脳卒中のLearning Healthcare Systemに関する研究
研究課題情報
- 体系的番号
- JP18H02914
- 助成事業
- 科学研究費助成事業
- 資金配分機関情報
- 日本学術振興会(JSPS)
- 研究課題/領域番号
- 18H02914
- 研究種目
- 基盤研究(B)
- 配分区分
-
- 補助金
- 審査区分/研究分野
-
- 小区分56010:脳神経外科学関連
- 研究機関
-
- 国立研究開発法人国立循環器病研究センター
- 九州大学
- 研究期間 (年度)
- 2018-04-01 〜 2022-03-31
- 研究課題ステータス
- 完了
- 配分額*注記
- 17,420,000 円 (直接経費: 13,400,000 円 間接経費: 4,020,000 円)
研究概要
J-ASPECT Studyに登録された10年間の脳梗塞症例を対象に、機械学習を用いて脳梗塞再発予測モデルを構築した。105項目の診療情報を説明変数として構築した1/3/5年以内の再発予測モデルの予測精度は0.62/0.62/0.63であり、古典的リスクスコアによる予測精度を上回った。 SHAPを用いて予測モデルの構築上重要となった項目を絞り込み、年齢、性別、既往歴、喫煙歴、リハビリテーションの実施や適切な二次予防の実施、入院日数、退院時のADLや退院先を含む16項目を用いても十分な予測精度が担保されていた（0.61/0.62/0.62）。
2年間の追跡期間を有するErlagen Stroke Registryを用いた機械学習による1年以内の脳梗塞再発予測モデルは、服薬アドヒアランスを含めた詳細な説明変数などを用いた結果においても、予測精度が0.70 (95% CI, 0.64–0.76)であった(Asmir V, Stroke. 2022;53)。Claim databaseで収集したデータで構築したモデルの予測精度は遜色のない結果であった。 DPCによる項目のみで簡便に予後予測が可能となり、急性期病院退院時に適切なリスク評価及び疾患管理の提唱が可能となる。
詳細情報 詳細情報について
-
- CRID
- 1040282256970207616
-
- 本文言語コード
- ja
-
- データソース種別
-
- KAKEN