Core Concepts
高リスク妊婦の早期発見と合併症リスクの特定を目的とした機械学習モデルの開発と、ケアマネージャーとの協調的な活用により、高リスク妊婦ケアの質の向上と格差の解消を実現する。
Abstract
本研究では、高リスク妊婦ケアの質の向上と格差の解消を目的として、以下の取り組みを行った。
妊婦の早期発見:
請求データを用いた機械学習モデル「HAPI」を開発し、妊婦の早期発見を実現した。
HPAPIは、妊婦を3.54%早期に特定でき、5.58%の偽陽性率を示した。
従来の妊婦特定コードに比べ、より早期に妊婦を特定できることが示された。
合併症リスクの特定:
妊婦の合併症リスク(妊娠高血圧、妊娠糖尿病)を予測するロジスティック回帰モデルを開発した。
このモデルは、妊娠3ヶ月前の時点で72.2%のAUCを示し、妊娠経過とともに精度が向上した。
合併症リスクの高い妊婦を早期に特定できることが示された。
ケアマネージャーとの協調:
ケアマネージャーとの密接な連携の下、上記モデルを開発した。
ユーザー評価実験では、モデルの予測と根拠の提示がケアマネージャーの意思決定を支援することが示された。
以上の取り組みにより、高リスク妊婦の早期発見と合併症リスクの特定が可能となり、ケアの質の向上と格差の解消につながることが期待される。
Stats
妊婦の平均発見遅れは、従来の妊婦特定コードでは75.6日、HPAPIでは54.3日と、HPAPIが早期発見できている。
合併症リスク予測モデルの正解率は、妊娠3ヶ月前で73.1%、妊娠期全体では76.8%と高い精度を示した。
合併症リスクの高い妊婦の59.6%が、妊娠前に特定されていた。
Quotes
"高リスク妊婦ケアプログラムの対象者を特定するプロセスの改善は非常に重要です。現在のシステムでは、多くの場合、妊婦ではなくなった患者が提示されるため、看護師の時間と労力の無駄が生じています。"
"妊婦の既往歴や合併症リスク因子の情報があれば、より的確な判断ができます。モデルの予測と根拠の提示は、看護師の意思決定を大いに支援してくれます。"