| Project/Area Number |
24K02704
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58030:Hygiene and public health-related: excluding laboratory approach
|
|---|
| Research Institution | Shiga University of Medical Science |
|---|
Principal Investigator |
宮松 直美 滋賀医科大学, 医学部, 教授 (90314145)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
原田 亜紀子 滋賀医科大学, 医学部, 准教授 (00451774)
三浦 克之 滋賀医科大学, 医学部, 教授 (90257452)
芦原 貴司 滋賀医科大学, 医学部, 教授 (80396259)
漆谷 真 滋賀医科大学, 医学部, 教授 (60332326)
吉田 和道 滋賀医科大学, 医学部, 教授 (90598921)
野崎 和彦 滋賀医科大学, 医学部, 客員教授 (90252452)
設楽 智史 滋賀医科大学, 医学部, 助教 (01016395)
山口 亜希子 滋賀医科大学, 医学部, 准教授 (30405336)
清原 麻衣子 滋賀医科大学, 医学部, 助教 (50907988)
森野 亜弓 滋賀医科大学, 医学部, 客員助教 (10633729)
|
|---|
| Project Period (FY) |
2024-04-01 – 2029-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000)
Fiscal Year 2028: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
Fiscal Year 2027: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2026: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2025: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
Fiscal Year 2024: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
|
|---|
| Keywords | 脳卒中発症登録 / 予後予測 / 悉皆調査 / 機械学習 / 脳卒中予後予測 / 悉皆登録 / DPC |
|---|
| Outline of Research at the Start |
本邦の重度要介護の最大の原因である脳卒中要介護を予防するには、詳細な臨床情報と再発情報を含む、複雑な関連を想定した高精度の予測モデルと新たな予後予測因子の検出が求められる。予測モデルには代表性のある集団の診療情報と機能予後を用いるべきだが、両者を含む本邦の発症登録情報は極めて少ない。本研究では、臨床情報、機能予後情報を含む地域悉皆発症登録情報をもとに機械学習を用いた予測モデルを構築し、新たな予後予測因子の抽出を試み、悉皆発症登録調査に基づく脳卒中予後予測基準モデルを作成する。また、この基準モデルとDPC情報を両者の予後予測能力の比較を行い、DPCに基づく予測の有用性および留意点を検討する。
|
| Outline of Annual Research Achievements |
重症要介護の主要な原疾患である脳卒中の予防および予後の改善は、本邦の健康寿命の延伸のため重要である。脳卒中要介護を予防するには、詳細な臨床情報を含む、複雑な関連を想定した⾼精度の予測モデルと新たな予後予測因⼦の検出が求められる。予測モデルには代表性のある集団の診療情報と機能予後を⽤いるべきだが、両者を含む本邦の発症登録情報は極めて少ない。本研究では、臨床情報、機能予後情報を含む地域悉皆発症登録情報とDPC情報をもとに予測モデルを構築することを目指している。
本悉皆登録からは、これまでの疫学研究による予後予測因子（例えば発症前の慢性疾患の保有や管理の不十分さ）のほか、脳梗塞発症時の対処行動により急性期治療の実施状況が異なること、基礎疾患の保有状況により発症時の対処行動が異なることなどを報告した。
今年度は、さらに登録期間を拡充し詳細項目を含む豊富な情報からの予後予測モデル構築を可能とするため、これまでの採録項目の見直しと改良を行うこととし、そのための情報収集および担当者・専門家による検討を実施した。並行して、すでに採録済みの2011年1月1日〜2015年12月31日の脳卒中発症約15,000症例のデータベースから、性・年齢区分ごとの死亡率を記述した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当初、2024年度に脳卒中発症登録採録を実施し、データベースの拡充を行うことを予定していた。しかし、今後の継続した脳卒中発症登録と詳細な検討のためには、採録効率および精度の向上が重要である。そのため、発症登録情報項目の再検討と登録フォーマットの更新を行うこととし、2024年度はそのための情報収集と協議を複数回二渡り実施した。
また、上記作業に並行して、2011年１月１日〜2015年12月31日の5年間の滋賀県下での脳卒中発症登録約15,000件のデータの確認および年生命予後の記述を実施し、今後の予測モデル作成の基礎資料とした。
|
| Strategy for Future Research Activity |
採録効率および精度の向上のために2024年度に実施した発症登録情報項目の再検討と登録フォーマットの更新を次年度前半も継続して実施し、登録フォーマットの更新作業を完了する。作業の完了後は、採録看護師のトレーニングと採録情報の精度の確認を行った上で、県下全域での採録を行う予定である。
また、現存のデータベースによる疫学モデルに基づいた退院時機能予後予測モデルおよび生命予後予測モデルを作成する。加えて、機械学習による予測モデル作成のための情報収集およびトレーニングを実施する。
|
