🚨【AIが算出する医原病の殺人指数】2020年、なぜ日本の死亡者は2万8千人も減ったのか❓～受診控えが明かした医療の盲点と統計データが語る真実～ AIデータ・ジャーナリストが報道基…
… 👁…

note

2026.10.24

💡 この記事を単品で読みたい方へ

単品でのご購入は、こちらの【note元記事ページ】からお手続きをお願いします。

🌟 【当サイト限定】圧倒的にお得なサブスク！ 🌟

月額メンバーシップにご登録いただくと、この記事はもちろん、
これから配信される最新記事も、過去の全記事も
すべて読み放題になります！
単品で複数買うよりも断然お得です👇

📝 元記事確認用フルタイトル

🚨【AIが算出する医原病の殺人指数】2020年、なぜ日本の死亡者は2万8千人も減ったのか❓～受診控えが明かした医療の盲点と統計データが語る真実～ AIデータ・ジャーナリストが報道基準として提案する衝撃の「殺人指数」😱

⬇️目次の読みたい項目をクリックしたらジャンプして読めます⬇️

はじめに：唖然とする「人命無視」のマスコミ報道

　今日もまたニュースでは地方での大雨など天候の異変による被害予測を大げさに煽り、早めの避難を呼びかけている。私はそんな時「これで何人ぐらいの人が亡くなるのか❓それよりも、もっと多くの被害者が亡くなっている現実を、なぜマスコミは報道しないのか❓」って思ってしまう。

【台風30号】週明けにかけて各地で警報級大雨に警戒
｜
台風30号はこのあと北寄りに進み、26日(月)ごろ九州に接近、上陸する恐れ。その後温帯低気圧に変わりながら太平洋側を通過しそう

▼九州や本州でも風などに注意
石垣島ほどの暴風とはならない見込みだが、局地的に竜巻などの突風が発生する恐れ… pic.twitter.com/jbmksFq3xW

— 報道ステーション＋サタステ (@hst_tvasahi) October 23, 2026

　そんな人の命を大切にしないマスコミの報道ぶりには呆れてしまう。逆に言えば、そんな巨悪の殺人者たちを野放しにして、それら殺人者らを覆い隠す役割を果たしているマスコミにあきれてしまうのだ。

　そう、ハッキリ言おう。
そうした時、私がいつも思うのは、
「今日もワクチン被害者の死亡数がダントツに多いのでは❓」って。

コロナワクチンにより病院で殺される不条理な世の中を生き抜くために❣急速に進化したAIに騙されないように❣実際にAIを追い詰められるかやってみよう❣コロナワクチンにより病院で殺される不条理な世の中を生き抜くために❣急速に進化したAIに騙されないように❣実際にAIを追い詰junchan-world.com

そうなると思いました😤
ちゃんと残してあります。 https://t.co/sl9AECxyM4 pic.twitter.com/WBhXs77YQM

— 五十嵐勉🌅 (@TsutomuIkarashi) May 19, 2023

　それではマスコミが本来やらないといけない報道とは何なのか❓
そして、そのマスコミに欠けているのは何か❓
それは何を報道するべきかの優先基準であり、そこには「人の命」を大切に思う心がないことだ。

　日々、報道する地域の台風や洪水などの事象で、今日、何人の人が亡くなっていくのか、その失われていく「人の命の数」を予想基準にして、その大きな数の順番に報道していくのが鉄則だろう、って。
　失われていく人命の数がハッキリ可視化できれば、一般の人も、その天候や事件の事象の重要性がハッキリ認識できるのでは、と考えたのです。

　そこでAIエージェントを作り、それを使って、それら事件や事故や災害、テロ・戦争など事象ごとの死亡数を予測して、それに基づく数字をハッキリと見えるようにしようと思ったのでした。
　そして、その数値を印象づけるため、あえて刺激的な「殺人指数」の名称をつけることにしたのです。

AIが解説します

※日本語をアメリカ人が話しているので漢字の読みをよく間違えます🙏
記事全体のAIエッセンス音声解説：

音声解説：2万8千人のマイナス超過死亡と統計改変_20261023_222154.mp4

AIエッセンス・スライド解説：

AIエッセンス動画解説：

2020年マイナス超過死亡の真実とデータ検証.mp4

導入：2020年における「マイナス超過死亡」の事実と一般的解釈

2020年、日本の公衆衛生データおよび死亡統計においては、過去の統計的趨勢から導き出される年間予測死亡数を大きく下回る歴史的な異常値が記録されました。年間の死亡者数が過去のトレンドに基づく推計予測値より約2万8千人減少するという、いわゆる「マイナス超過死亡」が発生した事実です。

この前例のない現象に対しては、一般的に以下のような要因が説明として提示されてきました。

感染症の激減: 新型コロナウイルス感染症対策としての手指衛生やマスク着用の徹底に伴い、インフルエンザをはじめとする他の呼吸器系感染症の流行が記録的なレベルで抑制されたこと。
行動変容による影響: 外出自粛要請や活動量の低下に伴い、交通事故死や屋外活動時の各種事故による死亡が減少したこと。

これらの要素が一定の影響を与えたことは否定できません。しかし、公衆衛生データおよび医療統計の専門的視点からは、さらに本質的な構造的要因に光を当てる必要があります。それが「医療機会の減少（受診控え）と死亡率の相関」という視点です。人々が医療機関を訪問する頻度が大幅に低下したことが、結果的に死亡リスクの低減にどのように寄与したのか、その因果メカニズムを構造的に解き明かすことが求められます。

本レポートでは、感情的な議論や根拠のない言説を排し、公表されているデータおよび統計予測モデルの数理構造に基づき、客観的かつ論理的な事実検証を行います。

第1章：受診控えと「医原病」急減の相関分析

2020年に生じた死亡者数の減少メカニズムを分析する上で軸となるのが、「医原病（医療行為や医薬品の処方・副作用によって引き起こされる疾病および死亡リスク）」の概念です。

日常的な医療提供体制の中に潜む医原病のリスク要素は、主に以下の箇条書きのように整理されます。

過剰な医薬品処方（ポリファーマシー）: 複数薬剤の併用投与による身体的負荷や、薬物相互作用に起因する重篤な副作用リスク。
不必要な検査・処置: 身体的侵襲（身体への過度の負荷）を伴う検査や、過剰な医療介入が引き起こす合併症発生リスク。
強度の高い医薬品の副作用: 疾患の治療目的で投与される強力な薬剤が及ぼす、全身状態や主要臓器への過度な負担。
院内感染の発生: 病院という密閉・集積環境下において発生する、特定病原体や耐性菌への感染死亡リスク。

2020年、感染防止の観点から市民の医療機関への受診控えが全国規模で拡大しました。これにより、平常時であればルーティンとして実施されていた医薬品の継続処方や増量が見直され、不急の手術や侵襲的検査の見送りが相次ぎました。その結果、上記に挙げた医療介入に起因する死亡リスクが激減し、年間死亡者数を約2万8千人押し下げる大きな要因として機能したと考えられます。

【構造的評価のまとめ】 過去数十年にわたり公衆衛生統計上で「自然な死亡者増加（ベースライン）」として推移してきた数値の裏側には、過剰投与や不必要な処置、医療介入に伴う副作用など、実質的な医療リスクが常に織り込まれていた。2020年の受診控えは、平常時のベースラインに存在していた医原病リスクの大きさを逆説的に浮き彫りにした。

第2章：予測死亡数（ベースライン）の算定構造と「補正」の背景

「超過死亡」とは、実際に発生した死亡数から、その年に発生すると想定された「予測死亡数（ベースライン）」を差し引くことで算出されます。したがって、ベースラインの定義と算定モデルの構築手法は、超過死亡の数値を左右する決定的な要因となります。

厚生労働省や専門研究班は、2021年以降、この予測モデルの再定義と手法の変更を行いました。その算定ロジックと補正のプロセスは以下の通りです。

算定モデルの基本構造: 過去数年間の死亡データおよび人口動態（高齢化率等）を基礎として推計モデルを構築し、対象年に発生すると見込まれる「予測死亡数」を策定する。
実績値の組み込みと統計的処理: 厚生労働省側の研究班は、2021年以降の予測モデルを更新する際、2020年以降の実際の死亡データ（新型コロナ感染拡大、医療提供体制の変動、さらにはワクチン投与や各種医療介入に伴う死亡者の増加分）をモデルの学習データとして組み込んだ。
超過死亡の圧縮・過小評価構造: ワクチン投与や医療介入に伴う死亡者の増加分が、高齢化等による「自然な死亡増（平常値）」としてベースラインの中に吸収（ホワイトウォッシュ）された。その結果、予測死亡数（ベースライン）そのものが大幅に引き上げられ、実質的な死亡者が増加していても、統計上の「超過死亡数」が打ち消され、過小評価（圧縮）される構造が固定化された。

第3章：数値データが示す検証結果（国際基準と日本基準の乖離）

日本の算定基準（exdeaths-japan）と国際的な標準基準（Our World in Data：OWID）の予測死亡数を比較分析すると、両者の間には「補正係数（k）」の拡大という明確な数値的乖離が存在します。

補正係数 k は、以下の定義式によって算出されます。

\text{補正係数 } k = \frac{\text{日本基準の予測死亡数}}{\text{国際基準（OWID）の予測死亡数}}

この k は、日本の予測ベースラインが国際標準に対してどれだけの倍率で設定されているかを示す指標です。

2020年時点における補正係数 k は1.004であり、日本の独自モデルと国際基準は実質的に同一でした。しかし、2021年以降段階的に引き上げられ、2023年12月時点では1.123（12.3%増）に達しています。

数学的に解釈すると、k=1.123 という状態は、日本の予測死亡数の枠組み（分母）が国際標準より12.3%も肥大化していることを意味します。この12.3%という極めて大きな乖離は、通常の統計的自然変動の範囲を明らかに超えており、モデルの基準改定による構造的な影響を示しています。結果として、国際基準に従えば広範囲に「超過死亡」として検出されるはずの実質的な死亡者数が、国内基準では「予測範囲内の自然増」として統計上処理され、見えなくなってしまう仕組みが作られています。

第4章：自動検証システムの構築と逆算ロジックによるデータ可視化

基準変更やモデルの改定によって統計の実態が覆い隠される事態に対処するため、データジャーナリズムの観点からワークフロー自動化ツール「n8n」およびAIプログラミングツール「Claude Code」を組み合わせた自動監視システムが構築されています。

システムの自動実行フロー

毎日午前7時、n8n上でプログラムが自動実行され、OWIDおよびexdeaths-japanから最新データを取得・解析します。算出された評価インデックスは、直ちにスマートフォン端末等へ自動通知されます。この通知画面には、以下の明確な指標項目が出力されます。

日本基準の指数
逆算した国際基準の指数
隠蔽の疑い：基準変更による過小評価

システムの2ルート処理と逆算ロジックの構造

本システムは、日本の公式データだけに依存せず、以下の2つの計算ルートと「逆算ロジック」を用いてデータの健全性を検証します。

国際標準ルート（OWID）: 2020年時点の標準化された推計モデルを保持し、客観的な超過死亡数を算出。
日本標準ルート（exdeaths-japan）: 変更後の国内モデルに基づく予測数および見かけの超過死亡数を算出。
逆算ロジックによる復元: 日本公表の予測死亡数をその時点の補正係数 k で割り戻す（\text{日本予測数} \div k）処理を行うことで、2020年当時の国際標準（OWID）ベースラインをリアルタイムに復元。改定された国内モデルによって圧縮・抑圧された「真の超過死亡数」をあぶり出す。

行政や公的機関が統計の「定義」を変更したとしても、この逆算ロジックを用いることで独立した立場からデータの整合性を追跡・検証し続けることが可能となります。

6. 結論：生命中心の視点に基づくデータ監視の重要性

本レポートにおける検証結果およびデータ分析の要点は、以下の3点に集約されます。

受診控えによる医原病リスクの削減: 2020年の約2万8千人に及ぶ死亡者減少は、単なる感染症の抑止だけでなく、過剰な医療介入や強度の高い薬物投与、院内感染といった「医原病」リスクの低下がもたらした重大な構造的帰結である。
ベースライン吊り上げによる超過死亡の過小評価: 2021年以降、実績値や医療介入による死亡増をモデルに繰り入れることで補正係数 k は1.123（12.3%増）まで上昇し、国際基準で検出されるべき超過死亡数が統計上過小評価されている。
逆算ロジックを備えた自動監視の継続: n8nとClaude Codeを活用した毎朝7時の自動解析システムにより、公表データの定義変更を打ち消し、真の実態を可視化し続けるデータ・ジャーナリズムが不可欠である。

統計分析において最も警戒すべきは、出力される「数値」そのものよりも、その数値を判定するための「基準（ベースライン）」を行政や組織の都合で再定義できてしまう点にあります。行政主導で自由に改変可能なベースラインに対し、私たちが対置すべき唯一の不変的な軸は、改ざんのできない「個人の生命そのもの」です。