Machine Learning to Elucidate the Relationship between Health Status Trends and Healthy Life Expectancy in the Elderly: A 19-Year Longitudinal Study

2022 Fiscal Year Research-status Report

• Project/Area Number: 22K21127
• Research Institution: Health Science University
• Principal Investigator: 岡 猛 健康科学大学, 健康科学部, 助教 (70961390)
• Project Period (FY): 2022-08-31 – 2024-03-31
• Keywords: 高齢者の健康状態 / 介護保険制度 / 健康寿命 / 機械学習

Outline of Annual Research Achievements

日本における人口の高齢化率の高さは世界と比較しても著しく、これからも加速することが予測されている。このような状況で、健康寿命の延伸は喫緊の課題である。そこで本研究では、日本における介護保険制度の指標を基に高齢者の健康状態の推移を、機械学習を通してグループ化し、グループごとの推移の原因となる生活習慣や環境要因などの要因を同定することを目的とした。
本年度は研究テーマの枠組みの中、日本の山梨県高齢者健康寿命実態調査(Y-HALE) というコホート研究データ内の介護保険制度や死亡データに基づいた、19 年間の健康状態データを月毎の経時的データとして整理した。加えて、健康寿命データのデータ欠損がある対象者などを確認して、最終的な解析対象者の選定（脱落者などを考慮したフローチャート）も完了している。現時点で解析用データセットの準備は整っており、今後これらのデータを基に、多段階・多時点という視点よりグループ毎の高齢者の健康状態に関わる要因を同定して健康寿命の延伸戦略の構築を目指す。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

本研究では、時系列に沿って多時点・多段階における対象者の介護保険制度に基づいた要支援・介護状況、 死亡における推移に基づいたグループ毎の健康状態の質に関わる要因を同定したと考えている。この多時点や多段階を考慮するという統計解析の複雑さに対して機械学習を活用することで解決しようと考えているが、研究目的に効果的だと考えられる機械学習の解析方法が明確になっていないためである。

Strategy for Future Research Activity

健康状態の多段階・多時点の推移を考慮したクラスタリング、グループ毎の推移の原因となるベースライン要因を同定することに対して適切に解析できる機械学習手法を明確にし解析していく。これらの解析結果をまとめ、順次英語論文を作成し発表していく。それと並行して、自身の研究結果の解釈の妥当性を外部に確認するため、国内学会で同内容を発表していく。
また、従来の研究で多く使用されている健康寿命を2値で評価した解析手法(COX比例ハザードモデルを想定)でも研究を進めてくことで、機械学習を用いた統計解析との相違点なども確認しつつ健康寿命の関連要因を解明していく。

Causes of Carryover

学会発表時の旅費や論文作成時の校閲費用や論文投稿費などの経費がかかることを予測していたが、当初の計画よりも研究の進行度が進んでなく上記内容の費用が無当該年度はなかったため。加えて、本研究は機械学習を通して繰り返しの解析が必要となり多くの解析を実行して結果を比較し、研究の質を深めるために複数のメモリ、十分なGPUやCPUを搭載したコンピュータが必要である。この十分なスペックをもったコンピューターの購入を見送ったため。(インテルのCPUを搭載したデスクトップパソコンを購入予定だが、次世代モデルに変更になるタイミングであったため)