| Project/Area Number |
23K09730
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58030:Hygiene and public health-related: excluding laboratory approach
|
|---|
| Research Institution | National Institute of Public Health |
|---|
Principal Investigator |
玉置 洋 国立保健医療科学院, その他部局等, 上席主任研究官 (50386827)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2025: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2024: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2023: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
|
|---|
| Keywords | 認知症 / レセプトデータ / 特定検診 / 要介護認定調査 / 特定健診 / リスク |
|---|
| Outline of Research at the Start |
認知症のリスクについては糖尿病等の疾患がリスクになっていることは知られているものの、縦断的な研究は未だに少なく、予防に生かせるようなリスク因子が明らかになっていない。本研究では研究期間中に介護レセプトの請求があった高齢者で同時に15年前に特定健診を受診した者を対象に、介護認定データにおける認知能力の項目を従属変数、15年前の特定健診の質問票22項目および検査値の28項目の結果を独立変数として多変量ロジスティック回帰分析を行い、日本人の認知症のリスク因子を検討する。
|
| Outline of Annual Research Achievements |
国民生活基礎調査（令和5年度）によると介護が必要になった主な原因は「認知症」が23.6％と最も多くなっている。認知症の介護予防については令和元年6月に「認知症施策推進大綱」がとりまとめられ、各地域において今後、本格的な認知症予防の事業が行われることが見込まれる。しかしながら認知症のリスクについては糖尿病等の疾患がリスクになっていることが報告されているものの、縦断的な研究は未だに少なく、様々なリスク因子が明らかになっていない。過去に日本人を対象にした研究において高血圧症を持つ痩せた高齢者、脂質異常症を持つ痩せた高齢者においてリスクが高いことが報告されている。また著者らは2020年及び2021年に、10年前の特定健診の結果より低腹囲、低体重の高齢者で認知症の発生リスクが高いことを報告した。しかしながら欧米では中後年の肥満と認知症になりやすいとのメタアナリシスの結果が報告されており、西洋人と日本人ではリスク因子が異なる可能性が指摘されている。そこで本研究では令和5年度に介護レセプトの請求があった高齢者及び15年前の平成20年度に特定健診を受診した者を対象に、介護認定データにおける認知能力の項目を従属変数、15年前の特定健診の質問票21項目、検査値28項目の結果を独立変数として多変量ロジスティックス回帰分析を行い、日本人の認知症のリスク因子を検討する。最終的には、エビデンスに基づいた予防的な政策や予防事業等の立案の資料に資することを目的として研究を行う。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
まず初年度の令和５年度は、対象市の担当者と研究計画等の打ち合わせを行った後に、介護レセプトデータ・介護認定調査、特定健診データ、国保・後期高齢者保健レセプトデータから個人情報を抜いた形でデータの整理を行い、さらに各々のデータを突合し、多変量分析を行えるようなデータベースを作成した。当該市より提供を受けたレセプト情報はNDB（厚生労働省レセプト情報・特定健診等データベース）と同様に当該市によって特定の個人を識別できず、かつ対応表が作成されていない匿名化されたデータの形とした。対象市（人口約11万人）の国民健康保険及び後期高齢者医療保険に加入している18歳以上の者3万1千人を対象に令和4年4月から令和5年3月の1年間に介護レセプトの請求があった者の中で14年前の平成20年度に特定健診を受診した者を対象に、特定健診の質問票21項目、検査値28項目を抽出した。また国保・後期高齢者医療保険レセプトデータより、多変量分析の交絡因子として用いる平成20年度の医療費の合計額を算出した。またこれらの対象者に関して令和5年度の要介護認定調査データより医師の意見書（認知能力）の項目及び認知症高齢者の日常生活自立度を抽出し、これを元に認知症のレベルを分類した。さらに令和5年の国保レセプトデータから認知症の病名（アルツハイマー型認知症、レビー小体型認知症、前頭側頭葉型認知症）を抜き出し、データベースを作成した。
|
| Strategy for Future Research Activity |
令和6年度にはこれらの項目についてまずクロス集計を行った後、記述統計的な特徴を把握する。その後、令和５年度の介護認定データにおける認知症高齢者の日常生活自立度及び医師の意見書（認知能力）の項目から作成した認知度低下の有無及び認知症の病名（アルツハイマー型認知症、レビー小体型認知症、前頭側頭葉型認知症）の有無を従属変数とし、平成20年の特定健診の質問票21項目、検査値28項目、平成20年度の医療費の合計額を独立変数として多変量ロジスティックス回帰分析を行う。仮にこれらのデータの項目を用いたモデルがうまく作成できない場合は、質問用紙の21項目と健診結果の28項目を分けて分析する等の調整を行ってモデルを作成する。さらに同様の項目について決定木分析（CART法）を用いてより詳細な分析を行う。令和7年度には分析結果をまとめ、学会発表及び原著論文の作成を行う。また当該市に分析結果をフィードバックし、市の健康作り計画や介護予防事業の立案にどのように役立てるかを検討する。
|
