高齢者の脆弱な皮膚に対する効率性の高いスキンケアマネジメント方法の構築

2023 Fiscal Year Annual Research Report

• Project/Area Number: 19K11116
• Research Institution: Sapporo City University
• Principal Investigator: 貝谷 敏子 札幌市立大学, 看護学部, 教授 (00381327)
• Co-Investigator(Kenkyū-buntansha): 酒井 透江 杏林大学, 保健学部, 講師 (50813557)
• Project Period (FY): 2019-04-01 – 2024-03-31
• Keywords: 高齢者 / 慢性創傷 / アルゴリズム

Outline of Annual Research Achievements

スキン-テア発生に伴う疼痛，QOLと医療費への影響，治療の実態を明らかにすることは，予防的スキンケア方法の確立のための一助となり，意義は大きい．本研究では，第一研究としてスキン-テア発生の現状とアウトカムを明らかにすることを目的として実態調査を実施した．多施設共同研究による前向きコホート研究である．協力施設は20施設で調査期間中にスキン-テアが発生した全患者数は205名であった．同意が得られなかった患者と１週間以内に退院した患者を除外し，包含基準を満たす96名を分析対象とした．対象患者の平均年齢は81.3(11.9)歳、発生部位は上肢が83.1%であった．STAR分類はカテゴリ2bが49.0%で最も多かった．スキン-テア発生時の疼痛はNRSで平均1.9(2.1)であった．発生時の効用値は平均0.42(0.23) で，平均治癒期間は12.0(6.2)日．医療コストは平均3,052（3,240）円であった．創面積の大きさに伴い医療コストも上昇した(p＜.01)．ベースラインの創面積の差を是正するため1日当たりの創面積の縮小率を求めた結果，STAR分類1bは2bと比較し縮小率が有意に高かった(p＜.05)．第二研究としてスキン-テアのカテゴリ分類に基づく治療のアルゴリズムの選択と治療コストの管理が可能なアプリ開発を行った．治療アルゴリズムはエキスパートの意見を基に作成した．AIによる画像認識で創傷のグレードの判定とサイズの自動計測を行うモデルを作成し評価した．モデルはYOLOｖ8n～X，学習回数は100回～300回で評価した．感度は80～90％と比較的安定した検出結果であった．本モデルを用いて画像からスキン-テアのカテゴリを分類し，面積を算出するツールを作成した．ツールは、ブラウザ上で動作する仕様である．今後はアルゴリズムの基づいた治療管理と費用の管理の機能までを連携し，臨床で使用しやすい形態にすることを目標としていく予定である．