マイページに保存

最終更新日：2019/10/31

畳み込みニューラルネットワークは、
「どの入院患者が再入院に直面するかを予測する」
ことにおいて、従来の方程式、指数およびスコアリングシステムよりも優れていることが証明されている。

3つの別々の病院でテストされたこの進歩は、
退院に関連した「転倒」、「院内感染症」および入院患者の滞在に伴うその他の健康上のリスクへの繰り返しを回避するプロセスにおいて、退院計画の改善に役立つ。

調査結果の裏にある研究はメリーランド大学で行われ、JAMAネットワークオープンで実行されている。

開発者の医学者たち

ダニエルモーガン（MD、MS）および同僚は、2016年の終わりがけ4ヶ月間に3次医療センター、郊外のコミュニティ病院、および都市部のクリティカルアクセス病院から退院した14,062人の成人患者の医療記録を扱った。

チームのデータ科学者は、何千もの変数の記録をまとめるためにニューラルネットワークを作成し、その後の再入院と最も密接に関連していた382の変数を導き出した。

これらには、人口統計、検査結果、呼吸補助の必要性およびボディマスインデックスだけでなく、宗教的所属、配偶者の有無、雇用および薬物乱用も含まれていた。

いくつかの伝統的な方法と比較すると、研究者らは比較スコアよりも25.5％から54.9％効率的であることを見出した。

懸念

議論の中で、著者は、
「再入院を予測すること」は
「それらを防ぐこと」と同じではない、
と指摘している。

「我々は潜在的に予防可能な再入院の定義を使用したが、文献はこれらの再入院のほとんどが予防可能ではないことを示唆するだろう」
と彼らは書いている。 
「再入院を防ぐための介入は、多くの場合、退院クリニック、移行期ケア、遠隔監視など、労働集約的で費用がかかります。」

期待の光

それにもかかわらず、より正確な再入院予測は、退院前介入および介護決定の改善に役立つと彼らは付け加えている。

メリーランド大学医学部の学長であるE. Albert Reece（MD、PhD、MBA）は、この研究についてこの学校のニュース部門にコメントした。

「電子医療記録の広範な使用は、患者の治療に関わるすべての臨床医からの情報の流れを高めました」
 「この研究は、患者データが再入院パズルを解決し、最終的には患者ケアの質を向上させるのにどのように役立つかを強調しています。」

原文

https://www.aiin.healthcare/topics/research/hospital-readmission-machine-learning

マイページに保存