| Project/Area Number |
22K10289
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 57080:Social dentistry-related
|
|---|
| Research Institution | Shinshu University |
|---|
Principal Investigator |
伊澤 淳 信州大学, 学術研究院保健学系, 教授 (50464095)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
増原 宏明 信州大学, 学術研究院社会科学系, 教授 (10419153)
横川 吉晴 信州大学, 学術研究院保健学系, 准教授 (50362140)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
|
|---|
| Keywords | 国民健康保険データベース / 発症危険因子 / 医科歯科連携 / 要介護関連因子 / 大規模データ解析 / 歯科口腔疾患 / 保健医療ビッグデータ |
|---|
| Outline of Research at the Start |
長野県の各自治体における特定健診，国民健康保険診療データ（被保険者数：約53.5万人），介護度，死亡情報の５年間の集計が，県と信州大学の包括連携協定に基づいて申請者に提供されている。本研究は，２つの人工知能を搭載するビジネスインテリジェンス（BI）ツールを活用して，多次元のビッグデータを構築し，健診情報（生活習慣，危険因子等），疾患（医科・歯科）の有無，介護度について，疾患の新規発症，介護度の上昇，生命予後との関連を縦断的に解析し，健康障害の背景因子を探索する。さらに，歯科口腔疾患と全身疾患との関連や，健康課題の自治体別比較について，機械学習を活用した論理推論により探索する。
|
| Outline of Annual Research Achievements |
長野県の各自治体における特定健診、国民健康保険診療データ（被保険者数：約53.5万人）、介護度、死亡情報の5年間の集計が、県と信州大学の包括連携協定に基づいて申請者に提供されている。本研究は、2つの人工知能を搭載するビジネスインテリジェンス（BI）ツールを活用して、多次元のビッグデータを構築し、健診情報（生活習慣、危険因子等）、疾患（医科・歯科）の有無、介護度について、疾患の新規発症、介護度の上昇、生命予後との関連を縦断的に解析し、健康障害の背景因子を探索する。さらに、歯科口腔疾患と全身疾患との関連や、健康課題の自治体別比較について、機械学習を活用した論理推論により探索する。
以上の計画と目的に従って、ワークステーションにBIツール（Qlik Sense：株式会社アシスト）を導入した。長野県の市町村における国民健康保険診療データベース（KDB）から抽出された情報に基づいて、５年間の縦断解析を可能とするデータベースを構築した。医科および歯科診療データより、病名フラグを疾患の発症として、発症リスク因子と予後（生命予後、介護度の上昇）を縦断的に解析するため、Qlik SenseにExcelに収載された市町村別の情報を取り込みデータベースを構築した。疾病及び関連保健問題の国際統計分類第10回修正（ICD-10）の定義に基づいて疾患病名フラグを解析する際に、次の課題が確認された。まず、登録されている病名フラグが正しい病態に基づいた登録であるか、登録される病名に重複や欠落がないか、歯科および医科の実診療との齟齬がないように検証が必要と考えられた。疑い病名を除き、実診療における病名の類似性等を統合して整理した後に、本研究は因果関係等の解析が可能と考えられ、Qlik Senseの関数を活用して課題を解決し、解析を目指す予定とした。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
構築したデータベースにおいてICD-10に基づく病名分類の構造（中間分類・３桁分類・コード）が、実際の臨床病態を正しく反映しているか検証が必要である。同じ疾患や病態に類似した異なるコードが付されている可能性があり、類似した複数の病名について重複の整理が必要である。同様に、病名検索の際には、対象となる病態の全てを含んで検索されるように対象病名・コードを網羅する必要がある。続いて発症リスク因子と予後を縦断的に解析する際には、既知の因果関係に基づいた検証が必要である。
以上の課題を解決するため、先行研究を参考とし、データクレンジングを実施し、既知の疾患頻度や合併する病態の因果関係に基づいてデータベースを分析する段階を設けることとしたため、当初計画した研究解析がやや遅れていると判断した。また、Qlik Senseの解析システムに取り込んだ情報を、ソフトウエアの計算アルゴリズム（関数）により変換する際に、情報処理エラーが生じていないか、元データとの検証が必要と考え、元データの一部を抜粋してデータベースとの整合を検証することとしたため解析の進捗がやや遅れる結果となった。
|
| Strategy for Future Research Activity |
構築したデータベースにおいて５年間に登録された疾患名フラグ（疾患発症）と介護度等の関連を縦断的に解析する。重複病名の削除・統合等のデータクレンジングを実施し、導入したQlik Senseの機械学習とAI解析機能を応用して、以下を今後の解析予定とする。１）複数の疾患発症が登録されている例において病態の相互の関連を解析する、２）医科・歯科に関連する病名（疾患発症）の関連を有するものを抽出してそれぞれの頻度と予後（他疾患の発症、生命予後、介護度）を解析する、３）介護度の上昇を抽出し、当該事例の年齢、直近の罹患疾患、合併疾患等に基づいて介護度上昇に関連する要因を解析する。４）特定健診の情報をデータベースに収載し、健診異常、疾患発症、介護度上昇等との関連を探索する。
|
