| Project/Area Number |
18H03111
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58080:Gerontological nursing and community health nursing-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
野口 緑 大阪大学, 医学系研究科, 招へい准教授 (20719322)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
表 志津子 金沢大学, 保健学系, 教授 (10320904)
磯 博康 大阪大学, 医学系研究科, 教授 (50223053)
服部 聡 大阪大学, 医学系研究科, 教授 (50425154)
西連地 利己 獨協医科大学, 医学部, 准教授 (70453404)
斉藤 功 大分大学, 医学部, 教授 (90253781)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Project Status |
Granted (Fiscal Year 2020)
|
| Budget Amount *help |
¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000)
Fiscal Year 2020: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2019: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2018: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000)
|
|---|
| Keywords | 保健指導 / 生活習慣病ハイリスク者 / AIツール / 脳・心臓血管疾患 / 健康長寿延伸 / 健康寿命延伸 / 保健指導効果 / 重症化予防 / 循環器疾患発症抑制 / データ収集ツール作成 / 受療行動促進モデル / 保健指導介入優先度判定 |
|---|
| Outline of Annual Research Achievements |
（１）「受療行動促進モデル」による保健指導の長期効果（脳心血管疾患、糖尿病合併症の発症抑制への貢献効果）の検証
本研究の目的の一つは、「生活習慣病重症化予防のための保健指導の効果検証研究（J-HARP研究）（2014～2017年度）」で明らかとなった「受療行動促進モデル」による保健指導の脳心血管疾患等の発症抑制への貢献効果の検証である。そのため、本研究ではJ-HARP研究対象者のJ-HARP研究終了後の健診及びレセプトデータの収集が必要となる。そこで、J-HARP研究参加自治体を対象に、本研究の目的や内容を理解いただく説明会の開催や自治体訪問を通じて、研究対象者データの収集の協力依頼を行った。また、健診結果及びレセプトデータの収集のためのツールを作成し、それを用いて、研究対象データの収集準備を開始した。
(２)AIによる保健指導支援ツールの開発
受療行動促進モデルによる保健指導を効果的にするための支援ツールの開発を行うため、健診受診者のリスク評価を行うためのツールの検討、及び、既存データを用いて、保健指導介入による循環器疾患発症確率の抑制効果の評価方法の検討を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
(１)「受療行動促進モデル」による保健指導の長期効果（脳心血管疾患、糖尿病合併症の発症抑制への貢献効果）の検証
J-HARP研究参加43自治体を対象にした研究説明会を、大阪、東京、福岡の3か所で開催し、J-HARP研究結果及びその意義、さらに、本研究が、各自治体における健康寿命の延伸、並びに医療費適正化効果に貢献しようとするものであることを説明し、研究への協力を依頼した。
データ収集に関しては、各自治体との契約を順次進め、研究参加自治体において、研究に必要な、既存の健診結果及びレセプトデータの整備が進んだ。同時に、研究データを収集するためのツールを開発し、自治体において、研究対象データの匿名化処理を行い、ツールが正確に稼働することを確認できた。
(２)AIによる保健指導支援ツールの開発
保健指導介入の優先度判定に関する基本的な考え方を整理し、簡易版のツールを作成した。併せて、既存研究で明らかになっている脳心血管疾患発症予測モデルを用いて、保健指導介入による評価の方策について検討した。また、ツール作成に必要なベイジアンネットワーク作成のため、学習データのデータ定義、離散化内容を検討した。
|
| Strategy for Future Research Activity |
(１)「受療行動促進モデル」による保健指導の長期効果（脳心血管疾患、糖尿病合併症の発症抑制への貢献効果）の検証
開発したツールを用いて、研究対象データの第1次収集を開始し、脳心血管疾患、並びに、糖尿病合併症の発症が疑われるデータについては、エンドポイントの判定を行う予定である。
(２)AIによる保健指導支援ツールの開発
学習データを用いて、保健指導の有無と発症予測との関係を検証するとともに、リスク因子の相互関連やバイオマーカー以外のリスク因子の抽出などを行う。
|
