カナダの学術的救急科におけるリモート重症度予測ツールの信頼性評価
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Evaluating the Reliability of a Remote Acuity Prediction Tool in a Canadian Academic Emergency Department
雑誌名：Ann Emerg Med. 2024 Apr; 83(4): 373-379.
概 要：
本研究は、救急科を受診する患者の重症度スコアをリモートで予測するための機械学習アルゴリズムの信頼性を評価することを目的としています。2021年1月から2022年8月までの期間に、カナダの学術的救急科での成人患者のデータを用いて、アルゴリズムが予測したスコアと看護師によるリアルタイムのトリアージスコアを比較しました。結果、機械学習アルゴリズムは多くのケースで過剰トリアージを行い、さらなる改善が必要であることが示されました。
方 法：
この研究は、2021年1月から2022年8月までの間に、年65,000件の患者を受け入れる学術的救急科で行われた後ろ向きレビューです。データには、受診日、患者の年齢、性別、受診理由、主訴、患者報告の痛みスコアが含まれ、これらを用いて機械学習アルゴリズムが重症度スコアを予測しました。予測スコアは、看護師による電子カナダトリアージおよび重症度スケール（eCTAS）スコアと比較され、カッパ統計を用いて評価されました。
結 果：
21,469件の患者遭遇が分析され、48.4%のケースで正確なモーダル一致が達成されました。カッパ統計による評価では、インターレータ信頼性は不十分から良好であり、未加重カッパは0.18、線形加重カッパは0.25、二次加重カッパは0.36でした。看護師のeCTASスコアを基準とした場合、機械学習アルゴリズムは46.1%のケースを過剰トリアージし、5.5%のケースを過小トリアージしました。
結 論：
この機械学習アルゴリズムは、患者の使用に安全に実装される前にさらなる改良が必要であることが示されました。