バーンアウトの兆候は、行動データから読み取れるか

「あの人、ちょっと元気がないな」。そう感じてから年1回のストレスチェックの結果を確認するころには、本人はすでに休職の一歩手前かもしれません。燃え尽き（バーンアウト）は、自己申告アンケートで把握しようとすると、症状が進んでからようやく数字に表れることが多いといわれます。R&D・人事部門が早期に手を打てるとしたら、その手がかりはどこにあるのでしょうか。私たちは、申告を待たず、日々の行動ログや生体データから兆候を捉えるという研究の動きに注目しています。

なぜ「気づいた時には遅い」のか

自己申告アンケートによるバーンアウトの把握には、構造的な遅れがあります。

• 実施頻度が低く（年1〜2回程度が多い）、悪化の途中経過を捉えにくい
• 本人が「まだ大丈夫」と過小評価し、深刻化するまで申告しない傾向がある
• 管理者が異変に気づくのは、欠勤や離職といった、すでに重い代償が表面化したあとになりやすい

見過ごされる代償

この遅れが軽視できないのは、バーンアウトの影響が単なる「やる気の低下」では済まないことが、研究で繰り返し確かめられているからです。前向き研究（対象者を時間を追って追跡する研究）を対象にした系統的レビューでは、993本の論文から61本が採用基準を満たし、最終的に36本が分析されました^[1]。その結果、バーンアウトは高コレステロール血症・2型糖尿病・冠動脈疾患・筋骨格系の痛み・長引く疲労・頭痛・消化器症状・呼吸器症状といった身体面の不調を予測することが示されています。心理面では不眠や抑うつ症状、精神科的な入院との関連も確認されました。さらに職業面では、職務不満足・欠勤・障害年金の新規申請・プレゼンティーズム（出勤しているが本来の力を発揮できない状態）が、バーンアウトの結果として挙げられています^[1]。

発想の転換：申告を待たず、行動データで捉える

従来のバーンアウト対策は、定期アンケートや年に数回の面談によって「本人の申告」を起点に動いてきました。これに対し、近年注目されているのが、申告を待たず、日々の行動や生体反応から兆候を継続的に捉えるという発想です。関連する取り組みはスマホ・ウェアラブルの「パッシブセンシング」で状態は読み取れるかでも紹介していますが、バーンアウトの検出に絡めた研究も、2025年に発表されています。

これは2025年に発表された新しい研究（ナラティブレビュー、体系的な網羅性を厳密には保証しない緩やかな文献レビュー）であり、まだ実証の蓄積が浅い段階にあることは押さえておく必要があります^[3]。

検出の仕組み

この研究では、複数のデータベース・文献リポジトリを対象に、フロントラインで働く人（医療・教育・救急対応・小売など）を対象とした「パッシブAI」による研究が調査されました^[3]。

1. 01PubMed・IEEE Xplore・Scopus・ACM Digital Library・Web of Science など複数のデータベースを横断的に検索
2. 02ウェアラブルや業務システムのログといった「パッシブデータ」（本人が意識的に入力しない、自然に記録されるデータ）を使う研究に限定
3. 03自己申告など能動的な測定のみに依拠する研究は対象から除外

review_type: narrative_review
databases: [PubMed, IEEE Xplore, Scopus, ACM Digital Library, Web of Science]
population: [healthcare, education, emergency_response, retail]
data_type: passive
  examples: [wearable_biometrics, EHR_usage_logs]
excluded: self_report_only_studies

見えてきたことと、その限界

このレビューによると、実際の研究で最も多く使われているのは、心拍変動・皮膚電気活動・睡眠といったウェアラブル由来の生体データです。これらはストレスに対して中程度の予測力を持ち、報告されている精度はおおむね75〜95%の範囲だとされています^[3]。業務システムの利用ログ（電子カルテの操作ログなど）も、行動パターンの変化を捉える手がかりとして扱われていますが、生体データほど多く使われているわけではありません^[3]。

もう一つ重要なのは、同じストレス状況に置かれても、人によって反応の出方が大きく違うという点です。心理的レジリエンス（消耗からの立て直し）に関する総説では、逆境への反応には個人差が大きく、深刻な影響が長く続く人もいれば、影響が小さい人、むしろ良い方向に転じる人もいることが指摘されています^[2]。これは、行動データや生体データから兆候を読み取る際に、全員に同じ基準値を当てはめるのではなく、個人ごとの平常時のパターンと比べる必要があることを示唆しています。

このレビューは、複数の研究をゆるやかに集めて要点を整理した「ナラティブレビュー」であり、系統的レビューのように網羅性を厳密に検証したものではありません。著者ら自身も、実装・妥当性の検証・一般化可能性における現状の限界を挙げています。精度75〜95%という数値も、対象者や測定条件が異なる複数の研究をまとめた幅であり、単一の指標として現場に即持ち込める段階ではありません。

まとめ：見えない変化を、仕組みで捉える

バーンアウトは、本人の申告を待つだけでは、手遅れになってから気づくリスクがあります。行動データ・生体データからの早期検出は有望な方向性ですが、研究はまだ発展の途上にあり、個人差を踏まえた設計が欠かせません。私たちは、脳波・心拍に加えて音声やモーションセンサー、主観アンケートを組み合わせたマルチモーダルな解析によって、こうした「申告の手前にある変化」を捉えようとしています。一つの指標に頼らず、複数のデータと本人の状態を照らし合わせながら、早すぎず、大げさすぎない支援のタイミングを探ることが、次の一歩になります。