A new method to estimate critical values depending on the subject profile in elder medicine
| Project/Area Number |
19K21589
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Studies on the Super-Aging Society
|
|---|
| Research Institution | Kochi University |
|---|
Principal Investigator |
栗原 幸男 高知大学, 医学部, 特任教授 (00215071)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
北岡 裕章 高知大学, 教育研究部医療学系臨床医学部門, 教授 (10274375)
片岡 浩巳 川崎医療福祉大学, 医療技術学部, 教授 (80398049)
兵頭 勇己 高知大学, 教育研究部医療学系連携医学部門, 助教 (50821964)
|
|---|
| Project Period (FY) |
2019-06-28 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
Fiscal Year 2021: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2020: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2019: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
|
|---|
| Keywords | 高齢者医療 / 急性循環器疾患 / 生活習慣病 / 臨床判断閾値 / 機械学習 / 医療情報利活用 / 機会学習 / 診療支援 |
|---|
| Outline of Research at the Start |
高齢者医療での臨床医の臨床判断支援を目的とする研究である。
具体的な研究目標は、高齢者の慢性疾患（糖尿病、高血圧症、高脂血症、心臓病等）に対する医療介入のタイミングの目安となる臨床判断閾値を高齢者個々の生活・医療背景を反映して推定できる機械学習モデルを作成し、臨床医が治療計画を立て易い情報提供を行うことである。
|
| Outline of Annual Research Achievements |
本研究では、糖尿病、高血圧症および高脂血症のどれかの生活習慣病を持つ高齢者の医療情報追跡により急性循環器疾患（心筋梗塞、脳卒中等）の発症予測を可能とする臨床判断閾値を抽出することを目指している。急性虚血性心疾患と急性脳血管疾患の発症では動脈硬化が主因なので、相互に関係している可能性がある。冠動脈は細い血管が多いため、太い血管が多い脳血管より動脈硬化の影響が早く出ると考えられている。しかし、脳血管にも細い血管は多くあるため、単純に急性虚血性心疾患が急性脳血管疾患に先行するとは言えない。そこで、本年度は、急性虚血性心疾患に先行して発症する急性脳血管疾患事例がどの程度あり、どの程度早く発症しているかを把握することとした。また、全身状態の悪化も影響する可能性を考慮して、慢性腎炎と慢性肝炎の先行発症も考慮することとした。なお、目指している予測モデルでは、生活習慣病の診断記載後３か月単位での予測を目指しているため、３か月以内に急性循環器疾患が発症している症例は対象外とした。
生活習慣病の診断記載後、３か月以降に急性虚血性心疾患が発症した症例は338件抽出された。心脳卒中として知られている急性脳血管疾患が同時に発症した症例は15例と少なかった。急性虚血性心疾患が単独で発症していた症例が184件(54%)、急性脳血管疾患が先行していた症例が95件(28%)、慢性腎炎が先行発症していた症例が21件(6%)、慢性肝炎が先行発症していた症例が37件(11%)であった。急性脳血管疾患が急性虚血性心疾患に先行して発症している症例がかなりあることが分かった。また、急性脳血管疾患が先行する症例では、急性虚血性心疾患は1年以内に26％が、2年以内に41％が発症しており、急性虚血性心疾患の発症予測モデルで急性脳血管疾患の先行発症を反映する必要があることが分かった。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
新型コロナウイルス感染拡大の影響に加え、急性循環器疾患（心筋梗塞、脳卒中等）の発症予測モデル構築において、当初の研究計画で考慮していた事項以外の検討事項が増えたことにより、全体として進捗が遅れることとなった。
|
| Strategy for Future Research Activity |
本年度は、急性循環器疾患の発症に寄与する生活習慣病の悪化同定指標を確定することを目標にしていたが、急性虚血性心疾患の発症と急性脳血管疾患の発症が相互に影響する可能性を把握しておくことが発症予測モデル構築の上では重要と考え、その症例解析を行った。次年度は、本年度の成果を踏まえ、生活習慣病を有する高齢者に対する急性循環器疾患の発症予測モデル構築に向け、これまでに得た知見と収集したデータを利用して、機械学習手法を用いて、研究を少しでも進展させ、本研究分野の発展に寄与するよう尽力する。
|
Report
(4 results)
Research Products
(10 results)
