
投球障害の「発生率」だけに囚われていませんか?プロ野球投手を守る新時代の「負傷負荷」予測モデルの構築
アスレティックトレーナー(AT)やスポーツ現場の医療従事者にとって、選手のケガを未然に防ぎ、チームの戦力を維持することは最も重要なミッションの一つです。特に野球における投手の肩・肘の障害は、一度発生すると長期離脱や手術に繋がることが多く、チームが良いシーズンを送る上で、大きな課題となっています。
従来、スポーツ医学や現場のデータ管理では「1000アスレティック・エクスポージャー(AE:練習や試合への参加回数)あたり何件のケガが発生したか」という「障害発生率」に焦点が当てられてきました。しかし、これだけでは「そのケガがどれほど深刻なのか」「具体的に何日間チームを離脱することになるのか」という「重症度」や「時間損失」の視点が抜け落ちてしまいます。たとえば、肩の負傷と肘の負傷の発生率が同じであったとしても、肘の負傷による離脱日数は肩の6倍以上に達することが報告されています。
つまり従来の単一のリスク因子(関節可動域の制限など)を個別に評価して「リスクがある」と判定するだけの手法では、軽微なケガと選手生命に関わる深刻なケガを同列に扱ってしまうというエラーが起こりがちでした。
今回ご紹介する論文『Development of an Injury Burden Prediction Model in Professional Baseball Pitchers(プロ野球投手における負傷負荷予測モデルの開発)』は、このような課題に一石を投じる画期的な研究です。本研究は変化させることができない要素(非変更性因子)と、アプローチによって改善できる要素(変更性因子)を統合し、投手が1シーズンに「合計何日間、腕のケガで離脱するか」という「負傷負荷(発生率×重症度)」を具体的な日数として予測する統計モデルを開発しました。
この知見はチームに所属するアスレティックトレーナーが限られた時間とリソース(予算や人員)をどの選手に割り当てるべきかという意思決定の一助になると思います。データに基づいた効果的、かつ効率的なコンディショニング戦略を構築するためにも、この論文はとても役に立つでしょう。
論文のメソッド:7年間にわたるMLB投手の追跡調査
この論文は2013年から2019年までの7シーズンにわたり、某MLBチーム傘下のマイナーリーグ(MiLB)に所属する投手297名を対象とした研究です。
1) データの測定と収集項目
毎年の春季キャンプの開始時に、専門的なトレーニングを受け、テストをクリアした理学療法士たちが、投手のフィジカルチェックを選手の利き腕を知らされない状態、いわゆるブラインドテストで行いました。
肩関節可動域: 肩関節の外旋、内旋、水平内転を測定。外旋と内旋の数値を合計した「総可動域」も算出されました。
上腕骨の回旋制限・ねじれ: 超音波エコーを用いて正確に測定されました。
シーズン中の負荷のデータ: シーズン中の総投球数や登板回数が記録されました。
その他の因子: 年齢、BMI、投手としての役割(先発 vs リリーフ)、プロでのキャリア年数、個別の障害予防プログラムの有無、下肢や体幹のケガの既往歴、出身などが詳細に記されました。
2) 負傷負荷の定義
本研究における「投球腕(肩・肘・前腕)のケガ」は、チームのアクティビティ中に発生した腱、靭帯、神経、筋肉、骨の損傷であり、最低1日以上の練習、または試合への欠場を伴うものと定義されました。ただし球団やリーグの規定による球数制限・イニング制限に伴う戦略的な休養はケガから除外されています。「負傷負荷」は、1シーズンにおける投球腕の負傷による総離脱日数としてカウントされました。なお、データの統計的安定性を保つため、長期離脱(トミージョン手術などによる1年以上の離脱)のデータについては最大離脱日数を「90日」として頭打ちして、処理を行う調整がなされています。
3) 統計モデルの構築
研究チームは、多くの選手が「離脱日数0日」であり、一部の選手が「大きな離脱日数」を持つという、スポーツ現場特有の極端に偏ったデータを正しく解析するため、「Zero-Inflated Negative Binomial Regression」という高度な統計モデルが採用されています。これにより「ケガをするか・しないか(ゼロか否か)」の確率と、「ケガをした場合に何日間離脱するか」をひとつの包括的なモデルとして同時に予測できるようになりました。
論文の結果:驚異的な予測精度と「部分最適」の罠
集計されたデータによると、297名の投手のうち、シーズン中に投球腕の負傷を報告したのは84名(94件のケガ)でした。障害発生率は1000AEあたり1.15件で、その内容は肘が0.5件、肩が0.8件でした。負傷による離脱日数の中央値は「58日」であり、やはりプロ投手の腕のケガがチームに与えるダメージは非常に大きいことが分かります。
この研究の最も核心となる結果は以下の通りです。
1) 総合モデルの優れた精度
すべての変更性因子と非変更性因子を統合した「総合負傷負荷予測モデル」は、R2 = 0.80(離脱日数の分散の80%を説明できる)という極めて高い適合度を示しました。また予測値と実際の値の乖離を示すRMSE(二乗平均平方根誤差)は11.9日でした。 これはこのモデルが「この投手は今シーズン、約60日の離脱リスクがある」と予測した場合、実際の離脱日数は、概ね48日〜72日の範囲(誤差約12日前後)に収まることを意味し、現場のスクリーニングツールとして極めて実用的な精度を持っている証明となります。
2) 肩・肘を個別に分けた場合の精度の低下
個人的にとても興味深かったことは、モデルを「肘の負傷負荷だけ」「肩の負傷負荷だけ」に分けて個別に予測しようとすると、精度が大幅に低下したことです(肘のR2=0.42、肩のR2=0.57)。著者はこれらの原因として、肩と肘はキネティックチェーンを通じて密接に連動しており、投球動作のそれぞれのフェーズで異なる負荷がかかるため、これらを完全に切り離して個別に予測しようとすると、かえって予測の正確性が失われてしまうためだと述べています。
3) 「変更可能因子だけ」にした場合の精度の低下
さらに重要な発見として、可動域や投球数といった「ATが現場で介入して変更できる要素(変更性因子)」のみをモデルに投入した場合、予測精度はR2=0.42までガクンと落ちてしまいました。 年齢、プロでのキャリア年数、過去の怪我の履歴、上腕骨のねじれといった「変えられない要素(非変更性因子)」も含めて全体を俯瞰して初めて、正確なリスク予測が可能になるという事実が浮き彫りになりました。現場や個人の”勘”だけを当てにしては痛い目を見るということが分かります。
実践的応用:アスレティックトレーナーが現場で活かすための3つのアプローチ
この研究結果から、僕を含めたアスレティックトレーナーが明日からの臨床や現場のサポ―トに活かせる具体的なアクションプランを提案します。
① 「変えられないリスク」を受け入れた上で戦略を立てる
現場にいるとどうしても「ストレッチで可動域を広げる」「投球数をコントロールする」といった、自分が介入できる変更性因子ばかりに目を奪われがちです。しかし本論文が示したように、それだけでは全体の怪我リスクの半分も予測できないことが分かりました。
実践への落とし込み: 春季キャンプのフィジカルチェックを通して、「過去に大きな肩のケガがある(非変更性)」「プロ経験が浅く若い(非変更性)」といった、変えられないリスク因子がある選手を正確に選別します。こういった選手は同じ投球数であっても、蓄積する負傷負荷が大きくなる可能性があるため、これらのリスクを考慮した上で、個別の障害予防プログラムを作成・実施しましょう。
② 予測モデルの「12日の誤差」を考慮したコミュニケーション
本モデルの平均誤差(RMSE)は約12日です。これを考慮すると、モデルの予測値が「1〜14日」といった軽微な離脱予測である場合は、慎重に解釈する必要があります。予測が3日であっても、理論上は15日の離脱になる可能性があるからです。
実践への落とし込み: 逆にモデルが「60日の離脱リスク」とはじき出した選手に関しては、12日の誤差(48日〜72日)があったとしても、その選手が「シーズン中に重大な投球腕障害を起こす可能性が極めて高い」という本質的な評価は揺らぎません。監督やコーチ、フロントオフィスに対して「この選手は今シーズン、長期離脱によるチームへの負傷負荷をもたらす確率が高い。そのため先発ローテーションの間隔を空ける、あるいは登板間隔の調整を提案したい」といった、具体的な日数のスケール感を持ったデータ主導の交渉が可能になります。MLBではヘッドATの主導の下で、一般的にどの球団でも行われています。
③ 統計的な相関関係と「因果関係」を混同しない
論文内でも何度か述べれている通り、予測モデルで「ある因子が統計的に有意に算出された」からといって、それが「そのケガの直接的な原因」であるとは限りません。
実践への落とし込み: 例えば、モデルの数式上で「肩の総可動域」が変数として含まれていたとしても、目の前の投手の肩だけを無理にストレッチして可動域を広げれば怪我が防げる、という単純な話ではないのです。モデルはあくまで「高リスクな選手をあぶり出すスクリーニングツール」として使い、見つけ出したハイリスク選手に対して具体的にどんなアプローチ(体幹強化、フォーム修正、投球制限など)を行うかは、メディカルスタッフ自身の綿密な身体評価に加え、臨床的推論によって決定しなければなりません。
結論と今後の展望
本研究はMiLB投手の腕の怪我における「負傷負荷(総離脱日数)」を、高い精度で予測できる包括的モデルを提示してくれました。 変更性因子と非変更性因子の双方を組み合わせることで、私たちは「誰が、どのくらい深刻なケガをするリスクを秘めているのか」を、発生率という無機質な確率ではなく、「離脱日数」という現場が最もイメージしやすい共通言語で評価できるようになります。
今後の課題としては、このモデルが一つのMLB球団のデータをもとに作られたものであるため、異なる環境やリーグ、あるいはアマチュア野球の現場でも同じように機能するかどうか(外部妥当性の検証)が挙げられます。またシーズン中に変化する疲労度や筋力をリアルタイムに反映させる動的なモデルへの進化も期待されます。
私たちアスレティックトレーナーの仕事は、経験や勘だけに頼る時代から、こうした高度なデータサイエンスの知見を内包した「ハイブリッドなアプローチ」へとシフトしています。逆に言えば、スポーツアナリティクスの理解がなければ、プロスポーツのチームで働くのはどんどん難易度が上がっています。なのでこれからは自分の専門分野だけに捉われない、協調性のある人材が活躍の場を得るでしょう。
それでは、