| 研究課題/領域番号 |
18K16548
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分55060:救急医学関連
|
|---|
| 研究機関 | 聖マリアンナ医科大学 |
|---|
研究代表者 |
内藤 貴基 聖マリアンナ医科大学, 医学部, 助教 (30814628)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | 早期傾向スコア / 機械学習 / Rapid Response System / 院内心停止 / 院内急変 / 早期警告スコア / Rapid response system / NEWS / Machine learning / rapid response system / cardiac arrest / in-hospital emergency / rapid response team / medical emergency team / 院内救急 / RRS |
|---|
| 研究成果の概要 |
Rapid Response System (RRS)と院内心停止のレジストリを統合し, 米国心臓協会の レジストリの定義に準拠させた。各施設のデータ解析を行い、全国データと比較した結果を各施設代表へフィードバックを行った。またレジストリデータ解析より、我が国でも早期警告スコアがリスク層別化に有用であること明らかにし、RRS起動率が低い現状への解決策の一つとなりうる可能性が示唆された。また我が国独自のRRS起動後の予後予測モデルを機械学習を用いて作成した。新しい機械学習モデルは24時間以内の死亡ないし予期せぬICU入室に関して既存の早期警告スコアを上回る予測精度を示した。
|
| 研究成果の学術的意義や社会的意義 |
院内救急体制の現状を把握するための世界標準のレジストリ整備がされた。またそのデータを元にフィードバックを行っており、各施設の院内救急体制の発展への貢献が期待される。レジストリデータを用いた解析により早期警告スコアが我が国でも有用である可能性を示した。これにより早期警告スコアの導入によるRapid Response System(RRS)起動率増加、院内心停止の予防が期待される。機械学習を用いたRRS起動後の短期予後予測モデルを開発することにより、RRSによる介入の質を改善が期待される。
|
