在宅医療における入院リスク予測のための時系列モデルの構築：開発、精度、公平性に関する洞察
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Building a Time-Series Model to Predict Hospitalization Risks in Home Health Care: Insights Into Development, Accuracy, and Fairness
雑誌名：J Am Med Dir Assoc. 2025 Feb; 26(2): 105417.
概 要：
本研究は、在宅医療（HHC）における入院および救急外来訪問のリスクを予測するための時系列リスクモデルを開発することを目的としています。米国では毎年500万人以上の高齢者がHHCを利用していますが、25%の患者が不必要な入院や救急外来訪問を経験しています。従来のリスク予測モデルは、臨床ノートや集約データの活用不足、人口統計的バイアスに制約されていました。本研究では、電子健康記録のプロセスモデリングを用い、リスク予測モデルの性能を評価し、主要な予測変数を特定し、公平性を評価しました。
方 法：
2015年から2017年の間に27,222件のHHCエピソードを対象とした研究です。電子健康記録のプロセスモデリングを用い、自然言語処理技術で処理された臨床ノートとメディケア請求データを含めました。リスク予測モデルはLight Gradient Boosting Machineアルゴリズムを使用して開発され、5分割交差検証で性能を評価しました。モデルの公平性は、性別、人種/民族、社会経済的サブグループ間で評価されました。
結 果：
モデルは高い予測性能を達成し、5日間の予測ウィンドウでF1スコア0.84を記録しました。看護師と患者の訪問の長さや訪問頻度など、20の主要な予測変数が特定され、85%が米国の相互運用性標準に完全にマッピングされました。公平性評価では、歴史的にサービスが行き届いていない集団に対してモデルの効果が低いことが示されました。
結 論：
本研究は、HHCにおける不利な事象を予測するための堅牢な時系列リスクモデルを開発し、多様なデータタイプを取り入れ、高い予測精度を示しました。確立されたリスク要因と新たなリスク要因の考慮が重要であることが強調され、サブグループ間の性能の不均衡が観察されたことから、すべての患者集団に対する公平なリスク予測を確保するための調整が必要であることが示唆されました。