| 研究課題/領域番号 |
18K18471
|
|---|
| 研究機関 | 一般財団法人医療経済研究・社会保険福祉協会(医療経済研究機構(研究部)) |
|---|
研究代表者 |
清水 沙友里 一般財団法人医療経済研究・社会保険福祉協会(医療経済研究機構(研究部)), 医療経済研究機構, 主任研究員 (60625408)
|
|---|
| 研究分担者 |
原 聡 大阪大学, 産業科学研究所, 助教 (40780721)
伏見 清秀 東京医科歯科大学, 大学院医歯学総合研究科, 教授 (50270913)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2021-03-31
|
| キーワード | 機械学習 / 医療データベース / 予測モデル / Multimorbidity |
|---|
| 研究実績の概要 |
高齢化社会の到来を迎え、疾病構造の変化やマルチモビディティへの対応は世界各国の共通的政策課題の一つとなっている。高齢になればなるほど、疾病状態からの機能回復は遅れがちであり、多くの併存疾患を有する症例が増加する。このような状況下では、複合的な要因から患者アウトカムの悪化がみられることが多い。そのため、高齢者の身体的な脆弱性に関して、包括的な視点から評価を行い、予後悪化の要因を明らかにするということは重要な課題である。しかしながら、複数疾病のある患者に対して、それらの並存パターンの重症度評価は十分ではない。社会医学領域においては、予測力に劣る線形回帰モデルの利用から
脱却できておらず、手法論的に挑戦可能な課題が数多く残っている。昨年度は、統計学的なモデルと機械学習モデルの比較を行い、機械学習モデルのフィットに課題のあることがわかった。そこで今年度研究においては、モデルの精度向上のため、その他の機械学習手法を応用し、予後予測因子のより精緻な同定を行うことを目的とした。
昨年度研究において、入院初日の診療行為データを用いて予測モデルを構築した。入院初日の診療行為は、患者に対する医療者の診療方針を示していると考えられる。一般的に、診療行為に関する情報は、非常に情報量のあるデータであるが、そのデータの次元の高さのために全てのデータを予測モデルに入れることが現実的ではなかった。本年度の研究結果より、次元削減等の手法を用いることで、これらのデータを利用可能にし、かつ予測モデル精度の向上が可能であることが示唆された。
|
| 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
当初の研究計画通りに実施されている。データソースの追加について検討している。
|
| 今後の研究の推進方策 |
概ね研究計画通りに推進予定である。
新しいデータの利用手続きを進める予定である。
|
| 次年度使用額が生じた理由 |
本年度はデータの購入費を計上しなかった。来年度で使用予定である。
|
