| Project/Area Number |
22K12918
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90150:Medical assistive technology-related
|
|---|
| Research Institution | Kyushu Sangyo University |
|---|
Principal Investigator |
榊 泰輔 九州産業大学, 理工学部, 教授 (60373130)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
下川 俊彦 九州産業大学, 理工学部, 教授 (60301347)
神屋 郁子 福岡女子大学, 国際文理学部, 講師 (00615354)
藤野 友和 福岡女子大学, 国際文理学部, 教授 (40364161)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2024: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
|---|
| Keywords | リハビリテーション / 転倒予測 / 回帰式 / ベイズ推定 / 生存時間解析 / リハビリロボット / 介護ロボット / 転倒 |
|---|
| Outline of Research at the Start |
健康寿命を延伸し高齢者が活躍する社会とするには、転倒リスクの評価と予防訓練の普及が喫緊の課題である。しかし、現状のリスク評価は転倒経験を主要な因子としているため、転倒未経験では虚弱であってもリスクを低く見積もる傾向があった。また、施設での試験には時間とコストがかかる。さらに、老化による転倒リスクの経年変化は考慮されていない。そこで本研究では、ベイズ統計モデリングを導入し、①転倒リスク評価の精度向上、②簡便で低コスト、③将来予測の可能な転倒リスク評価方法を開発する。これにより転倒リスクを日常的にモニタしつつ、健常なうちから高齢者の転倒を防ぐ予防訓練機器の開発基盤をつくる。
|
| Outline of Annual Research Achievements |
今年度課題は①時系列データ解析方法の調査として比例ハザードモデルなどを整理し従来技術の問題点と本件に応用すべき課題を抽出する、②問診アプリ開発としてデータ収集機能の開発と試用およびデータ蓄積により解析の準備を整える、③データ解析方法の開発として実データの観察と解析方法について検討を始めることである。
①時系列データ解析法調査 比例ハザードモデルについては、転倒を加齢による変化と運動習慣などの要素の相乗効果とすることを応用できるが、引き続き調査が必要である。また、Bayesian Networkについては、転倒要因に対し要素ごとの予測（転倒確率の変化）が可能であり、要因への対策の効果を予測できる。テキストデータ（アンケートでの自由記述）に関して、テキストマイニングで潜在的要因を抽出すれば転倒防止の潜在的要因とどんな訓練が効果的かのヒントになりうる。
②問診アプリの開発 問診調査の方針を検討した。場所や層別化について検討した。問診する周期は、現場での評価の間隔を参考にすると、３か月ごとに全ての質問をすることが妥当である。さらに詳しく層別化する場合は、転倒歴、年齢、性別、介護認定の有無によって分ける。これらを受けアンケート用紙を参考にPC上で機能はほぼ完成したので、同機能をAndoroidタブレットに移植中である。
③データ解析方法の開発 協力先の香椎原病院入院患者20 名について問診のロジスティック回帰分析を実施した。転倒時期も記載（生存時間解析のため、イベント発生時期）頂いた。確率計算は昨年度のモデルを用いたが、確率と転倒事実はそれなりに付合している。しかし説明変数が7 個のみで、採用しなかった情報の影響がみられ過分散の傾向も見受けられた。この対策として、説明変数を評価の都度入替えるとＡＩＣ（当てはまりの良さを判定）がよくなると考える。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究計画の３年次目標である①時系列データ解析方法の調査、②問診アプリ開発、③データ解析方法の開発について、おおむね計画通り進捗しているため。ただし、②は数例の実データ収集をさらに進める必要があること、また基本機能は完成しているもののタブレットに移植中であること、③は採用する解析手法が固まりつつあるが検討途中であることから（２）とした。
|
| Strategy for Future Research Activity |
昨年の目標である①時系列データ解析方法の調査、②問診アプリ開発、③データ解析方法の開発のうち、①はほぼ完成しているため、今後は以下に注力する。②は紙ベースでの実データ収集を継続しつつ、現場から指摘された課題を収集し問診アプリ開発につなげる。まずタブレット用機能を完成する。なお、エクセル等解析用データを取りだす機能を確認する。タブレット用機能完成後、病院にて試用してもらい改良する。③は、モデル精度を高めるため、参考とするサンプルをさらに収集するため協力先病院に依頼する。自然言語処理の応用について、日常会話から転倒リスクを抽出できれば、問診前のスクリーニングに役立つため、検討を続ける。テキストから文字を起こし問診データとの関連をさぐる。その際、療法士のコメントもふくめたい。さらに転倒リスクの解析結果をユーザにフィードバックすることも検討する。例えば転倒リスクが高くなったときに注意を喚起することや、転倒予防の訓練の提示することが考えられる。その際、アバターなどを活用し高齢者にもわかりやすい表現の工夫も考える。
|
