✒️ 🔄 日本の「見えない感染者」は公式発表の4.7倍——再感染が8割を占めた頃

10 Nov, 2026

日本で公式に報告されたコロナ感染者数は、氷山の一角に過ぎなかった。京都大学とカナダのウェスタン大学の合同チームが、報告データと抗体調査を組み合わせた数学モデルで実態を復元した。2023年5月時点で、実際の累積感染者数は確認症例の4.7倍。そして再感染者の割合は、オミクロンBA.4/5の時代に81.5%に達していた。8波の波を追って見えたのは、「見えなくなった感染」と「繰り返す感染」の2つの現実だった。

🔬 何をしたか

• 2020年1月〜2023年5月までの日本のデータを解析
• 3つの情報源を組み合わせて数学モデルを構築：
  • 厚労省の日別確定症例データ（8つの波）
  • 全国6回の抗体調査＋地域の抗体調査（血清疫学データ）
  • ワクチン接種記録
• モデルで以下を同時に推定した：
  • 実際の感染者数（報告されていない人も含む）
  • 再感染者の数と割合
  • 波ごとの「見つけ漏れ率」（確定症例が実際の感染の何分の一か）
  • 波ごとの感染致死率（IFR）
• 変異株ごとに免疫の「抗原距離」（どれくらい顔が変わったか）を考慮
• ワクチン誘導免疫と感染誘導免疫の両方の減衰をモデルに組み込んだ

🎯 何が分かったか

① 実際の感染者数は報告の4.7倍

• 2023年5月8日時点で、実際の累積感染者数は確定症例の4.7倍（95%CrI: 4.3〜5.0）
• つまり「1人見つかっている間に、4.7人見逃されていた」
• この見つけ漏れ率は波ごとに変動：
  • 第1波：5.8倍（検査体制が不十分）
  • 第2波：3.3倍（比較的よく見つかっていた）
  • 第4波：6.2倍
  • BA.1/2時代：4.1倍
  • 第7波：5.5倍
  • 第8波：6.4倍
• オミクロン時代に入ると見つけ漏れが再び拡大。軽症者が増え、検査から遠ざかった

② 再感染が爆発的に増えた

• 累積再感染割合の推移：
  • 2021年12月（プレオミクロン時代終了時）：0.4%
  • 2022年6月（BA.1/2時代終了時）：3.7%
  • 2023年5月（BA.4/5時代終了時）：28.1%
• 新規感染者に占める再感染者の割合：
  • プレオミクロン時代：1.7%
  • BA.1/2時代終了時：10.7%
  • BA.4/5時代終了時：81.5%
• つまりBA.4/5時代には、新たに感染する人の8割以上が「再感染」だった

③ 再感染者の内訳

• BA.4/5時代の1日の感染を4つに分けると：
  • 初感染・未接種：8.3%
  • 初感染・接種済：10.2%
  • 再感染・未接種：48.0%
  • 再感染・接種済：33.5%
• 再感染の大半は「ワクチン接種済」の人だった
• 再感染者のほとんどは1回目の再感染だったが、8.5%は複数回再感染していた

④ 感染致死率（IFR）は劇的に下がった

• 第1波：0.26%（95%CrI: 0.06〜0.96）
• 第2〜4波：0.08%前後
• 第5〜7波：0.02%未満
• オミクロン時代：0.01〜0.04%
• ただし2023年にわずかに上昇傾向。監視が緩み、高齢者の感染割合が変わった可能性

⑤ 見つからない再感染が増えた

• 報告されなかった再感染者の割合：
  • プレオミクロン時代：0.4%
  • BA.1/2時代：4.7%
  • BA.4/5時代：34.9%
• 再感染は軽症になりやすく、検査を受ける人も減る。結果として「見えない再感染」が急増した

💡 何を意味するか

• 「報告数」だけで議論する時代は終わっていた

  • 確定症例だけで議論すると、実際の感染規模を5分の1に見積もることになる
  • 特にオミクロン時代は「軽症で検査しない」「報告義務が緩い」が重なった
  • 公式数字を見て「感染は終わった」と思うのは危険

• 再感染が「普通」になった

  • BA.4/5時代には新規感染の8割が再感染だった
  • これは「免疫が効かなくなっている」ことの直接的な証拠
  • ワクチン接種済でも再感染していた——感染を防ぐ免疫は時間と共に衰える
  • ただし重症化を防ぐ免疫は残っている可能性（IFRは低下していた）

• ロングコロナの規模を考える鍵

  • 累積感染者数が報告の4.7倍なら、ロングコロナ患者数の推定も見直す必要がある
  • 再感染の回数が増えるほどロングコロナリスクが上がるという研究もある
  • 「見えない感染」の規模を正しく把握しないと、社会の負担も見えない

• 抗体調査と報告データの組み合わせが有効

  • この研究は「受動的な監視データ」と「能動的な抗体調査」を数学モデルで統合した
  • どちらか単独では見えないものが見えた
  • 他の感染症でも応用できる手法

• 日本の「8波」の実態

  • プレオミクロン時代は累積感染率が2%未満と低かった
  • オミクロン導入で一気に26.7%まで跳ね上がった
  • 抗体保有率は42.8%→64.5%へ（2024年3月）
  • 報告と抗体の差が広がり続けた——「隠れた感染」が蓄積していた

⚠️ 注意点

• 数学モデルによる推定であり、直接観察ではない。再感染は「前の感染の後に別の感染が起きた」と定義し、最小間隔を設けていない。実際のサーベイランス定義とは必ずしも一致しない
• 抗体データの代表性に限界がある。特に初期の波ではサンプルが少なく、地域偏りがあった可能性
• 年齢別の分析がない。IFRは全体の平均値で、年齢別のIFRは計算されていない
• 免疫保護と減衰の推定は既存研究に依存している。モデルに入力するパラメータ（ワクチン効果の持続期間など）は他の研究からの借用
• 2023年5月で報告義務が変わった日本の影響。5月以降は全国一律の報告が終了し、データの連続性が途切れた
• 再感染の重症度は直接評価していない。再感染が軽症になりやすいというのは既存研究の引用
• 長期の追跡ではない。2023年5月で打ち切られており、その後のXBBやJN.1などについては不明

🧩 一言で言うと

京都大学とカナダのチームが、日本の2020〜2023年のコロナ報告データと抗体調査を数学モデルで統合し、実際の感染規模と再感染頻度を復元した。2023年5月時点で実際の累積感染者数は報告の4.7倍だった。再感染者の割合はプレオミクロン時代の0.4%からBA.4/5時代の28.1%まで跳ね上がり、新規感染者に占める再感染の割合は81.5%に達した。見つからない感染と見つからない再感染が同時に膨らんでいた。ただし数学モデルによる推定であり、直接観察ではなく、年齢別分析もないなどの限界がある。

📄 論文情報

• タイトル: Estimating SARS-CoV-2 reinfection frequency and infection incidence: A modeling study
• 著者: Jiaying Qiao, Yuta Okada, Hiroshi Nishiura
• 掲載誌: Epidemics (2026)
• DOI: 10.1016/j.epidem.2026.100956

メッセージ：最近私は、自作アプリのmigaで雑多なこと、ロングコロナの最新研究などを呟いています。サインアップして、誰でも利用できます。ぜひご参加ください。アルゴリズムがなかった昔のTwitterのような感じで、自分のタイムラインを作って知り合いを招待することも出来ます。
ご興味のある方はこちら。👈️