| 研究課題/領域番号 |
16K20977
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
臨床看護学
病院・医療管理学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
横田 慎一郎 東京大学, 医学部附属病院, 助教 (90599490)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2016年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
|
|---|
| キーワード | 転倒・転落 / 電子カルテ / 機械学習 / 自然言語処理 / 医療安全管理 / 医療安全 / 患者安全 / データ二次利用 / 患者転倒予防 / 診療データ二次利用 / 看護必要度 / リスクマネジメント / リハビリテーション看護学 |
|---|
| 研究成果の概要 |
機械学習手法により感度64.9%、特異度69.6%の患者転倒リスク評価モデルを構築した。成績は従来研究と同等程度で、構築に延べ40日間の計算を必要とすることから効率がよいとは言えない。次に、過去に電子カルテ実装した転倒リスク判別ツールの影響を、実装前後期間で比較したところ、入院患者の患者の転倒発生確率は、実装後期間において低下し、実装後期間におけるツール使用患者と非使用患者では不変であった。また、転倒報告書と転落報告書を機械学習手法により実験的に分析したところ、臨床現場での転倒関連概念の認識が曖昧である可能性を示唆した。
いずれも電子カルテ等データを用いた後ろ向き観察研究として実施した。
|
| 研究成果の学術的意義や社会的意義 |
入院患者の転倒は多くの医療機関で入院中の医療インシデントの最も多いもののひとつで、外傷や死亡を引き起こす事があり、患者のQuality of Lifeの向上や医療資源の適切利用の観点からも、喫緊に解決すべき社会的課題である。国内外で患者転倒リスク評価手法はいくつも開発されているが、多くは開発用データが不十分であり、また多くは臨床での実際の転倒発生予防に効果があるかどうかが不明という課題がある。
今回の一連の研究は、医療リアルワールドデータをもとに機械学習を含む人工知能関連手法を活用した判定ロジックの開発、実装評価等を一連としてして実施している点で、学術的にも社会的にも意義があると考える。
|
