2017 Fiscal Year Research-status Report
Estimating utilities and health-related QOL based on the real-world data in Japan
Project/Area Number |
17K15744
|
Research Institution | Kyoto University |
Principal Investigator |
山本 洋介 京都大学, 医学研究科, 准教授 (30583190)
|
Project Period (FY) |
2017-04-01 – 2020-03-31
|
Keywords | QOL / 効用値 / マッピング |
Outline of Annual Research Achievements |
・平成29年度は、derivationへの使用が可能な既存の大規模コホート研究のデータを確認し、実際にマッピングに活用が可能かを検討した。また、複数の項目からQOL推定値を得るためのマッピングの手法に関する文献レビューを行い、最適なマッピング手法を検討した。その上で、選択した手法を用いて、特定健診データ項目から効用値を推定するモデルを試行的に作成した。推定能に問題があり、今後他のQOLの項目の推定するモデルを構築すると同時に、ベイジアンアプローチや変数選択などでモデル性能の改善を目指す。 1.アルゴリズムを得るための大規模コホート研究の選定:本年度は、LOHAS(Locomotive Syndrome and Health Outcome in Aizu Cohort Study)のデータを確認し、項目・欠測データの割合等に関して確認を行った。その結果、合計3317名のデータで効用値を含むQOL・特定検診データが利用可能であることが判明し、十分使用に耐えうると判断した。 2.マッピングの手法に関する文献レビュー:モデル作成に先立ち、効用値を含むQOL推定値を得るためのマッピング手法に関する文献レビューを行った結果、本年度は、通常のマッピングの方法に従いbasic modelとして最尤法・Tobitモデルを実施し、ベイズ情報量基準、残差推定値プロット等によりモデルを評価することとした。 3.コホート研究のデータを利用した、QOL推定値算出のためのモデルの開発と検証:本年は特定健診の項目から効用値・各QOLの指標の推定を行うためのモデルを複数作成した。具体的には自覚症状、併存症、問診項目のそれぞれならびにすべて投入した場合の予測能の比較を行った。結果、自覚症状のみを入れたモデルが最もBICが小さい値となったものの、プロットでは予測性能が悪く、更なる改善が必要と推察された。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初目標として掲げた「1.アルゴリズムを得るための大規模コホート研究の選定」「2.マッピングの手法に関する文献レビュー」「3.コホート研究のデータを利用した、QOL推定値算出のためのモデルの開発と検証」について、それぞれ進捗状況を以下に記載する。 1.コホート研究の選定について:特定検診、ならびにQOLのデータを含むコホートにアクセスが可能となったこと、ならびに3000名を超えるデータが活用可能であることが判明し、マッピングに必要なサンプル数としては十分確保することができたと考える。 2.マッピングの手法に関する文献レビューについて:これまでの先行研究に基づき、構築すべきbasic modelを選定することができた。またモデル性能の比較に用いる手法についても複数用意し、国際的な評価に耐えうる検討が可能となったものと思われる。 3.実際のモデル構築について:本年度は効用値、精神に関するコンポーネントサマリースコア(Mental Component Summery; MCS)、身体に関するコンポーネントサマリースコア(Physical Component Summery; PCS)、役割に関するコンポーネントサマリースコア(Role Component Summery; RCS)、以上の4つの指標をアウトカムとし、説明変数として特定検診の自覚症状、併存症、ならびに問診項目を用いたモデルを、最尤法ならびにTobitモデルにて構築することに成功した。
進捗で問題になっている点として、通常の一般的なモデル構築の方法では予想以上に性能が悪く、使用に耐えうるモデルとするためには大幅な性能の改善が必要であると思われる。また変数選択についても、一括で変数を投入する方法ではなく、どの変数を投入するかについても複数の方法に基づき継続して検討を行う必要があると考えられた。
|
Strategy for Future Research Activity |
1.モデルの改善、ならびに別コホートデータ使用:十分なモデル性能を得られなかった結果に基づき、まず説明変数として特定検診以外の項目(レセプト項目など)でモデル改善が見込めるかを引き続き調査する。また、既に研究代表者がアクセス可能なコホートデータにアクセス可能かどうかについても検討する。
2.実際のQOLスコアとモデルに基づくQOL推定値との乖離に関する検討:モデルの改善が達成された場合には、その後新たな調査により直接効用値を測定することを予定している。その際にはモデルに基づく推定QOL値と、1で直接測定された実際のQOL値との乖離を検証し、改良が達成されたモデルを他のデータにおいても利活用することが可能か検討する(external validation)。同時に、複数の特定の疾患を有する患者に限定してモデルの評価を行い、当てはまりを検証する。
3.研究が当初計画どおりに進まない時の対応:上記の改善作業においてもアルゴリズム推定精度の向上が望めない場合には、推定の対象となるQOL尺度を変更し、高い推定精度が得られうるものを探索的に検討する。また、対象者の疾患などでのサブグループごとの推定精度を算出し、比較的高い推定精度を得られる疾患を同定することで、少なくとも特定の疾患領域での利用可能性を確保することを計画している。
|
Causes of Carryover |
1.次年度使用額が生じた理由:本年はデータクレンジングされた整備済みのデータが使用できることが研究開始後に判明し、それに伴いデータ整理・事務に係る人件費が不要となった。また、海外情報収集は次年度に行った方がより効率的な情報収集が可能になるとの見込みから1年間延期となった。統計解析ソフトウェアIRTについては別に本研究でも使用可能なライセンスがあったため、予算の効率的かつ適正な使用の観点から本研究で新たに購入を行う必要がなくなった。 2.翌年度分の使用計画:海外での情報収集はもとより、効率的なコホートデータ活用の観点かつさらなるサンプル拡大を目指し、データ購入整備にその一部を充てることで本研究の速度を加速させることを目指す。また、通常ではない手法での分析が必要となったため、参考図書や別途追加購入するべきソフトウェアの費用に充てる予定である。
|