差が出なかった研究も読む｜認知行動療法にサウナ温熱を足した2025年のRCTが示したこと

効いた研究ばかり並べるのは簡単です。ですのでこの回は、差が出なかった試験から始めます。認知行動療法に赤外線サウナの全身温熱を上乗せした二〇二五年の試験は、偽の温熱を受けた組との差を示しませんでした。ところが、その偽の温熱を受けた人の五七・一パーセントが、自分は本物を受けたと思っていた。三十人という小ささも、物差しの違いも含めて、数字をそのまま置いて読みます。岩手・盛岡で自宅サウナの相談を受ける立場から、都合の悪いほうの結果を先に。

雪かきの手を止めて、効かなかった話から

一月の盛岡は、朝いちばんの仕事が雪かきです。玄関先を三十分ほど掻いて、背中に汗をかいて家に戻る。その帰り道で「風呂よりサウナだな」と思った、という方が、冬になると相談にみえます。

自宅にサウナを納める仕事をしている会社が、サウナの研究を紹介する。だとすれば、順番に気をつけないといけません。良い結果の出た研究から並べていけば、いくらでも都合よく見せられるからです。読む側からすれば、それは案内ではなく誘導です。

ですのでこの回は、逆から始めます。二〇二五年に発表された、ある試験の話です。うつ症状に対する心理療法に、サウナの熱を上乗せしてみた。すると、上乗せしなかった側との間に差が見つからなかった——そういう結果でした。

差が出なかった研究は、あまり紹介されません。見出しになりにくいからです。けれども、この一本を先に読んでおくと、そのあとに出会うサウナの記事の見え方が変わります。数字の大きさより先に、何と何を比べたのかを見る癖がつくからです。

雪かきと同じです。表面だけ払っても、その下が凍っているのか土なのかは分かりません。地面が見えるところまで掻いて、はじめて足を置く場所が決まります。この記事も、そこまで掻いてみようという回です。

何を何と比べたのか——三十人の試験の組み立て

この試験は、無作為化比較試験という形で行われました。無作為化比較試験とは、参加した人をくじ引きのように機械的に二つの組に分け、その二組を比べる研究のことです。研究者の都合で組分けができないので、比較の形としては信頼度の高いものとされています。

参加したのは三十人。うち二十九人が最後の評価まで終えました。残った割合、つまり保持率は九六・七パーセントと報告されています。平均年齢は三十八・二歳で、女性が七六・七パーセントを占めていました。

うつの重さは、BDI-IIという質問票で測られています。これは本人が答える形式の質問票で、点数が高いほど症状が重いと読みます。参加者の開始時点の平均は三二・五〇でした。この物差しの名前は、どうか覚えておいてください。この記事の後半で、まったく別の物差しが出てきます。

両方の組が、認知行動療法を週に一回、合計八回受けています。認知行動療法とは、ものの受け取り方や行動の癖に働きかける心理療法です。ここが大事なところで、この試験は「サウナだけを試した」のではありません。すでに行われている治療の上に、熱を上乗せしたらどうなるかを見た試験です。

上乗せの中身は、赤外線サウナによる全身温熱でした。体の中心部の温度、いわゆる深部体温を三八・五度まで上げることを目標にして、二週間に一回、合計四回。

もう一方の組が受けたのは、偽の温熱です。手順は同じで、実際には深部体温が〇・一度しか上がらない。研究の世界ではシャム、日本語では偽処置と呼びます。薬でいえば、有効成分の入っていない偽薬にあたる役割です。

なおこの試験は単盲検でした。受ける側は自分がどちらの組か知らされていないけれど、行う側は知っている、という形です。

両方とも大きく下がり、そして差はなかった

結果です。

BDI-IIの点数は、温熱を受けた組で一九・〇七点下がったと報告されています。偽の温熱を受けた組では二一・一〇点。どちらもP値は〇・〇〇〇一未満でした。P値とは、偶然でこれだけの変化が起きる確率の目安で、小さいほど偶然では説明しにくいという印です。つまり、どちらの組でも点数はしっかり下がっていました。

念のため書き添えます。この一九・〇七点と二一・一〇点は、それぞれの組が開始時からどれだけ下がったかという「変化量」です。二つの組の間の差ではありません。あとで出てくる数字と混ざりやすいので、ここで線を引いておきます。

そして肝心の、二つの組の間の差は、統計的には見つかりませんでした。上乗せした側のほうが、数字としてはむしろ小さい。三二・五〇から出発して二十点近く下がったのは大きな変化ですが、それは熱を足さなかった側でも起きていた、ということです。

もう一つの見方も報告されています。うつ病の診断基準を満たさなくなった人の割合です。温熱の組で八〇・〇パーセント、十五人中十二人。偽温熱の組で九二・九パーセント、十四人中十三人。

ここは丁寧に見てください。この二つの割合は別々の組の数字ですから、足し合わせて一つの割合にすることはできません。しかも分母は十五人と十四人しかない。一人違えば六から七ポイント動く大きさです。ですから「偽のほうが良かった」と読むのも行き過ぎで、正しくは「この人数では差を論じられない」が近いと思います。

小さな数を割合で言うと、実際より大きな話に聞こえます。薪の本数と同じです。四十束が四十四束になっても一割増ですが、四束が五束になると二割五分増になる。パーセントだけを見て驚くのは、薪棚を見ずに数字だけ聞くようなものです。

偽の温熱を受けた人の五七・一パーセントが「本物だ」と思っていた

この試験でいちばん記憶に残ったのは、結果そのものではありませんでした。

偽の温熱を受けた組のうち、五七・一パーセントの人が、自分は本物の温熱を受けたと思っていた。研究者はこれを、盲検が十分でなかった可能性として限界に挙げています。盲検とは、誰がどちらを受けているのかを分からなくしておく手続きのことです。

半数を超える人が、深部体温が〇・一度しか上がっていない処置を「本物だった」と受け取った。この事実は、二つのことを同時に教えてくれます。

一つは、研究の読み方の話です。受けた側が本物だと思い込んでいれば、偽の側にも本物と似た変化が出やすくなります。そうなると二つの組の差は縮みます。ですから「差が出なかった」という結果を、そのまま「熱には何もなかった」と読むわけにはいきません。差を見つけにくい条件が最初からあった、という可能性が残ります。

もう一つは、もっと日常に近い話です。人は、温かい部屋に案内されて、静かに横になって、誰かに見守られる時間を過ごすと、それだけで体調の受け取り方が変わる。〇・一度の温度差より、その状況のほうが大きかったのかもしれません。

これは人間の弱点というより、人間のつくりの話だと思っています。私たちが盛岡でお客様から「入れてから調子がいいんです」と聞くとき、そこに何が混ざっているのか。この五七・一パーセントという数字は、その問いを正面から突きつけてきます。

一方で、差が六週間続いた研究もあります

都合の悪い研究だけを並べるのも、また偏りです。反対側の結果も置いておきます。ただし、効いたと言われている研究ほど、私たちは厳しく読みます。

二〇一六年に、JAMA Psychiatry という学術誌に載った試験があります。米国アリゾナ州ツーソンの大学付属医療センターで、二〇一三年二月から二〇一五年五月にかけて行われました。こちらは二重盲検でした。受ける側も、評価を担当する研究スタッフも、どちらが本物か知らされていない形です。単盲検よりも、点をつける人の思い込みが入り込む隙が少なくなります。

結果より先に、誰を測った試験なのかを書きます。三百三十八人が候補として調べられ、条件に合った三十四人が二つの組に割り付けられました。実際に処置を受けたのが三十人、そのうち一回以上の評価を受けた二十九人が集計の対象です。参加の条件は、十八歳から六十五歳、体のほうは医学的に健康で、うつ病(大うつ病性障害)の診断基準を四週間以上満たしていて、向精神薬を使っていないこと。そのうえで、開始前のうつの重さが一定以上あることでした。

割り付け時点の内訳は、温熱の組が十七人で平均三十六・七歳、うち女性が十二人、七十一パーセント。偽処置の組が十七人で平均四十一・五歳、うち女性が十一人、六十五パーセント。白人・非ヒスパニックがそれぞれ半数強を占めています。日本人を対象にした試験ではありません。差が出たほうの試験も、そのまま自分に重ねられる集団ではない、ということです。

集計には修正ITTという方法が用いられました。ITTとは、途中でやめた人も割り付けられた組のまま数える集計の考え方で、結果を良く見せる方向には働きにくい数え方です。ただし「修正」がつくと、処置を受けて少なくとも一回は評価を受けた人に絞られます。割り付けられた三十四人のうち五人は、この二十九人に入っていません。

そして、ここがいちばん大事なところです。この試験でうつの重さを測ったのは、ハミルトンうつ病評価尺度(HDRS)の十七項目版でした。前の節で出てきたBDI-IIとは別の尺度です。BDI-IIは本人が質問票に答える形式、HDRSは面接した評価者が点をつける形式で、点数の幅も、点のつけ方も違います。同じ「点」という言葉を使っていても、二つの試験の数字を一本の物差しの上に並べることはできません。

その前置きのうえで、結果です。この試験の全身温熱は、一回だけでした。四回ではなく、一回です。一週間後の時点で、偽処置の組との差は、ハミルトンうつ病評価尺度でマイナス六・五三点。九五パーセント信頼区間はマイナス九・九〇からマイナス三・一六でした。九五パーセント信頼区間とは、推定にどれくらいの幅があるかを示すものです。この幅がゼロをまたいでいないので、統計的に意味のある差として扱われます。そしてこの差は、六週間にわたって続いたと報告されています。

この尺度の開始前の平均は、二つの組で二十・七点と二十二・八点でした。そこからの六・五三点差ですから、小さな差ではありません。ただしそれは、あくまでこの物差しの上での話です。前の試験の一九・〇七点や二一・一〇点と、この六・五三点は比べられません。尺度が違ううえに、前者は各組が開始時からどれだけ下がったかという変化量、後者は二つの組の間の差です。数えているものがそもそも別だからです。

もう一つ、こちらの試験にも「本物だと思っていた」問題はありました。偽処置を受けた十四人のうち十人、七十一・四パーセントが、処置の直後に自分は本物を受けたと答えています。二〇二五年の五七・一パーセントより高い割合です。研究者はこれを、偽処置がよくできていた証拠として報告しています。裏返せば、受ける側の思い込みがそろっていた条件でも差が残った、という読み方になります。

加えて、割り付け前に測った治療への期待度の得点は、温熱の組のほうが高く出ていました。研究者は追加の解析で、この差が結果を左右したわけではないと報告しています。それでも、出発点に差があったことは覚えておきます。

一回の温熱で、六週間。数字だけ見れば印象的です。ただしこちらも二十九人。先ほどの試験と、規模はほとんど変わりません。二本とも、村の集会所に集まる人数くらいの研究だということは、頭の隅に置いておきたいところです。

二本を並べて、私たちはこう読みました

ここから先は研究が述べたことではなく、私たちの読み方です。そのつもりで受け取ってください。

二つの試験は、条件がいくつも違います。

一方は、心理療法八回という土台の上に熱を四回足した試験。もう一方は、熱そのものを一回だけ行った試験です。土台が大きければ、足したものの分は見えにくくなります。すでに暖まっている部屋にストーブをもう一台入れても、壁の温度計の針はあまり動かない。それと似た事情があったかもしれません。ただし、この試験がそう説明したわけではありません。

物差しも違います。二〇二五年はBDI-II、二〇一六年はハミルトンうつ病評価尺度。ですから「二〇二五年は二十点近く下がったのに、二〇一六年は六・五三点しか差がない」という読み方は成り立ちません。点数の大小を並べることはできず、私たちが二本から受け取れるのは、差が出たか出なかったかという向きだけです。

盲検の厳しさも違います。単盲検と二重盲検。ただし、受ける側が本物だと思い込んでいた割合は、二〇二五年が五七・一パーセント、二〇一六年が七十一・四パーセントで、どちらの試験にもありました。違ったのは、点をつける側にも伏せていたかどうかです。二〇一六年の試験は、そこまで伏せたうえで差を見つけています。

付け加えると、今回の二本はどちらも無作為化比較試験です。後からデータを見比べる観察研究とは違い、原因と結果を検討できる形にはなっています。ただし人数が小さい。二十九人で出た結果は、方向を示すことはできても、結論を決める材料にはなりません。

ですから、この二本から言えるのは「効いた」でも「効かなかった」でもありません。言えるのは、温熱とうつ症状の関係はまだ小さな試験の段階にあって、条件次第で結果が動く、というところまでです。歯切れは悪いですが、これが正直なところです。

誰の話だったのか——二本の試験の対象者

研究を読むとき、私がいちばん気にするのは対象者です。数字より先に、誰を測ったのかを見ます。差が出た試験も、出なかった試験も、同じように見ます。

二〇二五年の試験に参加したのは三十人。平均年齢は三十八・二歳で、女性が七六・七パーセントでした。二〇一六年の試験は、割り付けられたのが三十四人。平均年齢は組ごとに三十六・七歳と四十一・五歳、女性の割合は七十一パーセントと六十五パーセントでした。

二本とも、参加者の多くが女性です。この記事をゆっくり読んでくださっている方の多くとは、年齢も男女の比率も違います。フィンランドの大きなサウナ研究が中年男性ばかりだったのとは、ちょうど逆の偏りです。どちらも、そのまま自分に当てはめられる集団ではありません。

どちらも、日本人を対象にした試験ではありません。二〇一六年の試験は米国アリゾナ州で行われ、参加者の半数強が白人・非ヒスパニックでした。

そして、どちらもうつ病の診断がついた方が対象です。とくに二〇一六年の試験は、体のほうは健康で、向精神薬を使っていないことが参加の条件でした。日ごろサウナを楽しんでいる方の日常を測った研究ではない、ということです。

熱の中身も違います。二本とも使われたのは赤外線で体を温める装置で、深部体温を測りながら三八・五度を目標に管理する、医療の現場のやり方です。石を焼き、水をかけて蒸気を立てるフィンランド式のサウナとは、熱の届き方も、その場での過ごし方も別のものです。

サウナ室の温度計が九十二度を指していても、それは空気の温度です。研究が目標にしていた三八・五度は体の内側の温度で、指しているものがそもそも違います。同じ「度」という単位でも、並べて比べることはできません。

お気づきのとおり、尺度の話とまったく同じ形です。同じ「点」でも、同じ「度」でも、測っているものが違えば並べられない。この記事で二度も書いているのは、それが数字を読むときのいちばん深い落とし穴だからです。

ですから、この二本の数字を家のサウナに持ち込むことはできません。持ち込んではいけない、という言い方のほうが正確だと思います。

なお、心臓や血圧の持病がある方、お薬を続けている方は、サウナを使う前に主治医にご相談ください。これは研究の話とは別に、日々の現場でお願いしていることです。

盛岡で「入れてから調子がいい」と聞くとき

自宅にサウナを納めて、しばらく経ってから伺うと、よくこう言われます。入れてから調子がいい、と。

うれしい言葉です。ただ、あの五七・一パーセントと、二〇一六年の七十一・四パーセントを知ってからは、その中身を分けて考えるようになりました。

家にサウナを入れると決めてから、実際に火が入るまで、たいてい数か月かかります。その間、間取りを考え、薪をどこに積むかを考え、家族と話をする。待つ時間そのものが、たぶん少し働いています。

入れてからも、熱だけではありません。岩手の冬は外に出づらく、家の中で顔を合わせる時間が長くなります。サウナは一度に何人も入れる場所ではないので、順番待ちが生まれる。その待ち時間に、居間で交わす二言三言があります。薪を焚く方なら、火を熾して熱くなるのを待つ三十分もそこに加わります。

私たちが見てきた範囲では、「調子がいい」と話される方のほとんどが、熱の話と同じくらい、この周辺の時間の話をされます。誰と入ったか。入ったあと何をしたか。窓の外に何が見えたか。

研究が測っているのは、そのうちの熱の部分だけです。しかもBDI-IIやハミルトンうつ病評価尺度という、決められた質問の並びを通した分だけです。測れないものが働いていないという意味ではありません。ただ、測れないものを研究の成果として語ることは、私たちにはできません。

ですからこう書くにとどめます。サウナのある暮らしを気に入ってくださる方が、盛岡にも花巻にも一関にもいます。それは研究とは別の、確かめようのない、けれども確かにそこにある話です。

D'STYLEは盛岡で、ハルビアの薪サウナストーブ レジェンド150 WK150LD のような機種や、ペレットサウナストーブ VENERE matic の設置をお手伝いしています。石は蓄熱してじんわりと熱を返し、鋳物のストーブはやわらかい熱を出します。どれをおすすめするかは、入る頻度と間取りを伺ってからです。研究の数字を理由にお売りすることはしません。物差しの違う数字を並べることもしません。今回の二本は、そう決めておくための材料でもありました。持病のある方、服薬中の方は主治医にご相談ください。本記事は研究の紹介であり、サウナの設置・使用による疾病の予防や治療の効果を示すものではありません。

この記事は研究の紹介であり、効果を保証するものではありません。持病のある方、通院中・服薬中の方は、主治医にご相談のうえご利用ください。