| Project/Area Number |
23K24565
|
|---|
| Project/Area Number (Other) |
22H03307 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58010:Medical management and medical sociology-related
|
|---|
| Research Institution | Nihon University (2024)
The University of Tokyo (2022-2023) |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
後藤 景子 順天堂大学, 革新的医療技術開発研究センター, 准教授 (10772519)
櫻井 義尚 明治大学, 総合数理学部, 専任教授 (30408653)
蓋 若エン 長崎大学, グローバル連携機構, 教授 (30759220)
杉原 茂 日本大学, 経済学部, 教授 (60397685)
中山 健夫 京都大学, 医学研究科, 教授 (70217933)
上月 正博 東北大学, 医学系研究科, 名誉教授 (70234698)
川本 祐子 東京医科歯科大学, 大学院保健衛生学研究科, 助教 (70527027)
|
|---|
| Project Period (FY) |
2024-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥10,140,000 (Direct Cost: ¥7,800,000、Indirect Cost: ¥2,340,000)
Fiscal Year 2024: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2023: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2022: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
|
|---|
| Keywords | アドヒアランス / 機械学習 / ビッグデータ / 医療経済 / 疾病予防 / 生活習慣病 / 健康経営 / メンタル / 予測モデル / 血糖値 / 血清クレアチニン値 / 処方選択 / 健康行動 / 人工知能 / 人工知能：ＡＩ / 後発薬への切替 / 医療ビッグデータ / データサイエンス / 人間の主観 / 選択と行動 |
|---|
| Outline of Research at the Start |
疾病予防の議論の主流である複雑系のアドヒアランスは、健康アウトカムや社会経済に対する影響が大きいものの、影響因子や構成要素の機序に関する実証研究が少なく、臨床現場の介入等への応用で制限がある。その探求は、多種多様な因子を大量なサンプルで取り組む必要もあり、近年、計量経済学や統計物理学等の応用が期待される。
一般的に、学術的な課題として、患者と医療者の信頼関係の探索、深層学習における特徴抽出の精査等が挙げられる。以上を踏まえ本研究は、臨床経済的な観点からアドヒアランスの要素を整理し、それが長期の医療・介護費用や生命予後に与える影響を、データサイエンスで予備的に検証し予測モデルの開発を試行する。
|
| Outline of Final Research Achievements |
This study aimed to verify the clinical economics of adherence in complex systems and to develop a simple measurement method. A group with a good adherence score (ASHRO<5) generated by applying big data and AI improved the adjusted odds ratio for long-term costs in the high-risk group for diabetes (HbA1c: 7.0-7.9%) from 1.916 to 1.089 (95% CI: 1.037-1.143, p<0.01). Secondary prevention intervention for heart disease was associated with improved adherence and the selection of generic drug prescriptions (p<0.01). Based on these findings, we verified the relationship between health behavior and health status and developed a method to measure adherence consisting of seven indicators: nutrition, sleep, exercise, health checkups, lifestyle, motivation, and medication. From the above, it was suggested that the method to measure adherence developed by applying AI has clinical economic usefulness.
|
| Academic Significance and Societal Importance of the Research Achievements |
保健事業分野の普遍的な課題として、要因把握と判断基準の幅広さ、習慣や環境に対する感度が不十分なために、集団健診や他の標準的プログラムのみならず、特定保健指導においても予防介入等の効果が小さく持続しない群が存在すると想像される。この背景には、多様で複雑なアドヒアランスの存在が挙げられる。ただし、その測定（数量化）や要因分解は難しいうえ、相互干渉や影響範囲が不明である。本研究は、データサイエンスの応用という独創的なアプローチにより、その課題の解決を図った。アドヒアランスの影響因子の構造化や臨床経済のアウトカムの評価に基づく、予測モデルや簡易測定法に関する本成果は、臨床や経営に貢献すると推察される。
|
