医療・介護統合データベースを活用した在宅療養者の個別化医療推進に向けた研究

• Project/Area Number: 22K17320
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 58010:Medical management and medical sociology-related
• Research Institution: Heisei Medical Welfare Group Research Institute (2023); University of Tsukuba (2022)
• Principal Investigator: 佐方 信夫 一般財団法人平成学術振興財団 平成医療福祉グループ総合研究所, 研究部, 研究所長 (60756188)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2024: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000); Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
• Keywords: 在宅医療 / 機械学習 / 類型化 / レセプトデータベース / データベース

Outline of Research at the Start

医療コストの効率化に寄与しうる在宅医療分野では、患者の個別性を考慮したプログラムを提供するための基盤構築が求められている。そこで本研究では、医療・介護統合データベースを用いて、①多様な在宅療養者を類型化すること、②特定された類型別に、アウトカム（自宅療養継続など）を予測するモデルを構築すること、③構築した予測モデルを日本全国の在宅療養者に適用できるかを評価すること、④臨床現場で活用しやすいアウトカム予測ツールのプロトタイプを開発することを目的とする。本研究により、入院リスクの高い患者に効果的な介入を増やす等、在宅医療を個別化して有効かつ効率的に提供できるようになることを目指す。

Outline of Annual Research Achievements

本研究は、医療介護ビッグデータを用いて、在宅医療の多様な患者像を類型化して、その予後などが予測できるか検証するものである。前年度に自治体の医療介護レセプトデータから在宅医療を受けている患者を抽出して、その記述統計から患者像の把握を行ったが、今年度は抽出したデータのうち、患者属性（疾患、ADL,認知機能）を変数として、潜在クラス分析を行った。
対象者は1590名で男性549名（34.5％）、女性1041名（65.5%)前期高齢者が142名（8.9％）、後期高齢者が1448名（91.1％）であった。要介護4以上の重度要介護者が763名で全体の48.0％であった。潜在クラス分析で4つにクラスタリングしたところ、クラス1は463名、クラス2は449名、クラス3が235名、クラス4が443名となり、各項目の条件付き応答確率をみるとクラス1は障害高齢自立度がA1B1J2などのADLが比較的高いグループ、クラス3では認知症高齢者自立度がⅣ・Mなど認知機能の低下が顕著なグループで、クラス2とクラス4はそれぞれ障害高齢者自立度の違いが主な差異であった。一方で、各クラスで疾患による応答確率の違いの傾向は見いだせず、患者の疾患によって臨床像が異なる在宅医療のエキスパートオピニオンとは合致しないものであると考えられた。今回の潜在クラス分析では、疾患とADL、認知機能を全て同じように変数として入れているが、この分析手法を改良する必要があるかもしれない。しかしながら、一定程度の傾向を有したクラスタリングができており、手法を改善することにより、より在宅医療の臨床像が作成できると考えられる。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

自治体データの抽出および分析にあたり、データクリーニングを行ったり、データの変数の正確性について照会や検証を行ったところ時間を要した。また、分析に使用した方法の妥当性について検討を要しており、次年度以降、新たな解析法を行うとすると今後分析結果を得るのが遅くなり、論文化が年度内に完成しない可能性がある。

Strategy for Future Research Activity

今回の潜在クラス分析では、疾患とADL、認知機能を全て同じように変数として入れているが、この分析を変更して、認知機能とADLのみの介護的クラスタリング、と疾患を含んだ医療的クラスタリングを行い、その結果を合成したクラスをつくり、臨床感覚と合致するクラスタリングができるか検証する。臨床的納得感のあるクラスタリングを完成させた後、入院や死亡などの予後との関連を調べ、その予後予測に使用できるのか検証する。