短くなる
R→S の矢印 … **免疫が減衰する** → 流行が繰り返す(季節性)
出生と死亡の矢印 … 長期を見るとき。新しい感受性者が供給され続ける
```
**最後の一つが、麻疹のような病気で流行が周期的に戻ってくる理由である。** 接種率が閾値を下回ったままだと、**子どもが生まれるたびに感受性者が増え、数年ごとに流行が起きる。**
> **箱を増やすほど現実に近づき、必要な数値も増え、確かめにくくなる。**
> **箱の数は「現実への近さ」と「確かめられるか」の取引である。** 十個の箱に二十の数値が要るなら、
> その二十を全部どこから取ってきたのかが問われる。
---
## 第三章: R₀ は何で決まるのか
### 三つの掛け算
**基本再生産数**(第2冊で定義済み)は、**一人の感染者が、全員が感受性者である集団の中で平均して何人にうつすか**を表す。
そして**三つの量の掛け算で決まる。**
```
R₀ = 接触率 × 一回の接触でうつる確率 × 感染性のある期間
```
**接触率(せっしょくりつ、contact rate、水準四: 一人が単位時間あたりに接触する人数)**。
**感染性期間(かんせんせいきかん、infectious period、水準四: 感染者が他の人にうつしうる状態でいる期間の長さ)**。
### 検算 — 対策はどこに効くのか
**この形が対策の設計に直結する。** 三つの量に、それぞれ対応する手がある。
```
R₀ = 10(回/日) × 0.05(うつる確率) × 6(日) = **3.0**
■ 接触を半分にする → 5 × 0.05 × 6 = **1.5**
■ うつる確率を半分にする → 10 × 0.025 × 6 = **1.5**
■ 期間を半分にする → 10 × 0.05 × 3 = **1.5**
```
**三つとも同じ効果になる。** 掛け算なので、どの因子を半分にしても結果は半分である。
> **だから「どの対策が効くか」は、モデルからは決まらない。**
> **決めるのは、どの因子をどれだけ動かせるか(実行できるか)と、その費用である。**
>
> 接触を半分にするのは社会的な費用が大きい。うつる確率を下げる(マスク・手洗い・換気——第2冊)は安いが効きに限りがある。期間を短くする(早期発見と隔離——第4冊)には検査と体制が要る。**どれも「モデルの外」の話である。**
### R₀ は病原体の性質ではない
よくある誤解を潰す。
> **R₀ は「その病原体の数値」ではない。** 三つの因子のうち**二つは集団の性質**である。
> 同じ病原体でも、人口密度・生活様式・季節・年齢構成が違えば R₀ は違う。
>
> だから**「この感染症の R₀ は 3 である」という言い方は、厳密には不完全**で、「どの集団で、いつ測った値か」が要る。
---
## 第四章: 閾値定理 — 1 − 1/R₀ はこう出る
### 感受性者が減ると、実際の伝播は落ちる
R₀ は「全員が感受性者なら」の値である。**流行が進むと感受性者は減る**ので、実際にうつる人数は減っていく。
**実効再生産数(じっこうさいせいさんすう、effective reproduction number、Rt、水準四: ある時点で、一人の感染者が実際に平均して何人にうつすか。免疫を持つ人がいる状態での値)**。
**関係は、掛け算一つである。**
```
Rt = R₀ × s （s = その時点で感受性者が占める割合）
```
**なぜ掛け算なのか。** 接触する相手のうち、割合 s だけが感受性者だからである。残りに接触しても、うつらない。
### 導出 — 二行
流行が縮小に向かう条件は、**一人が一人未満にうつすこと**である。
```
一行目: Rt < 1 すなわち R₀ × s < 1 ⟺ s < 1 / R₀
二行目: 免疫を持つ人の割合を p とすると s = 1 − p なので
1 − p < 1 / R₀ ⟺ **p > 1 − 1/R₀**
```
**これが第2冊の式である。** 二行しかない。
**閾値定理(しきいちていり、threshold theorem、水準五: 感受性者の割合が 1/R₀ を下回ると、一人の感染者が平均して一人未満にうつすようになり、流行は拡大から縮小へ転じる、という定理)**。
**集団免疫閾値(しゅうだんめんえききいち、herd immunity threshold、水準四: 流行が拡大しなくなるために、集団の中で免疫を持つ人が占めていなければならない最小の割合。1 − 1/R₀ で表される)**。
### 検算
```
R₀ = 2 → p > 1 − 1/2 = 0.50 → **50%**
R₀ = 3 → p > 1 − 1/3 ≈ 0.667 → **約67%**
R₀ = 5 → p > 1 − 1/5 = 0.80 → **80%**
R₀ = 15 → p > 1 − 1/15 ≈ 0.933 → **約93%**(麻疹)
R₀ = 18 → p > 1 − 1/18 ≈ 0.944 → **約94%**
```
**R₀ が大きくなるほど必要な割合は上がるが、上がり方は鈍る。** R₀ を2から3にすると17ポイント上がるのに、15から18にしても1ポイントしか上がらない。**1/R₀ が小さくなるほど、変化も小さくなるからである。**
> **麻疹の接種率が「95%」を目標に置かれることが多いのは、この計算に余裕を足した値である。**
> 93%が閾値なら、**ぎりぎりを狙うと、少しの偏りで下回る。**
### ワクチンが100%効かないとき — 実務で要る修正
上の式は「免疫を持つ人の割合」についての条件である。**しかしワクチンを打った人の全員が免疫を得るわけではない。**
**ワクチン効果(ワクチンこうか、vaccine efficacy、VE、水準四: ワクチンを打った人のうち、実際に免疫が得られた割合。あるいは、接種によって感染や発症の危険がどれだけ減ったかの割合)**。
**接種率(せっしゅりつ、vaccination coverage、水準三: 対象となる集団のうち、ワクチンを接種した人が占める割合)**。
すると、**免疫を持つ人の割合 = 接種率 × ワクチン効果** になる。必要な接種率は次のように出る。
```
接種率 × VE > 1 − 1/R₀
**必要な接種率 > (1 − 1/R₀) ÷ VE**
```
### 検算 — なぜ「95%」が目標になるのか
麻疹(R₀ ≈ 15、閾値 93.3%)で計算する。
```
VE = 100% なら 0.933 ÷ 1.00 = **93.3%**
VE = 95% なら 0.933 ÷ 0.95 = **98.2%**
VE = 90% なら 0.933 ÷ 0.90 = **103.7%** → **100%を超える**
```
**三行目が重い。** VE が90%なら、**全員に一回打っても閾値に届かない。**
> **だから麻疹のワクチンは二回接種が標準になっている。** 一回の VE が約95%でも、二回打てば約99%に上がるので、
> 接種率 0.933 ÷ 0.99 ≈ **94.3%** で届く。**「95%を目標に」という数字は、ここから出ている。**
**この計算は、対策の可能・不可能を分ける。**
```
VE が低い感染症では、**どれだけ接種率を上げても集団免疫に到達できない。**
その場合の目標は「流行を止める」ではなく「重症化を防ぐ」に変わる——
**同じワクチンでも、目指すものが変わる。**
```
### ここに隠れている前提
**この二行の導出には、前提が四つ入っている。** 導出が短いぶん、どこに入ったかが追いやすい。
```
一. **均一混合** … 免疫を持つ人が集団に均等に散らばっている
二. **免疫が続く** … 一度免疫を得たら失わない
三. **免疫が完全** … 免疫を持つ人は絶対にうつらず、うつさない
四. **R₀ が一定** … 季節・行動・変異で変わらない
```
**一つ目がいちばん効く。** 全体で93%が免疫を持っていても、**ある地域や集団だけ50%なら、そこでは流行が起こる。**
> **集団免疫閾値は、集団全体の平均についての条件である。**
> **平均が満たされていても、偏りがあれば局所的な流行は止まらない。**
> これは第11冊の生態学的誤謬と同じ形の注意である——**集団についての条件を、部分にそのまま当てはめてはいけない。**
---
## 第五章: 流行の形
### 曲線の読み方
**流行曲線(りゅうこうきょくせん、epidemic curve、水準三: 時間を横軸、新しく発生した感染者の数を縦軸に取って描いた図)**。
SIRモデルから出る曲線には、決まった形がある。
```
感染者数
▲
│ ╱‾╲ ← **ピーク**: Rt = 1 になった時点
│ ╱ ╲ (感受性者の割合が 1/R₀ を切った瞬間)
│ ╱ ╲__
│ ╱ ‾‾‾──
└────────────────────────▶ 時間
```
**ピーク(peak、水準三: 流行曲線が最も高くなる時点。新しい感染者の数が増加から減少へ転じる点)**。
**ピークは「対策が効き始めた時点」ではない。** **感受性者が減って Rt が1を切った時点**である。**何もしなくてもピークは来る。**
> **この区別は対策の評価で決定的である。** 対策を始めた直後にピークが来ても、
> **それが対策の効果なのか、感受性者が減りきったからなのかは、ピークだけでは分けられない。**
> 分けるには、感受性者の残りを別に測る必要がある(第七章の血清疫学調査)。
### 最終規模 — 全員は感染しない
**最終規模(さいしゅうきぼ、final size、水準五: 流行が終わるまでに、集団のうち何割が感染したかの合計)**。
**直感に反する事実がある。**
> **流行は、感受性者がゼロになる前に終わる。**
理由は閾値定理そのものである。**Rt が1を切った後も流行は続くが縮小していき、感受性者が残った状態で終わる。** R₀ = 3 なら最終規模は約94%、R₀ = 2 なら約80%——**閾値(67%、50%)よりずっと多いが、100%ではない。**
**閾値と最終規模を混同しないこと。**
```
集団免疫閾値 … **流行が拡大しなくなる**点(ピークの位置)
最終規模 … **流行が終わったときの**累積(ピークを過ぎてからも増える)
```
### 倍加時間
流行の初期は、感受性者がまだほとんど減っていないので **Rt ≈ R₀** で、感染者数はほぼ指数関数的に増える。
**倍加時間(ばいかじかん、doubling time、水準四: 感染者数が二倍になるまでにかかる時間)**。
```
感染者が 3日で2倍になるなら
3日後 2倍
6日後 4倍
9日後 8倍
30日後 2^10 = **約1,024倍**
```
**一か月で千倍である。** 指数関数の増え方は、日々の増加を見ていると小さく見えるので、**倍加時間という一つの数で持つほうが判断を誤りにくい。**
**世代時間(せだいじかん、generation time、水準四: ある人が感染してから、その人が次の人を感染させるまでの平均の時間)**も似た役目を持つが、**測れるのは発症の間隔である**ことが多い。
**発症間隔(はっしょうかんかく、serial interval、水準五: 感染させた人の発症日から、感染した人の発症日までの間隔)**。
> **世代時間は感染の時刻、発症間隔は発症の時刻で測る。** 感染の時刻は観察できないので、**実務では発症間隔を世代時間の代わりに使う。**
> **代わりに使っているという事実は、報告に残す。** 二つは同じではない。
---
## 第六章: 平均で考えると隠れるもの
### 同じ R₀ でも形が違う
R₀ は**平均**である。そして平均が同じでも、**ばらつきが違えば流行の形が変わる。**
**スーパースプレッディング(superspreading、水準五: 少数の感染者が、平均よりはるかに多くの人に感染させる現象)**。
**過剰分散(かじょうぶんさん、overdispersion、水準六: 一人あたりが感染させる人数のばらつきが、平均だけから予想される以上に大きいこと)**。
検算で違いを見る。**R₀ = 3 を二通りに作る。**
```
■ 均一な場合 100人の感染者 → 全員が3人ずつにうつす
→ 300人。**安定して増える**
■ 偏った場合 100人の感染者 → 90人が0人、10人が30人ずつ
→ 300人。**R₀は同じ3.0**
```
**合計は同じ300人だが、起きることが違う。**
```
均一な場合 … 一人が入ってくれば、ほぼ確実に流行が始まる
偏った場合 … 一人が入っても、**9割の確率で何も起きずに消える**
しかし残りの1割では、一気に30人に広がる
```
> **偏りが大きいと、流行は「起きないか、爆発するか」の二択に近づく。**
> **平均だけを見ていると、この二択が見えない。**
### 対策の向きも変わる
**過剰分散が大きいなら、対策の設計が変わる。**
```
均一なら … 全員の接触を一律に減らす手が効率的
偏っていれば … **多くの人にうつす場面を狙って潰す**手のほうが効率的
(密集・密閉・長時間の場を避ける、など)
```
**そして「誰が多くうつすか」は事前には分からないことが多い。** 分かるのは**場面**のほうである——だから対策は人ではなく場面に向けられる。
---
## 第七章: モデルが外れるとき
### 外れる理由を五つに分ける
数理モデルの予測が外れたとき、**理由を分けて考える。** 混ぜると学べない。
```
一. **前提が現実と違った** … 均一混合でなかった、免疫が減衰した
二. **入れた数値が違った** … R₀ や感染性期間の見積りが外れた
三. **人が行動を変えた** … 予測を見て接触を減らした(**予測が自分を外す**)
四. **病原体が変わった** … 変異で R₀ や重症度が変わった
五. **測り方が変わった** … 検査数が増えて見える数が増えた(第11冊の検出バイアス)
```
**三つ目が数理モデルに固有の難しさである。**
> **感染症のモデルは、その予測が人の行動を変えるので、当たると外れる。**
> 「対策しなければ十万人」という予測を見て人が対策すれば、十万人にはならない。
> **そして「外れた」と言われる。**
>
> だから報告は「こうなる」ではなく「**この前提のままならこうなる**」と書く。
> **前提を書かない予測は、後から検証できない。**
### いちばん違う前提を、どう直すのか
第二章で挙げた前提のうち、**現実といちばん違うのは均一混合である。** 人は相手を選んで接触する。
**接触行列(せっしょくぎょうれつ、contact matrix、水準六: 年齢や集団の区分どうしの間で、一人あたりどれだけ接触があるかを表にまとめたもの)**。
```
相手が 0-14歳 15-64歳 65歳以上
本人 0-14歳 **多い** 中 少
本人 15-64歳 中 **多い** 中
本人 65歳以上 少 中 中
```
**対角線が濃くなる**のが実際の形である——同年代どうしの接触が多い。**これを測るには、人々に「昨日誰と何分会ったか」を記録してもらう調査が要る。**
接触行列を入れると、**集団免疫閾値の計算も変わる。**
> **接触の多い集団に優先して接種すれば、全体の接種率が閾値より低くても流行を止められることがある。**
> 逆に——**接触の多い集団だけ接種率が低ければ、全体が閾値を超えていても止まらない。**
>
> これが第四章で「一つ目の前提がいちばん効く」と書いたことの中身である。**均一混合を捨てると、「何%」という一つの数では答えが出なくなり、「誰の何%か」になる。**
### 数値はどこから来るのか
モデルには数値が要る。**その数値の出どころが、モデルの信用の大半を決める。**
**校正(こうせい、calibration、fitting、水準五: モデルが出す数と、実際に観察された数がよく合うように、モデルの中の数値を選び直すこと)**。
**ここに罠が二つある。**
**一つ目——**よく合うことは、正しいことではない。
```
箱を増やし数値を増やせば、**どんな観測にでも合わせられる。**
そして合わせたモデルは、**次の期間を当てられない**ことが多い。
```
第12冊で決定係数について書いたことと同じである——**当てはまりの良さは、予測の良さではない。**
**二つ目——**合わせるのに使ったデータで、合っていることを確かめてはいけない。
> **前半で合わせて、後半で確かめる。** これが最低限の作法である。
> 全期間で合わせて「よく合った」と言う報告は、**何も検証していない。**
### 一つの数で答えない
校正した数値には、必ず幅がある。**その幅は、予測の幅として出さなければならない。**
**予測区間(よそくくかん、prediction interval、水準五: モデルの数値の不確かさを反映させて、将来の値がこの範囲に入ると見込まれる幅)**。
```
✗ 「一か月後に一万人」
✓ 「一か月後に三千〜三万人(この前提と、この数値の幅のもとで)」
```
**幅が一桁に及ぶことは珍しくない。** そして**幅を出すと「役に立たない」と言われる**ことがある。
> **しかし一つの数で出せば、その数が外れたときに「モデルは当たらない」と言われる。**
> **幅で出せば、幅の中に入ったかどうかで評価できる。** 第12冊の「p値より区間」とまったく同じ話である。
### モデルを確かめる道具
モデルの前提を確かめるには、**モデルの外から測った数**が要る。
**血清疫学調査(けっせいえきがくちょうさ、serological survey、seroprevalence survey、水準四: 集団から採った血液の抗体を調べて、これまでに何割の人が感染したかを推定する調査)**。
**これが最終規模と直接比べられる数である。** 報告された感染者数は検査の届いた分しか含まないが、抗体は**気づかれなかった感染も拾う。**
```
報告された感染者 人口の 5%
抗体を持つ人 人口の 25%
→ **報告は実際の5分の1しか捕まえていなかった**
```
**この比を知ると、報告数から実際の規模を推し量れる**ようになる。第13冊の言葉で言えば、**血清疫学調査が基準検査の役目をしている。**
### 前提を書くという作法
本冊の結論は、道具の使い方より作法の話になる。
> **数理モデルの報告に必ず要るもの:**
>
> 一. **置いた前提の一覧**(均一混合か / 免疫は続くか / 行動変化を入れたか)
> 二. **使った数値とその出どころ**(R₀ はどの集団のどの時点の推定か)
> 三. **前提を変えたらどう動くか**(第11冊の**感度分析**がここでも効く)
> 四. **何を予測していないか**(「この数は死亡数ではなく報告数である」など)
>
> **四つ目がいちばん抜ける。** そして四つ目が抜けた報告は、必ず読み違えられる。
---
## 第八章: 商談と査読の席で何を訊くか
第13冊までで五十三になった問いに、五つを足す。
> **問い五十四: その R₀ は、どの集団のどの時点で測った値か。** ——R₀ は病原体の性質ではない。三つの因子のうち二つは集団の性質である。
>
> **問い五十五: 集団免疫閾値を満たしているとき、その免疫は均等に散らばっているか。** ——全体で93%でも、ある集団だけ50%ならそこで流行が起こる。閾値は平均についての条件である。
>
> **問い五十六: それは閾値の話か、最終規模の話か。** ——R₀=3 なら閾値は67%だが最終規模は約94%。ピークの位置と、終わったときの累積は別の数である。
>
> **問い五十七: 過剰分散を入れているか。** ——R₀ が同じでも偏りが大きければ「起きないか爆発するか」の二択に近づき、対策の向きも変わる(人ではなく場面を狙う)。
>
> **問い五十八: この予測は、人の行動が変わらないことを前提にしているか。** ——感染症のモデルは、当たると外れる。「こうなる」ではなく「この前提のままならこうなる」か。
**商談の問いは、これで五十八になった。**
---
## 次に待っている風景 — 関門二が閉じた
**第10冊から本冊までの五冊で、関門二(開発に入れる)が閉じる。**
```
第10冊 誰を見るか … 設計を選び、罹患率を数え、打ち切りを扱い、くじの意味を知る
第11冊 なぜ外れるか … 偏りと交絡を分け、絵に描き、五つの道具で取り除く
第12冊 どう数えるか … 区間と検定、回帰、生存時間、多重性
第13冊 どう判断するか … 尤度比とベイズ、カットオフ、スクリーニングの害
第14冊 どう先を読むか … 区画モデル、閾値定理、そして**前提を書く作法**
```
**この五冊を通すと、次のことができるようになる。**
- 論文の設計名を見て、何が言えて何が言えないかを即座に分けられる
- 「調整した」の一覧を見て、中間変数や合流点が混じっていないかを指摘できる
- 「有意差あり」を見たら区間と効果量を訊き、「有意差なし」を見たら区間の端を訊ける
- 「精度99%」を見たら、感度・特異度か的中率かを訊き、尤度比を求められる
- 集団免疫閾値・最終規模・実効再生産数を自分で計算し、**その式に入っている前提を数え上げられる**
> **五冊を通じて繰り返したことが一つある。**
> **「一つの数にまとめる道具は、まとめてよい形であることを先に確かめる」**——
> 効果修飾があるのに全体の値を出さない(第11冊)、比例ハザードが破れているのに一つのハザード比を出さない(第12冊)、異質性が大きいのにメタアナリシスで統合しない(第12冊)、偏りが大きいのに R₀ だけを見ない(本冊)。
> **どれも同じ注意の、別の姿である。**
**次に待っているのは関門三(研究が読める)である。**
> 制度と対象別の衛生(母子・学校・栄養・行政・国際)を経て、フロンティアの層へ——
> **医療関連感染の実務・AMR・ゲノム疫学・ワクチン学・One Health・因果推論・気候変動・パンデミック準備。**
>
> そして本冊が何度も指さした先が、**第37冊(因果推論)**である。
> 第11冊の「未測定交絡があるとは言えない」、第12冊の「回帰だけでは届かない」、本冊の「前提を書く」——
> **三つとも、同じ一つの問いに向かっている。観察したデータから、どこまで因果を言えるのか。**
---
## 章末: 先を読む道具の階段図
```
何が言えるようになるか ────────────────────────────────────────────
形が読める ┤ **過剰分散** … 平均が同じでも偏りが違えば流行の形が変わる。
│ 「起きないか爆発するか」の二択に近づく。
│ **対策は人ではなく場面に向ける**
│ ▲
│ スーパースプレッディング
│ ▲
推移が読める┤ **流行曲線・最終規模** … ピークは対策が効いた時点ではなく、
│ **Rtが1を切った時点**。
│ **閾値(67%)と最終規模(94%)は別の数**
│ ▲
│ 倍加時間・世代時間・発症間隔
│ ▲
条件が出せる┤ **閾値定理** … Rt = R₀ × s から二行で
│ **p > 1 − 1/R₀**。麻疹 R₀=15 で約93%。
│ **導出が短いぶん、前提も四つに数えられる**
│ ▲
│ 実効再生産数・集団免疫閾値
│ ▲
分解できる ┤ **R₀ の三因子** … 接触率 × うつる確率 × 期間。
│ **どれを半分にしても効果は同じ**——
│ だから何を選ぶかはモデルの外で決まる
│ ▲
│ 接触率・感染性期間
│ ▲
形にできる ┤ **区画モデル(SIR)** … S→I→R の矢印二本。
│ **矢印の少なさが、そのまま前提の一覧になる**
│ ▲
道具を知る ┤ **数理モデル** … 現実の一部を切り取った別物。
│ **予言はしない。前提の帰結を計算する**
```
**横の広がり(同じ層にある姉妹の考え):**
```
作り方の二つ: 決定論的(人数が多いとき) ←(0.3人が居るか)→ 確率的(始まりと終わり)
二つの数 : 集団免疫閾値(ピークの位置) ←(混同しない)→ 最終規模(終わったときの累積)
時間の二つ : 世代時間(感染の時刻・測れない) ←(代用する)→ 発症間隔(発症の時刻・測れる)
確かめる : モデルの中の最終規模 ←(突き合わせる)→ 血清疫学調査(モデルの外の数)
外れる理由 : 前提 / 数値 / **行動変化(当たると外れる)** / 変異 / 測り方
```
**現在のフロンティア(年号つき):**
- **1927年**にケルマックとマッケンドリックが示した区画モデルと閾値の議論が、現在の SIR の骨格になっている。**百年前の二本の矢印が、いまも使われている。**
- **実効再生産数の推定**は現在も方法論が更新されている。報告の遅れ・検査数の変化・発症間隔の分布をどう扱うかで、同じデータから違う値が出る——**第11冊の「測り方で外れる」がそのまま効く領域である。**
- **過剰分散**の重要性は繰り返し指摘されており、「平均だけでは流行の形が決まらない」ことは現在の標準的な理解になっている。
- フロンティアは**行動変化を内側に入れたモデル**である。人が予測を見て行動を変えるなら、その反応もモデルに含めなければならない——**しかし人の反応を予測することは、感染の予測よりずっと難しい。** ここは**第40冊(パンデミック準備と対応)**へ続く。
**次の一手 ─────▶** 関門二は閉じた。次は第四部(制度と対象別の衛生)か、第五部のフロンティアへ進む。**どちらへ向かうかは、何を先に必要とするかで決める。**
---
## 参照文献(定番教科書・一般書)
1. Anderson RM, May RM, *Infectious Diseases of Humans: Dynamics and Control* — 区画モデル・R₀・閾値定理の標準的記述。
2. Keeling MJ, Rohani P, *Modeling Infectious Diseases in Humans and Animals* — 決定論的モデルと確率的モデルの使い分け、最終規模の計算。
3. Kermack WO, McKendrick AG (1927) — 区画モデルと閾値の原典的記述。
4. Vynnycky E, White RG, *An Introduction to Infectious Disease Modelling* — 実効再生産数・世代時間・発症間隔の実務的な扱い。
5. Lloyd-Smith JO et al., 過剰分散とスーパースプレッディングに関する方法論論文分野 — 平均だけでは流行の形が決まらないことの整理。
6. Halloran ME et al., ワクチン効果の評価に関する方法論文献分野 — 集団免疫閾値と接種率の関係の実務的扱い。
7. 血清疫学調査の方法に関する公的機関の技術文書分野 — 抗体保有率から感染規模を推定する枠組み。
---
(本冊子は現代学問宇宙図鑑シリーズ BOOK-0011n(衛生学 第14冊)。第10冊が設計、第11冊が偏りと交絡、第12冊が数の扱い、第13冊が判断、本冊が予測を扱い、**この五冊で関門二〈開発に入れる〉が閉じる**。GAKUMON_UNIVERSE.md 進捗台帳を参照。)
# BOOK-0011n 衛生学 — その式はどこから来たのか 第14冊
----------------------------------------ΩΩΩ あっ流れ星！