データマイニング等の手法を用いた急性心筋梗塞患者のリスク評価と予後予測

2011 Fiscal Year Annual Research Report

• Project/Area Number: 22590590
• Research Institution: Yamaguchi University
• Principal Investigator: 松井 邦彦 山口大学, 大学院・医学系研究科, 教授 (80314201)
• Co-Investigator(Kenkyū-buntansha): 小島 淳 熊本大学, 医学部附属病院, 助教 (50363528) ; 小川 久雄 熊本大学, 医学薬学研究部, 教授 (50177135)
• Keywords: 急性心筋梗塞 / 予後予測 / データマイニング

Research Abstract

本年度は、実際にデータマイニングの手法を使い、予後予測モデルの作成を試みた。
患者を無作為にほぼ同数の二群に分け、一群で予測を立て、もう片方の群でその妥当性を検証した。Recursive partitioning analysis methodを用いて、心筋梗塞発症後30日における死亡率を予測するモデルを、最初の一群より作り、もう一群にその結果をあてはめて検討した。この予測モデルを作るために、本研究ではCART software (version 5.0, Salford Systems, CA)を用いて、入院時に収集される臨床上重要と考えられる15個の因子を使って、最初の群で予測モデルを作った。これらは、患者の背景因子(年齢、性別、喫煙の有無)、発症から入院までの時間、既往歴(狭心症、心筋梗塞、高血圧、糖尿病、高脂血症)、身体および心電図所見(BMI,Killip分類、心電図ST上昇)、最初の検査結果(血糖値、クレアチニン、白血球数)である。10-fold cross validationを行い、モデルの予測能力の評価を行った。誤分類した場合のコストは14.4と設定した。最後に、最初に群から作られた予測モデルの結果を、もう一方の群にあてはめて、妥当性の検証を行った。それぞれの点における、30日後死亡率の比較を行った。
結果
患者背景:対象は5,320名、うち2,643名の患者で予測モデルを作り、2,677名の患者で妥当性を検証した。
Recursive partitioningによる、予測モデル: Recursive partitioning解析によって、予測モデルを作成し、このモデルをもう一方のグループに当てはめ、それぞれの最終節における30日死亡率の比較を行ったところ、いずれも似た値が得られた。再還流療法の効果をもとに3群に分けて比較した結果:最終節での30日死亡率により3群に分け(低リスク:<10%、中リスク: 10-25%、および高リスク>25%)、比較を行った。高リスクのグループは高齢で、より既往症を多く持っていた。また緊急再還流療法を受けている可能性が、低リスクの患者に比べて低かった。傾向スコアで補正を行ったところ、再還流療法の効果は、中リスク群で30日後死亡と1年後死亡のいずれについても著しかった。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

上記研究実績の概要に示した通り、ある程度の結果を得ることができた。

Strategy for Future Research Activity

当初の計画では、患者教育、説明ツールの作成も検討する予定であったが、予後予測モデルの不確実性が本年度の研究で明らかになったため(誤分類コストの設定で大きく結果が変わるため)、より妥当性の高い予後予測モデルの検討を、次年度も引き続き行う。