• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2017 年度 実施状況報告書

大規模解析のためのサマリ及びオーダ情報連携による患者背景推定手法の構築

研究課題

研究課題/領域番号 16K09172
研究機関高知大学

研究代表者

畠山 豊  高知大学, 教育研究部医療学系連携医学部門, 准教授 (00376956)

研究分担者 奥原 義保  高知大学, 教育研究部医療学系連携医学部門, 教授 (40233473)
片岡 浩巳  川崎医療福祉大学, 医療技術学部, 教授 (80398049)
渡部 輝明  高知大学, 教育研究部医療学系連携医学部門, 講師 (90325415)
中島 典昭  国立研究開発法人国立がん研究センター, 情報統括センター, 研究員 (00335928)
研究期間 (年度) 2016-04-01 – 2019-03-31
キーワード医療情報学
研究実績の概要

検査データと組み合わせて長期的なアウトカムを予測するための患者特徴を抽出するため、患者初診時記録と初診時に行われた処方データを対象として患者分類を行った。
高知大学医学部附属病院のデータを対象として、テキスト情報を潜在トピックモデル(LDA)に基づきクラスタリングを行い、処方データに対しても独立にクラスタリングを行い、それぞれの結果を組み合わせて患者分類を行った。その結果、初診時に登録された病名情報ごとに記載される単語特徴が異なっているため、初診時記録情報のみでも、いくつかの疾患が分類することが可能であることが明らかになった。さらに、処方オーダ情報を組み合わせることで、同じ登録病名であっても治療方針が異なる患者を把握することが可能であることが明らかになった。逆に、処方オーダがされていない患者においては、必ずしも登録病名が確定できない患者が存在しており、途中の経過記録情報などの追加情報が必要な群が存在していることが明らかになった。また、本研究では薬効情報を用いて処方オーダの分類を行ったが、同じ薬剤グループとして評価する適切な粒度のマスタ情報が必要であり、それが今後の研究の課題であることが明らかなった。
これまで解析対象データを検体検査データに基づいて抽出していたが、本研究によって、テキスト情報等のそれ以外のデータから抽出することが可能になり、長期的な検査変動を評価する際の各解析対象群を抽出することが可能になった。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

入院患者データ特徴を評価することが可能になり長期的なアウトカム評価に用いることがなったため。

今後の研究の推進方策

退院一定期間後に急性腎障害(AKI)を起こした患者もしくは慢性腎臓病(CKD)を起こした患者を抽出し、患者特徴によって発症率が異なるかどうかの評価を行う。

次年度使用額が生じた理由

大規模計算を本年度は行わなかったため計算機及び記憶装置を導入しなかった、そのため物品費の使用額との差額が生じ、次年度使用額が発生した。
長期予測を行うための計算機導入を行ために用いる。

  • 研究成果

    (1件)

すべて 2017

すべて 雑誌論文 (1件) (うち査読あり 1件)

  • [雑誌論文] Evaluation of the accuracy of estimated baseline serum creatinine for acute kidney injury diagnosis2017

    • 著者名/発表者名
      Hatakeyama Y, Horino T, Nagata K, Kataoka H, Matsumoto T, Terada Y, Okuhara Y.
    • 雑誌名

      Clin Exp Nephrol.

      巻: 22 ページ: 405-412

    • DOI

      10.1007/s10157-017-1481-y

    • 査読あり

URL: 

公開日: 2018-12-17  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi